基于模糊控制补偿的支持向量机逆模型控制

支持向量机(SVM)具有很强的非线性逼近能力与泛化能力,文章研究了基于SVM的非线性系统逆模型辨识,并设计了基于模糊控制补偿的SVM逆控制系统.由SVM辨识的逆模型作为前馈控制器,形成直接逆模型控制器.同时,设计模糊控制器构成反馈补偿控制,克服逆模型的建模误差,提高系统鲁棒稳定性.仿真研究表明,SVM具有优良的逆模型辨识能力,基于模糊控制补偿的支持向量机逆控制系统的动态性能好、跟踪精度高、鲁棒稳定性强.     

基于参数辨识的永磁伺服系统转速自适应控制

针对伺服电机驱动中转速控制器性能因伺服系统参数变化而下降的问题,提出一种基于参数辨识的转速自适应控制方法。对于转动惯量的变化,在连续域建立模型参考自适应系统(MRAS),通过Popov超稳定性理论设计一种比例+积分(PI)型自适应律,提高了惯量辨识的收敛速度和稳态精度。对于负载转矩,提出一种基于中间变量设计的扰动观测器。将辨识值反馈至速度控制器中,实现控制器参数在线自整定。试验结果表明,所提转速自适应控制方法能准确辨识出转动惯量和负载转矩从而进行控制器参数调整,该方法对参数变化具有良好的鲁棒性。     

人类控制策略在双足机器人步态控制中的应用

针对双足机器人面临的复杂环境下动态行走的适应性难题,提出一种基于学习人类控制策略的双足机器人步态控制方法。利用三维线性倒立摆模型构造双足行走系统的状态方程,建立人类控制策略的参数化模型,采用支持向量机(SVM)对人类控制策略进行辨识,并以此SVM作为COM控制器,保证躯干始终处于与地面近似垂直的姿态以及连续的质心运动,增强步态控制的鲁棒性,提高双足机器人在复杂环境下行走的动态稳定性。实验验证了此方法的有效性。     

低频线振动台加速度失真非线性补偿控制方法

为了抑制低频线振动台中存在的模型不确定性及外部扰动,基于模糊基函数网络(FBFN)提出了一种自适应重复学习控制方法.利用FBFN逼近低频线振动台的模型不确定性及外部扰动,将对模型不确定性和扰动的辨识问题转化为对FBFN权系数的辨识问题.所提出的控制律由自适应控制和重复学习控制组成.自适应律用来估计FBFN权系数;为了有效地减弱抖振,使用自适应PI控制结构逼近非连续控制.由于非连续控制的界是未知的,利用自适应律估计这个未知的界.重复学习控制用来提高系统对周期性输入信号的跟踪性能.采用Lyapunov理论设计的自适应重复学习控制律保证了低频线振动台的渐近稳定性和位置跟踪性能.仿真结果表明,自适应重复学习控制律改善了系统的跟踪性能和加速度失真度.     

同步发电机的迭代学习励磁控制器的仿真研究

基于迭代学习控制理论提出了一种非线性迭代学习控制律,并将其应用于同步发电机的励磁控制,采用Matlab中的Simulink工具箱对单机-无穷大系统及两机系统进行了仿真研究,结果表明了该控制方法的有效性和通用性,且具有很强的维持机端电压的能力,与常规PD控制器和线性迭代学习控制律相比其收敛速度明显加快,有利于提高电力系统稳定性.     

基于小波神经网络的自校正控制在水轮发电机组上的应用

提出了一种基于小波神经网络的自校正控制方法,该方法利用两个小波神经网络分别作为辨识器和控制器构成自校正控制系统,实现对水轮发电机组的在线辨识与控制.仿真结果表明,提出的控制方法比采用一般神经网络控制超调更小、调节速度更快.     

基于预估模型切换的过热汽温无辨识自适应控制

针对电厂锅炉的过热汽温系统具有大惯性、大时滞和多模型等特性.研究一种基于预估模型切换的无辨识自适应预估控制方法.该方法需设计一个无辨识自适应预估控制器和基于主蒸汽流量变化率的切换律,给出若干个一阶预估模型.在系统运行过程中,这些预估模型在切换律控制下根据运行工况按优化切换时间自适应地切换,而其中的优化切换时间是用切换系统优化理论计算得到的.仿真试验结果表明,该方法适用于过热汽温系统,具有良好的控制品质、较强的抗扰和自适应能力,且对预估模型的精度要求不高,控制参数容易整定,易于工程实现.     

基于RBF神经网络的开关磁阻电机单神经元PID控制

论文提出了一种基于径向基函数（radial basis function）神经网络在线辨识的开关磁阻电机（SRM）单神经元PID自适应控制新方法。该方法针对开关磁阻电机的非线性，利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器，不但结构简单，而且能适应环境变化，具有较强的鲁棒性。并构造了一个RBF网络对系统进行在线辨识。建立其在线参考模型．由单神经元控制器完成控制器参数的自学习，从而实现控制器参数的在线调整，能取得更好的控制效果。样机的实验结果表明，文中所提出的基于RBF神经网络辨识的开关磁阻电机单神经元自适应PID控制方法，通过在线辨识建立了过程模型并为神经元控制器提供了梯度信息，达到了在线辨识在线控制的目的，控制精度高，动态特性好。     

基于RBF神经网络在线辨识的永磁无刷直流电机单神经元PID模型参考自适应控制

永磁无刷直流电机控制系统是多变量和非线性的.针对传统PID控制方法的不足,提出一种基于径向基函数神经网络在线辨识的单神经元PID模型参考自适应控制方法,并用于永磁无刷直流电机的控制中.该方法构造了一个径向基函数神经网络对系统进行在线辨识,建立其在线参考模型,由单神经元控制器完成控制器参数的自学习,并在数字信号处理器中实现控制参数的在线调节.系统较好地实现了给定速度参考模型的自适应跟踪,结构简单,能适应环境变化,具有较强的鲁棒性.     

配电网动态拓扑与线路参数联合在线辨识方法

为了实现配电网拓扑和线路参数精确辨识,考虑拓扑结构的变化,提出一种基于智能电表量测数据的配电网拓扑与线路参数联合在线辨识方法.首先,利用不同拓扑结构下的历史量测数据,分别建立基于支持向量机(SVM)的多分类模型和基于线性回归的拓扑与线路参数辨识初始模型.然后,以SVM多分类模型实现在线量测数据与拓扑结构间的映射,得到拓...     

一种数据驱动的非线性控制器直接设计方法

提出一种基于虚拟目标值(virtual reference,VR)和支持向量机(support vector machine,SVM)的非线性控制器设计直接方法。该方法的优点在于,能够在对象未知的情况下,利用采集到的对象输入输出数据直接设计非线性反馈控制器。文中分析了虚拟目标值反馈调整(virtual reference feedback tuning,VRFT)理想控制器,给出了基于VR和SVM的非线性控制器的结构和设计步骤。仿真结果表明,该方法具有良好的处理非线性和噪声的能力,并且能消除稳态误差。与经典基于神经网络(neural networks,NN)的间接模型参考控制方法相比,计算量大大降低。     

A new class of dual support vector machine NPID controller used for predictive control

A nonlinear proportional‐integral‐differential (NPID) controller used for predictive control tunes the proportional, integral, and differential gain coefficients according to the system prediction output. The prediction error has great influence on its performance. In this paper, we propose a dual support vector machine (SVM) NPID controller using an SVM prediction system output with less error. System model reflecting the system feature is constructed by SVM, based on the training dataset gained by system transfer function. The error compensation model is also constructed by SVM, based on prediction error with the above system model. The system prediction output is obtained by the aforementioned SVM models. And it is used to compute the PID gain coefficients. Simulation results of typical systems show that the proposed method has very little prediction error and high control performance. © 2015 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于支持向量机回归的电力系统负荷建模

支持向量机（SVM）是当前一种比较流行的学习机,具有良好的理论背景,从结构风险最小化原则出发以快速寻找到全局最优的特点。针对当前负荷建模的不足,提出了运用SVM回归来进行电力系统的非机理负荷建模．并给出了负荷建模的具体步骤。与人工神经网络（ANN）对同一个线路负荷进行建模结果比较表明．基于SVM回归的建模效果优于ANN的建模结果,证明了运用SVM的回归进行电力系统负荷建模的可行性．也为电力系统的负荷建模提供了新的思路和方法,     

多电平通用空间矢量调制集成电路及其FPGA实现

提出一种多电平变流器空间矢量控制(space vector modulation,SVM)集成电路(integrated circuit,IC)的设计方法。所提出的多电平SVM IC是建立在参考电压分解的通用多电平SVM算法的基础上,适用于任何电平数目的多电平变流器。采用可编程逻辑门阵列(field-programmable gate array,FPGA)实现所提出的多电平SVM IC。基于FPGA的多电平SVM IC具有高速的处理能力,在数字控制器中专门用于脉冲信号的发生,可解决多电平SVM算法占用数字信号处理器(digital signal processor,DSP)计算资源过多的问题,并可实现较高的开关频率。并且采用所提出的多电平SVM IC可大大加速产品的开发周期。通过在1台9电平级联式变流器上的试验结果对所提出的多电平SVM IC进行验证。     

柴油发电机-整流负载系统多变量变增益控制

柴油发电机-整流负载系统是一个多输入多输出的复杂非线性系统，柴油机速度和发电机励磁控制完全耦合。该文利用平均值建模的方法建立了该系统的非线性物理模型，该模型包括了柴油机、同步发电机的主要动态特性以及三相整流桥的非线性特性。该非线性模型进一步简化为带不确定性参数的线性变参数（LPV）形式，并基于稳定性定理提出了一种鲁棒变增益控制器的设计方法，其控制性能用H￥性能指标描述，控制器通过一组线性矩阵不等式（LMI）的数值求解得到。仿真结果表明，该控制器具有良好的跟踪和抗负载干扰性能。     

永磁同步电机新型直接转矩控制系统设计

针对传统的直接转矩控制转矩脉动大、开关频率不恒定等问题,在分析永磁同步电机数学模型的基础上,综合矢量控制的特点,提出一种基于空间矢量脉宽调制的新型直接转矩控制系统,用PI调节器取代滞环控制器,用空间矢量脉宽调制取代开关表.同时为了提高系统性能,模糊控制被应用于该系统.在Matlab环境下建立永磁同步电机新型直接转矩控制系统仿真模型并进行仿真研究,仿真结果证明了新型直接转矩控制系统设计可行有效,在提高系统响应速度的同时,能有效减小转矩和磁链的脉动,改善控制系统的性能.     

背靠背四象限变流器的控制系统设计

介绍了背靠背四象限变流器控制系统的设计方案.整个控制系统由上层功率控制策略和底层PWM控制构成.在建立了背靠背四象限变流器在两相同步旋转坐标系下动态模型的基础上,提出了基于反馈线性化的非线性解耦控制器,并为背靠背两侧变流器分别设计了定直流电压和定有功、无功功率控制器.底层控制方面,设计了基于FPGA的空间矢量调制脉冲发生器.FPGA接收来自DSP的PWM控制参数,用于脉冲信号发生.最后给出了整个控制系统的硬件结构,并在30kVA/380V背靠背物理样机上进行了试验验证.     

T-S模糊模型的辨识与控制

提出了基于支持向量机和遗传算法的T-S模糊模型辨识,支持向量机具有很好的泛化能力,能自动确定T-S模型结构,通过遗传算法优化和估计系统参数。针对辨识出的T-S模型进行控制,控制器包括两个部分,权重最大子系统局部反馈控制和利用滑模控制设计的全局监督控制,能保证系统稳定。辨识和控制仿真结果证明了算法的有效性。     

永磁同步电机新型智能矢量控制器设计

在分析永磁同步电机矢量控制基本原理的基础上,提出一种新型智能矢量控制器。其中,神经元用于速度控制,神经网络用于空间矢量脉宽调制。神经元速度控制器结构简单,计算量小,具有快速的动态响应和较高的稳态精度;而基于神经网络的空间矢量脉宽调制(ANN-SVM)算法实现容易,同时可以降低电流谐波。在Matlab/Simulink环境下建立永磁同步电机新型智能矢量控制系统仿真模型并进行仿真研究,仿真结果验证了新型智能矢量控制器的可行性和有效性。