基于重复控制的三电平光伏逆变技术

为了改善光伏发电系统的动态和静态性能,针对基于三电平空间矢量脉冲宽度调制（SVPWM）技术的二极管箝位式三电平逆变器,提出采用电压电流双闭环控制与重复控制相结合的复合控制方法,在提高输出波形质量的同时,有效地抑制周期性扰动,增强系统的稳定性.给出12 kVA 640 V DC/220 V 50 Hz AC样机设计,通过Matlab中的Simulink对系统进行仿真.实验和仿真结果均验证了该方法的有效性.     

一类支持向量机的快速增量学习方法

提出一类支持向量机（OCSVM）的快速增量学习方法. 在OCSVM初始分类器的基础上, 添加一个德尔塔函数形成新的决策函数, 实现增量学习的过程. 通过分析德尔塔函数的几何特性, 构造出与OCSVM相似的优化目标函数, 从而求解德尔塔函数的参数. 优化问题能够进一步转化为标准的二次规划(QP)问题, 但是在优化过程中Karush-Kuhn-Tucker（KKT）条件发生很大改变. 根据新的KKT条件, 为QPP提出修正的序贯最小优化（SMO）求解方法. 整个学习过程直接操作初始分类器,仅仅训练新增样本,避免了对初始样本的重复训练, 因此能够节约大量的学习时间和存储空间. 实验结果表明, 提出的快速增量学习方法在时间和精度上均优于其他的增量学习方法．     

混沌吕系统的约束控制

根据最小值原理为混沌吕系统设计了约束控制器,该控制器能将混沌吕系统的两个不稳定的平衡点镇定;针对控制作用施加的3个不同位置,推导了约束控制的3种不同的切换控制曲线.所得到的控制规律前两个是bang-bang控制;最后一个根据混沌运动的遍历性特点,引入范围可以调节的捕获区,得到bang-bang控制和逻辑判断相结合的复合控制规律.通过施加闭环控制后对系统状态变化的仿真结果证明了所建议方法的正确性.     

分布式协同控制模式下配电网信息物理系统脆弱性评估

分布式协同控制模式的提出,为解决未来配电网信息物理系统(CPS)中高密度、强随机性分布式电源接入问题提供了途径。但同时,配电网CPS信息物理高度融合的特点也方便了网络攻击者通过信息系统威胁电力系统的安全稳定运行。据此,提出一种基于动态攻防博弈的分布式协同控制模式下配电网CPS脆弱性评估方法。首先,阐述了一种分布式电源等输出比协同控制策略,并对其收敛特性进行了分析和总结。其次,基于CPS风险评估框架,结合分布式电源协同控制策略及实际网络攻防策略的特点,提出配电网CPS风险评估模型;在此基础上,设计动态攻防博弈函数及博弈求解步骤,实现对于分布式协同控制模式下配电网CPS脆弱性的量化评估。最后,基于IEEE 34节点配电系统开展仿真测试,验证了所提方法的有效性。     

遗传算法在双层圆柱面网壳结构优化中的应用

首次将遗传算法 (GA)引入双层圆柱面网壳结构的优化设计中 ,实现了对网格尺寸、结构厚度、矢跨比的同步优化。编制了相应的程序 ,并进行了大量的算例分析 ,结果证明用GA算法优化网壳结构是高效的     

混沌控制理论及其应用

混沌控制是非线性科学应用的新研究领域。介绍了 90年代发展起来的混沌控制新技术 ,论述了混沌应用的巨大潜力 ,并指明混沌控制在电气系统或电子系统中的可能应用方向。     

无速度传感器永磁同步电动机反推控制

利用永磁同步电动机定子交轴电流和转速方程构造降维线性Luenberger观测器来获得电动机的转速,观测器简单易行,通过特征值的配置可以获得快速的收敛速度.采用新颖的非线性控制策略———Backstepping———来设计速度跟踪和电流控制器,系统具有快速的速度跟踪和转矩响应.给出了系统的稳定性证明,并通过Matlab仿真,验证了系统设计的有效性和可行性.     

混沌动力学系统的神经网络学习控制研究

针对混沌动力学系统建模困难，控制不易实现，存在干扰等特点，在附加动量法的自适应BP网络的基础上，研究了混沌动力学系统的学习控制策略。构建了混沌动力学系统的NN模型和NN控制器，对混沌系统在学习的同时施加控制，仿真实验结果表明，该控制策略具有鲁棒性强，有良好的适应性，网络参数训练时间短等优点。     

基于反推的永磁同步电动机伺服系统的位置跟踪控制

永磁同步电动机工作性能优越，在当前交流伺服系统的驱动控制当中起着越来越重要的作用。为了实现永磁同步电动机的精确位置跟踪，把一种新颖非线性控制方法Backstepping应用于永磁同步电动机伺服系统控制器的设计。Backstepping控制器的设计以保证系统的全局一致渐近稳定为原则，因此该控制器不但可以保证系统的全局一致渐近稳定，而且系统具有快速跟踪，定位精确的特点。系统的设计能够有效降低转矩变化对位置跟踪性能的影响。最后通过Matlab仿真验证了系统设计的有效性和可行性。     

非对称交叉平均教师:一种半监督语义分割算法及其在变电站表计读数识别中的应用EI北大核心CSCD

针对数据集标注成本高昂的问题,提出一种半监督语义分割算法,可以利用少量标注数据和大量无标注数据训练高精度的分割模型,节省大量人工标注成本。该文算法在经典的平均教师算法的基础上进行改进,将单组教师-学生模型扩展为双分支结构,采用交叉监督的方式进行学生模型训练,有效解决了平均教师算法的模型耦合问题。另外,引入非线性投影模块构造两个非对称分支,使模型学习到异质知识,进一步提升了算法性能。对算法进行针对性调整后,可以较好地适配变电站实际应用场景。实验结果表明,该文算法不仅在变电站表计图像分割任务中表现出良好的性能,还在两个学术数据集PASCAL VOC 2012和CamVid中超过了当前主流算法。