混合有源滤波器的新型电流迭代学习控制

为提高电网电能质量,针对注入式混合有源电力滤波装置(HAPF)提出一种新的电流补偿控制策略,由电网谐波电流误差信号的微分型学习律前馈控制环节和反馈迭代学习控制器构成.在电流误差的反馈迭代控制器中应用了一种带遗忘因子的PI新型迭代学习控制算法,遗忘因子的加入能够增强迭代学习控制算法的鲁棒性,且该算法区别于传统PI型迭代学...     

并联混合有源滤波器复合控制策略

将广义积分PI控制器与基于虚拟电感的指定消谐前馈控制算法结合提出了一种新的复合电流控制策略.其中,前馈控制器的基本思想是:在指定谐波频率处将有源滤波器(APF)控制成一个"虚拟电感",与无源滤波器(PF)发生串联谐振,为谐波电流提供一个低阻抗通路,动态性能良好.前馈控制对PF参数依赖性强,控制精度难以保证;而广义积分PI控制器能够无稳态误差地对特定频率谐波进行补偿,但是对于变化的负载,广义积分PI控制器需要数个周期才能实现谐波电流的精确跟踪.因此,该复合控制策略保证了混合有源滤波器(HAPF)既具有良好的动态性能又有较小的稳态误差,而且能对谐波进行分次补偿.实验结果证明所提控制策略是可行的和有效的.     

混合有源电力滤波器的新型迭代学习控制

将混合型有源电力滤波器应用于电网谐波抑制与无功功率补偿,在传统比例一积分（proportion—integration,PI）控制迭代学习算法基础上加入关于电流误差信号的微分项,提出一种新型比例-积分-微分（proportion—integration-differentiation,PID）控制迭代学习控制算法,并推...     

基于FPGA的粒子群优化PI控制器在有源滤波器中的应用

针对有源电力滤波器 APF (Active Power Filter) 中,电流补偿PI控制器参数难以整定的问题,提出了一种基于FPGA实现的粒子群优化PI控制器设计方案。利用粒子群优化算法对非线形系统的适应性强和易于工程实现等特点,同时以FPGA为硬件核心处理器,对电流补偿PI控制器的比例、积分参数进行优化。仿真和样机实验结果表明,优化后的PI控制器在动态性能以及控制精度等方面有明显提高,基于该 PI 控制器的有源电力滤波器能迅速有效产生补偿电流,抑制电网谐波,证明了该设计的可行性。     

基于FPGA的粒子群优化PI控制器在有源滤波器中的应用

针对有源电力滤波器 APF (Active Power Filter) 中,电流补偿PI控制器参数难以整定的问题,提出了一种基于FPGA实现的粒子群优化PI控制器设计方案.利用粒子群优化算法对非线形系统的适应性强和易于工程实现等特点,同时以FPGA为硬件核心处理器,对电流补偿PI控制器的比例、积分参数进行优化.仿真和样机实验结果表明,优化后的PI控制器在动态性能以及控制精度等方面有明显提高,基于该 PI 控制器的有源电力滤波器能迅速有效产生补偿电流,抑制电网谐波,证明了该设计的可行性.     

一种大功率混合注入式有源电力滤波器的工程应用

针对大功率整流生产现场谐波治理的需要，设计了一种大功率混合注入式有源电力滤波器，分析了其拓扑结构和工作原理，讨论了该有源电力滤波器的谐波抑制能力与死区补偿方法，并提出了一种基于离散傅立叶变换的滑窗迭代算法，能实时有效地检测出谐波参考指令电流；为了实时准确地进行谐波电流跟踪控制，采用了一种基于PI型学习律的迭代学习控制算法，提高了系统的跟踪精度。现场运行情况表明该大功率混合注入式有源电力滤波器能有效满足大功率负载工况下电网谐波抑制和无功补偿综合治理的需要，具有很好的工程应用效果。由于目前国内大功率混合型有源电力滤波器的工程应用实例很少，因此该套系统的设计与实现经验还可以对其它有源滤波系统的工程应用起到一定的指导和借鉴作用。     

单独注入式混合型有源电力滤波器复合控制策略的研究

本文建立了单独注入式混合型有源电力滤波器的电气模型。根据此模型综合比较了混合型有源电力滤波器的两种常用控制策略,提出了一种基于检测电网谐波电压与谐波电流的混合有源电力滤波器复合控制方案,并对其补偿性能和抑制电网频率和系统阻抗变化的影响进行了分析。为了实现系统的无差控制,提出了基于递推积分的PI算法,并且由模糊推理在线整定比例系数和积分系数,该算法能有效地提高系统的动态和稳态性能。仿真和实验结果表明采用这种复合控制的注入式混合有源电力滤波器能达到较好的滤波效果。     

有源滤波器的改进开闭环迭代电流控制

开环迭代控制已被应用于滤波器系统,但在利用谐波电流误差信息方面存在着不足,影响了滤波器的性能。为了改善滤波器滤波效果,本文提出一种改进的开闭环迭代电流控制方法,增强了系统的稳定性,另外得到了该方法在滤波器中应用的收敛性条件分析。开闭环迭代电流控制器的当前输出信号由前一次迭代时的输出信号及电流误差和当前次迭代时电流误差信号组合而成,其充分利用了谐波电流误差信息,修正了开环迭代控制算法在滤波器中应用的不足。所提开闭环迭代控制器结构简单,采用了Hebb学习规则自适应调节控制器的参数,优化了控制器性能,系统具备较好的抑制电网谐波的能力,电流稳态控制误差较小。最后,仿真与实验结果验证了方法的可行性和有效性。     

并联有源电力滤波器典型重复控制策略的分析与改进

目前并联有源电力滤波器采用的典型重复控制通常由PI控制与重复控制并联构成,存在中频段开环增益不足的缺点,且PI控制器同时存在于前向通道与反馈通道中,动态补偿效果不佳。提出了改进的重复控制策略,利用PI控制构成电流内环,对控制对象的中低频段特性进行校正,提高控制系统鲁棒性。利用前向通道中的重复控制器提供对谐波信号的高增益,提高了有源电力滤波器的中频段带宽。同时利用参考电流信号前馈至PI控制电流内环,充分保证控制系统的动态性能。仿真和实验结果验证了所提出控制策略的正确性和有效性。     

基于灰色预测理论的并联型混合电力有源滤波器研究

并联型混合有源滤波器应用于电力系统可以动态抑制电网谐波,但由于有源滤波器控制延时影响而无法进行完全电流补偿。提出采用灰色模型来实现无时延预测控制,并将其应用于并联型混合有源滤波器有效补偿非线性负载中的谐波电流。文中具体分析了并联型混合电力有源滤波器的谐波检测原理、灰色预测控制策略及PWM滞环比较控制策略,在EMTDC平台建立基于灰色预测控制策略的并联型混合有源滤波器仿真模型进行测试,仿真结果表明采用灰色预测控制策略的并联型混合有源滤波器有较好的谐波抑制和无功补偿的性能。     

并联混合型有源滤波器电流跟踪的迭代学习控制

在并联混合型有源电力滤波器控制中,由于传统PI控制只能对直流给定信号进行无差调节,对周期量谐波滤波效果不够理想。该文根据稳定性负载电网谐波具有重复周期性特点,提出了PI型迭代学习控制算法,并引入遗忘因子学习律,增强系统鲁棒性。同时通过模糊推理构造参考电流误差的D型学习律前馈环节,提高了系统的跟踪精度。该控制方法计算量小,易于实现。仿真分析与现场运行结果表明了该控制方法的有效性。     

LC串联式脉宽调制整流器及其电流迭代控制方法

针对非线性负载引起的无功功率和谐波电流问题,研究了一种电感—电容(LC)串联式脉宽调制(PWM)整流器及其电流迭代学习控制方法,使三相PWM整流系统不仅能够整流输出能量供给负载,而且能补偿非线性负载产生的无功功率和谐波电流,实现PWM整流功能和功率补偿功能的有效集成。该整流器采用一种LC串联滤波,使电容承担大部分电网基波电压,整流器可直接连接电网,降低装置成本。为克服LC串联式滤波器的电容惯性阻尼作用,采用一种迭代学习算法的电流无差拍控制,并结合输出电流前馈控制和反馈控制的特性,有效提高控制系统的响应速度和控制精度,并推导了算法收敛的条件。仿真和实验结果证明了所提结构和控制方法的正确性和有效性。     

基于PI迭代学习的有源滤波器电流跟踪控制

在采用有源电力滤波器消除谐波过程中,由于滤波器的检测精度有限,指令电流计算延时和输出滤波器的相移等因素影响,传统PI控制滤波效果不够理想。本文针对稳定性负载电网谐波具有重复周期性特点,提出了一种基于PI型学习律的迭代学习控制算法,通过实施遗忘因子学习律增强系统鲁棒性的同时,引入了在最优目标选择下模糊参考电流误差的D型学习律前馈环节,提高了系统的跟踪精度。仿真与现场运行结果都证明,该控制方法具有谐波电流跟踪效果好,计算量小,工程易于实现等特点。     

基于PI迭代学习的有源电力滤波器的电流控制方法

针对有源电力滤波器存在滤波效果不够理想这一问题。根据系统的参考信号是周期变化的特点．提出了一种基于PI型学习律的迭代学习控制算法。通过实施遗忘因子学习律增强系统鲁棒性的同时。引入了在最优目标下选择模糊参考电流误差的D型学习律前馈环节。并且利用PSIM软件对所提出方法和传统的滞环控制方法进行了仿真实验。从动态响应和控制精度两个方面做了比较。验证了所提出方法的可行性。     

有源滤波器电流跟踪控制的一种新方法

在采用有源电力滤波器(APF)消除谐波的过程中,由于滤波器的检测精度有限、指令电流计算延时和输出滤波器相移等因素的影响,传统的PI控制滤波效果不够理想.针对APF电流跟踪控制问题,提出了一种基于PI型学习律的迭代学习控制算法,通过实施遗忘因子学习律增强系统鲁棒性的同时,引入了在最优目标选择下模糊参考电流误差的D型学习律前馈环节,提高了系统的跟踪精度.仿真与现场运行结果都证明了该控制方法具有谐波电流跟踪效果好、计算量小、易于工程实现等特点.     

无源与有源结合电力滤波器阻尼谐波振荡的重复学习Boost变换控制

提出了一种基于恒频Boost变换技术的PWM逆变器重复学习控制策略.该控制策略中,逆变器被视为Boost变换器实现谐波域内单位功率因数整流控制的同时,重复迭代学习策略由每个学习周期内Boost变换控制所产生的系统谐波电流获取被补偿谐波电压源的模型知识,从而形成PWM逆变器参考电压.以负载为晶闸管整流器的工业电力系统为例,验证了无源与有源结合的混合滤波器应用该控制策略的补偿效果.仿真结果表明,该控制器具有高稳定性、强鲁棒性、低稳态误差、快速跟踪等特点,抑制谐波振荡非常有效.     

基于迭代学习的矿井提升系统跟踪控制

矿井提升机在煤矿开采和生产过程中发挥着至关重要的作用。针对矿料提升过程具有较强重复性的特点,提出迭代学习的提升机速度和位置跟踪控制方法。设计了提升机的D型迭代学习控制器,同时考虑运行过程中出现的非重复性干扰设计了带有滤波器型迭代学习控制器。并采用λ范数证明了系统的收敛性,理论结果表明矿井提升机位置与速度跟踪误差可以收敛到0。同时仿真结果表明,经过30次运行后,跟踪误差几乎收敛到0,迭代学习控制算法可利用矿井作业的重复运行特性可以有效提高提升机的跟踪性能,带有滤波器的迭代学习控制算法可较好地抑制了非重复扰动的影响。     

Learning‐based iterative modular adaptive control for nonlinear systems

In this paper, we study the problem of adaptive trajectory tracking control for a class of nonlinear systems with structured parametric uncertainties. We propose to use an iterative modular approach: we first design a robust nonlinear state feedback that renders the closed‐loop input‐to‐state stable (ISS). Here, the input is considered to be the estimation error of the uncertain parameters, and the state is considered to be the closed‐loop output tracking error. Next, we propose an iterative adaptive algorithm, where we augment this robust ISS controller with an iterative data‐driven learning algorithm to estimate online the parametric uncertainties of the model. We implement this method with two different learning approaches. The first one is a data‐driven multiparametric extremum seeking method, which guarantees local convergence results, and the second is a Bayesian optimization‐based method called Gaussian Process Upper Confidence Bound, which guarantees global results in a compact search set. The combination of the ISS feedback and the data‐driven learning algorithms gives a learning‐based modular indirect adaptive controller. We show the efficiency of this approach on a two‐link robot manipulator numerical example.