一、输入受限的β增量型模型算法控制(论文文献综述)
王凯[1](2021)在《基于SMPTC优化策略的永磁同步电机调速系统的研究》文中提出近年来,永磁同步电机由于其结构、效率等方面的优势,在伺服控制及交流调速系统领域得到了越来越广泛的应用。为了进一步提高系统的控制性能,各种智能控制策略也逐渐被应用于调速控制系统当中,其中模型预测转矩控制以其可处理多变量控制系统、动态响应迅速等优点成为传统控制与智能控制相结合的研究热点之一。本文针对现有模型预测转矩控制算法在永磁同步电机调速系统上的应用进行了深入研究,并对其在实际应用中存在的问题做了进一步改进,论文的主要研究内容为:1.针对模型预测转矩控制权重因子选取困难的问题,采用一种适用于永磁同步电机调速系统的顺序模型预测转矩控制方案,使用分层思想实现无权重因子的模型预测转矩控制,最后通过仿真和实验分别验证了该方法的有效性和可行性。2.针对原模型预测转矩控制方案在调速系统稳态运行时存在磁链与转矩脉动较大的问题,本文在顺序模型预测转矩控制基础上,结合空间电压矢量细分,增加预测可用电压矢量数目,从而可得到更适用于调速系统的电压矢量。最后通过仿真和实验验证了该优化方案可在省略权重因子的基础上,有效减少调速控制系统稳态运行时的转矩与磁链脉动。3.针对结合矢量细分优化后的顺序模型预测转矩控制策略计算量较大的问题,引入基于时间最优轨迹来计算最优电压矢量的控制思想,采用逆模型推导,可在矢量预测评估之前计算出下一控制周期的期望电压矢量,简化原有控制算法的计算过程。实验结果表明:该方法不仅降低了控制算法的复杂度,同时也提高了调速系统的动态响应性能。4.搭建以STM32F103为主控芯片的永磁同步电机交流调速控制系统实验平台,分别对传统模型预测转矩控制策略、顺序模型预测转矩控制策略以及优化后的顺序模型预测转矩控制策略进行实验验证,最后将三种控制策略在不同工况下的稳态相电流实验波形及程序运行时间进行对比分析。实验结果证明了所提顺序模型预测转矩控制优化方案及算法简化策略具有可行性和实用性。
熊双双[2](2020)在《无模型自适应控制的稳定性分析及在多智能体系统中的应用》文中认为本论文以未知单入单出(Single Input Single Output,SISO)/多入多出(Multi Input Multi Output,MIMO)非线性非仿射离散时间系统为研究对象,研究了全格式动态线性化(Full Form Dynamic Linearization,FFDL)下的无模型自适应控制(Model Free Adaptive Control,MFAC)算法的跟踪问题。同时以FFDL-MFAC理论为基础,研究了带有扰动的未知异构MIMO非线性离散多智能体系统的编队控制问题及带有传感器故障的未知异构MIMO非线性非仿射离散多智能体系统的编队容错控制问题。论文主要研究内容总结如下:一、针对一类SISO非线性非仿射离散时间系统,基于压缩映射原理,证明了FFDL-MFAC算法的闭环系统跟踪误差的渐近收敛性、有界输入有界输出稳定性以及闭环系统的内稳定性,并显式说明了FFDL-MFAC算法包含线性时不变系统的自适应控制以及着名的比例-积分-微分(Proportion Integration Differentiation,PID)控制器作为其特例。二、针对一类未知MIMO非线性非仿射离散时间系统,设计了基于FFDLMFAC算法的MIMO形式,基于压缩映射原理,证明了MIMO FFDL-MFAC算法的闭环系统跟踪误差渐近收敛性、有界输入有界输出稳定性以及闭环系统的内稳定性,并显式说明了MIMO FFDL-MFAC算法包含MIMO离散增量式PID控制器以及针对MIMO线性时不变系统的自适应控制算法作为特例。四旋翼飞行器的仿真及实验结果验证了MIMO FFDL-MFAC算法的有效性。进一步,针对一类带有输入受限的非线性非仿射离散系统,设计了仅依赖系统受限输入及输出数据的拟牛顿控制算法,并分析了闭环系统的收敛性。三、针对一类带有扰动的未知异构MIMO非线性非仿射离散时间多智能体系统,针对扰动可测和不可测两种情况,分别设计了基于FFDL-MFAC理论的分布式编队控制算法,基于压缩映射原理以及与多智能体系统等价的虚拟数据模型和归纳法,证明了所设计的分布式FFDL-MFAC编队算法的闭环系统编队误差的有界性。四、针对一类未知异构MIMO非线性非仿射离散时间多智能体系统,设计了基于FFDL-MFAC理论的编队容错控制算法,在传感器发生故障后,利用径向基神经网络(Radial Basis Function Neural Network,RBFNN)输出数据和传感器测量得到的输出数据对故障信号和控制算法参数进行估计,进而实现了无模型自适应编队容错控制机制。最后,通过压缩映射和归纳法对闭环系统编队跟踪误差的有界性进行证明。
张慧琳[3](2020)在《基于PCC调速器的轴流转桨式水轮机协联优化》文中研究表明广西平班水电站采用的轴流转桨式水轮机常见于中低水头的水电站。水轮机组在运行一段时间后由于机械结构磨损,水文情况变化等各样原因导致机组协联关系与出厂时协联关系不匹配,机组运行振动明显,效率降低是普遍的问题。在协联关系优化中如何获得真机的能量指标与调速器数学模型,如何测取准确的计算参数以达成协联关系优化的试验要求受到行业内设计方、制造方,使用方的普遍关注。鉴于此,本文针对PCC调速器的轴流转桨式水轮机协联优化的现场试验提出了一套与平班水电站实际情况相匹配的试验方案。本文首先介绍了广西平班水电站地质水文,装机容量及电站机组运行现状,再对其采用的PCC调速器系统结构、硬件配置,PID控制算法等方面进行了分析。根据现场的试验要需求确定了平班水电站1-3#机组的水头H、有功功率P、指数流量Q等参数的测量方法。基于数字协联装置及其插值的基本原理确定了优化试验的数值计算方法,依据试验结果优化了PCC调速器的程序逻辑。在现场试验中,获取了机组准确的数学模型,为接下来的协联试验打下科学的试验基础。采用相对效率试验法解决未知参数的问题,使用指数试验法和固定导叶工况法进行协联工况点调节,得到符合电站机组实际工况的协联关系,并通过试验中的数据记录总结出机组最佳运行效率区间,验证了本文提出的试验方案的有效性和先进性。
廖振伟[4](2019)在《面向流式数据的演化式预测技术研究》文中提出近年来,随着信息科技的发展,数据的累积正在飞速的发展,使得机器学习和数据挖掘领域也得到了飞速的发展。然而,越来越多的数据是以流式数据出现的。与传统批数据不同,流数据具有速度快,数据量大,不可再现,有序等特点,使得传统的批处理预测技术不太适合这些流数据。面对数据流出现的各种特点,本文研究的内容是面向数据流的演化式预测技术。增量学习主要是针对流式数据的一种技术,当数据流源源不断到来时,原来的学习模型随着新数据的到来进行调整,模型参数也随之变化。概念漂移是数据流的特点之一,这也是现如今数据流挖掘领域最大的挑战之一。当数据流逐渐发生概念漂移时,由于数据分布发生变化,其学习模型对于数据流的预测性能慢慢下降。故需要能够及时探测其是否发生概念漂移,然后对模型进行调整和训练,之后再进行动态数据流的预测。本文针对数据流中概念漂移的发生,概述目前已有的探测与解决方法。然后针对该研究所面临的问题,提出本文的研究课题。针对稠密的数据流,本文提出一种基于无限的,高速的,时间变化的数据流,能够增量地学习数据流的竞争集成算法。该算法集成两棵增量模型树FIMT-DD,基模型FIMT-DD是一个时间变化学习数据流的算法。在所提出的的算法中,是通过学习两棵这种增量模型树,在滑动窗口内用性能更好的全局或者局部基模型作为最终预测的模型,该基模型更加适应将要到达的新的数据流。同时算法所需的空间复杂度也并不是很高。在发生概念漂移时,实现局部变化的检测和适应。最后实验表明,该算法无论是平稳数据流还是非平稳数据流,都可以很好适应。针对稀疏的数据流,本文改进目前表现最好的在线稀疏数据流分类算法FTRL,使得它能够很好地应对数据流概念漂移的问题。由于在稀疏数据流发生漂移情况下,此时原算法FTRL的模型参数基本已经固定,同时学习率非常低,普通的FTRL算法已经不能学习到新的概念。因此,在改进中,模型先探测数据流发生概念漂移的情况。若发生,对FTRL模型进行调整并重新训练,迅速使得FTRL适应新的数据流。经过仿真数据流表明,改进后的模型可以很好地解决各种概念漂移数据流,并且具有很好的鲁棒性和稳定性。
唐福辉[5](2019)在《基于深度学习的视觉目标跟踪算法研究》文中认为视觉目标跟踪是计算机视觉领域的研究重点,其发展具有重要的意义,并且已经被广泛地应用到了各个领域,如航空宇航、国防建设、医药卫生等。尽管在过去几十年中跟踪算法研究取得了重大的进展,但由于跟踪场景复杂多变,实现高精度跟踪仍然是一个巨大的挑战。近年来,深度学习被引入到目标跟踪研究中并取得了突破性的进展。深度学习是模拟人脑学习和分析过程构建的多层神经网络,通过组合低层特征形成更加抽象的高层表示,这种分布式架构能够更好地学习到物体的本质特征。本论文采用具有强大特征提取能力的深度神经网络模型来实现对目标外观的描述,针对影响视觉目标跟踪的快速运动、背景噪声、旋转、光照变化等问题,从如何利用多层卷积特征来构建有效的外观模型的角度,提出了一些新的跟踪方法,主要研究思想和创新成果如下:(1)提出了一种基于空间上下文金字塔的目标跟踪方法。该方法开发了空间上下文信息以更好地学习目标和背景的关系,并设计了一个有效的空间窗,在保留目标信息的同时抑制了背景信息,增强了跟踪器的判别能力,同时,通过多级空间窗的联合使用构建了上下文金字塔外观模型,金字塔的每个层级都包含不同程度的上下文信息以适应不同的挑战因素。为了验证算法的有效性,分别采用了深度特征和传统特征与代表性方法相比较。实验结果表明,提出的算法对快速运动和背景噪声问题具有更好的跟踪精度。(2)提出了一种基于历史追溯的目标跟踪方法。该方法首先研究从不同卷积神经网络层提取的特征对视觉跟踪问题的影响,然后设计了历史追溯验证机制,这个机制通过双向定位目标并计算偏差来判断跟踪预测和更新模型的可信度。同时,这个偏差也作为卷积层选择的标准,在必要时,将会重新选择特征进行重新定位目标。大量的实验结果证明,提出的算法对背景噪声、快速运动、旋转、光照变化等问题具有更好的跟踪精度。(3)提出了一种基于交互式多模型的深度特征跟踪方法。该方法将相关滤波器应用到多个卷积层的输出上构造观测模型,并为每个观测模型学习一个对应的线上运动模型,这些观测模型和运动模型组成了多模型系统。然后将交互式多模型应用到视觉跟踪中以自适应地调整每个模型系统的权重,实现鲁棒的跟踪。为了验证提出方法的有效性,在两个公开的目标跟踪数据集上进行了实验和测评,结果表明,提出的算法对背景噪声、快速运动、旋转、光照变化等问题具有更好的跟踪精度。
贺有源[6](2019)在《四旋翼飞行器系统建模与控制方法研究》文中提出四旋翼飞行器是目前应用最为广泛的小型无人驾驶飞行器,通过改变四个对称分布旋翼之间的转速来实现包括垂直起飞和着陆在内的多种飞行姿态。这类飞行器具有设计结构简易、操控简单、运动灵敏等特点。然而四旋翼飞行器是一个欠驱动系统,其控制系统设计具有一定的难度。四旋翼飞行控制系统包括姿态、速度和位置控制,其中姿态控制属于控制器中的核心内环,其稳定性和控制性能关系到整个四旋翼系统的飞行性能。四旋翼飞行控制系统的姿态控制器设计是当前学术界研究的热点问题,开展姿态控制算法的相关研究工作具有重要的学术研究价值。本文在查阅大量文献的基础上,在四旋翼姿态控制算法方面开展了深入的研究工作,具体如下:1.针对四旋翼的姿态控制问题,结合自适应算法及反步滑模算法设计了一种带扰动观测器的姿态控制器。首先根据Lyapunov稳定性判据设计了反步滑模控制律,并引入积分自适应律来克服模型的参数扰动以及系统外部干扰。针对系统的不确定干扰,其扰动值的边界问题往往难以估计,对此本文设计了一种扰动观测器。对不可测扰动进行了实时估计,提高了系统的抗干扰能力。最后在MATLAB/Simulink平台下进行了仿真分析,验证了本文所设计的控制器具有更好的鲁棒性。2.结合四旋翼多输入和多输出的特征,设计了基于模型预测控制算法的姿态控制器。预测控制算法具有天然的解耦能力,能够有效的处理变量之间的耦合影响。本文采用了基于状态空间模型的线性预测控制算法,针对四旋翼非线性模型设计了围绕每个状态点做线性化的处理方法,尽量保留系统参数间耦合关系减少了模型的失配。为了保证无偏跟踪,对模型做增量扩展,将输出等信息加入到状态,并通过卡尔曼滤波算法进行状态反馈校正。该控制器参数调节灵活简单,可以匹配目前主流硬件平台的运算能力,最后在MATLAB上验证了算法有效性。3.根据经典无人机系统结构进行了四旋翼飞行器的整体架构设计,包括机架、动力系统与地面站等指挥控制系统的选型与安装等,最终搭建了四旋翼飞行器实验平台。然后设计了经典的串级PID控制器实现了飞行器的总体控制,包括外环位置控制与姿态内环控制。最后在实物平台上进行了飞行测试,经测试所搭建的实验平台可以实现良好运行,满足控制效果。可为后续的先进算法验证提供物理平台。
戈卫平[7](2019)在《PEMFC分数阶子空间建模及其预测控制研究》文中认为能源短缺和环境污染已成为制约人类可持续发展的关键问题,加大开发和利用清洁低碳和可再生能源已成为各国能源发展的主要趋势。质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell,PEMFC)作为一种清洁、高效的新能源发电装置,具有启动温度低、可靠性高、响应速度快、噪音小、单元模块化等突出优点,极具应用前景。PEMFC是一个多变量、强耦合、非线性的复杂系统,精确的建模方法是对其进行研究的基础,而先进的控制策略则是提高发电性能的关键。近年来,不少研究表明PEMFC发电过程中的气体扩散、热量传导以及电化学反应等动态过程存在分数阶特性。为此,本文将分数阶理论与子空间辨识方法(Subspace Identification Method,SIM)相结合,建立PEMFC的分数阶状态空间模型,基于所得分数阶模型设计了适用于PEMFC的模型预测控制(Model Predictive Control,MPC)策略。本文主要研究内容包括:(1)建立了PEMFC的整数阶状态空间模型。针对传统PEMFC多变量建模方法中存在的需迭代优化、计算量大等问题,将子空间辨识方法引入到PEMFC建模中。分析了PEMFC系统输出特性影响因素的可控性,选取氢气流量、电堆电流作为辨识模型输入变量,输出电压和功率作为辨识模型输出变量,建立PEMFC的双输入双输出整数阶状态空间模型,并仿真验证了算法的有效性。(2)针对PEMFC发电过程中存在的分数阶特性,将分数阶微积分理论引入到PEMFC模型辨识中,建立了PEMFC的分数阶状态空间模型。采用Poisson滤波器对数据进行滤波,将对输入输出数据的分数阶微分转化为对Poisson矩函数的微分,解决了输入输出数据的各阶分数阶可导问题。引入短时记忆法将分数阶微分的迭代计算转化为矩阵的乘积运算,减少了辨识算法的计算量。利用遗传算法对辨识算法中存在的未知参数进行寻优,以获得更好的辨识效果。仿真结果表明采用该算法对PEMFC进行建模,不仅可以很好地描述PEMFC的输出动态特性,还能有效提高辨识算法效率。(3)基于PEMFC分数阶状态空间模型,设计了适用于PEMFC的预测控制策略。采用短时记忆法对PEMFC的分数阶状态空间模型进行离散化,得到面向控制的增广离散状态空间模型。结合增广状态空间模型设计了闭环系统的最优控制律。引入Hildreth二次规划算法对受限最优控制律进行求解,并降低了控制算法的计算量。仿真结果表明采用本文所提控制策略能有效改善PEMFC输出功率的动态响应特性,同时还极大地缩减了控制算法运行时间。
刘进一[8](2017)在《基于速度自适应的拖拉机自动导航控制系统研究》文中进行了进一步梳理拖拉机的自动导航控制系统是精准农业技术的重要组成部分。近年来,随着信息化和智能化技术的持续发展和广泛应用,促进拖拉机自动导航控制技术得到不断革新升级,并迅速成为精准农业领域的研究热点。由于自主核心技术缺乏、自主创新能力薄弱、产品化水平低、系统稳定性与实用性低等问题,严重制约了我国拖拉机自动导航控制技术的发展。本文以全液压转向拖拉机为载体,以拖拉机自动导航控制系统为研究对象,将机电一体化技术、智能传感技术与多种控制理论相结合,主要针对速度因素对导航系统稳定性的影响,重点开展对拖拉机自动导航控制系统的组合导航定位系统、自动转向控制系统和路径跟踪控制系统三个部分的研究。主要研究工作如下:(1)在查阅了大量文献与调研了国内外产品应用的基础上,对比分析了国内外研究中采用的关键技术和研究方法,分别阐述了目前拖拉机自动导航控制系统在定位系统、转向系统、路径跟踪控制系统中存在的主要问题,由此确定了本文的研究内容和研究技术路线。(2)基于农业领域导航定位精度不断提高的要求,同时兼顾经济性与实用性原则,选择成本相对较低的微机械惯性测量单元(MIMU)与全球导航卫星系统(GNSS)设备来构成组合导航定位系统,解决了单一传感器定位的局限性。由于实际田间环境复杂,为了保证导航定位的可靠性,采用拖拉机速度、位置、姿态角与姿态角速度等信息融合的模式,建立了基于航位推算原理(DR)的拖拉机运动学模型,并实现了对不平地面的坐标偏差修正;提出了一种基于GNSS/MIMU/DR的自适应扩展卡尔曼滤波融合算法;设计了用于系统定位精度分析的直线导轨实验装置,并对融合算法精度进行了田间试验验证。(3)针对目前自动转向控制系统存在的问题,分析了常用拖拉机液压转向系统的结构特点和工作原理;设计了一套不影响拖拉机原有转向系统操纵功能的自动转向系统方案,研制了能够运用于开心系统、闭心系统、负载压力传感系统的液压转向控制阀块;建立了包括阀块、液压缸、转向轮的转向系统数学模型,通过数学模型分析了系统的静态和动态性能;针对其特性设计了自动转向控制器,并基于Matlab/Simulink模型进行了仿真验证。(4)为了分析拖拉机路径跟踪控制的特点,建立了拖拉机两轮动力学模型;针对拖拉机的点-位置路径跟踪和直线路径实时跟踪两种工况,分别制定了不同的路径跟踪控制策略。基于纯追踪模型算法实现点-位置路径跟踪,并进行了仿真分析;重点研究了基于速度自适应的直线路径跟踪控制方法,通过仿真分析了速度因素对跟踪控制的影响,提出了一种基于速度自适应的路径跟踪控制方法,并通过整合系统总体仿真模型,对跟踪控制算法进行了仿真验证。(5)为了验证所设计的定位系统、转向系统和路径跟踪系统,搭建了基于福田雷沃TG1254拖拉机的自动导航试验平台。针对点-位置路径跟踪和直线路径实时跟踪两种工况,设计了路径跟踪试验,并基于试验平台对总体自动导航控制系统进行了试验验证。
马程川[9](2016)在《基于PCS7的无模型控制器的设计与应用》文中研究指明在工业生产中,大滞后环节普遍存在,影响了工业生产的高效性。为解决这个问题,研究人员提出了多种解决滞后问题的方法,这些方法往往需要被控系统的模型。流程工业中建模问题一直是难点,模型的建立需要在诸多理想的假设条件下进行,对于复杂、庞大的系统来说通常难以建立模型。针对上述问题,本论文做了以下工作:1、本文在详细分析了无模型控制理论的基础上通过仿真验证了泛模型的可行性,以滞后特性为切入点,讨论了PID控制,Smith预估控制,内模控制以及无模型控制在二阶滞后对象上的应用,比较不同控制器的控制效果。通过对被控对象的研究,总结了无模型控制器各参数的作用,参数整定的方法。2、以工业锅炉系统中的减温器为例,在西门子公司的PCS7控制系统中开发了无模型控制器模块。把过热蒸汽出口温度的大时间滞后作为研究对象,实现了对具有滞后特性对象的换热器出口温度的控制。
罗秋风[10](2016)在《基于电动汽车的异步电机高性能容错控制系统研究》文中研究指明目前能源与环境问题日益严峻,电动汽车作为交通出行的新工具受到世界范围内的持续关注。相比德美日,我国电动汽车技术仍有差距,急需发展。电动汽车电驱动系统作为核心环节必须在可靠性上得到强有力的保证,其内部任何一个器件的故障都可能造成安全事故,而故障与事故必将阻碍电动汽车这一新事物的推广与市场化。容错控制技术便是致力于解决故障问题带来的种种不良影响,可见将容错控制技术应用在电动汽车电驱系统具有重要的现实意义。电动汽车电驱系统中速度传感器由于工作环境的恶劣复杂而难免发生故障,所以针对速度传感器失效的容错控制不可或缺。容错控制系统中故障的检测准确性与时效性,速度估算的精确性以及算法切换的平滑稳定性都是需要完善与改进的重要问题。本文即是基于上述问题,针对速度传感器故障进行了容错控制系统的研究与设计。通过本文的研究能够在应对速度传感器失效时达到故障检测迅速、转速估算准确、算法切换平滑的效果,提高电驱系统的可靠性以及电动汽车的舒适性。本文首先对电动汽车的发展现状和趋势进行介绍,对比相关领域国内外形势,对电动汽车电驱动技术、故障诊断方法、速度估算策略进行了简单介绍。其次,研究了电动汽车的异步电机矢量控制,对其原理和实现方式进行了介绍,在此基础上,介绍本文所研究的带容错模块的高性能改进间接矢量控制系统。再次,对基于模型参考自适应的转速辨识算法进行研究。对现有的基于模型参考自适应的转速辨识算法进行对比分析、总结归纳。重点研究了一种新的转速辨识算法,对其过程进行推导和分析,并且对该算法的参数敏感性进行了研究。再次,对速度传感器原理以及常见故障形式进行简单介绍,并研究一种结构简单而行之有效的故障检测方法,重点研究一种实现故障前后平滑切换的控制方式,利用模糊控制理论对平滑切换模块进行设计。最后,通过仿真分析与实验验证,证明理论分析的可行性与正确性。
二、输入受限的β增量型模型算法控制(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、输入受限的β增量型模型算法控制(论文提纲范文)
(1)基于SMPTC优化策略的永磁同步电机调速系统的研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景与意义 |
1.2 模型预测控制策略概述 |
1.2.1 模型预测控制技术的发展过程及现状 |
1.2.2 模型预测转矩控制技术存在的问题及解决方案 |
1.3 本文主要研究内容 |
2 PMSM调速系统数学模型及模型预测转矩控制理论 |
2.1 永磁同步电机(PMSM)结构 |
2.2 永磁同步电机数学模型 |
2.2.1 ABC三相静止坐标系下永磁同步电机数学模型 |
2.2.2 αβ两相静止坐标系下永磁同步电机数学模型 |
2.2.3 dq同步旋转坐标系下永磁同步电机数学模型 |
2.3 永磁同步电机调速系统模型预测转矩控制原理 |
2.3.1 模型预测控制原理 |
2.3.2 模型预测转矩控制理论基础 |
2.4 本章小结 |
3 永磁同步电机顺序模型预测转矩控制方案及优化策略 |
3.1 永磁同步电机顺序模型预测转矩控制方案 |
3.1.1 基于FCS-SMPTC的 PMSM数学模型 |
3.1.2 FCS-SMPTC控制方案 |
3.2 结合矢量细分的顺序模型预测转矩控制方案 |
3.2.1 两电平三相逆变器结构及电压矢量合成 |
3.2.2 矢量细分策略 |
3.3 基于时间最优轨迹计算的FCS-SMPTC简化方案 |
3.3.1 基于时间最优轨迹的DB-DTFC |
3.3.2 基于时间最优轨迹的PMSM-SMPTC简化方案 |
3.4 仿真建模与分析 |
3.5 本章小结 |
4 PMSM调速控制系统实验平台设计及实验结果分析 |
4.1 硬件部分 |
4.1.1 STM32F103 控制芯片简介 |
4.1.2 整流模块 |
4.1.3 逆变桥电路 |
4.1.4 转子信息反馈处理电路 |
4.2 软件部分 |
4.2.1 系统软件组成 |
4.2.2 电机转子位置检测及其反馈量计算 |
4.2.3 电机运行状态检测及位置反馈量计算程序 |
4.2.4 函数计算子程序 |
4.3 永磁同步电机顺序模型预测转矩控制实验结果与分析 |
4.3.1 FCS-MPTC与 FCS-SMPTC稳态相电流波形对比 |
4.3.2 FCS-SMPTC优化策略稳态相电流波形分析 |
4.3.3 基于时间最优轨迹简化算法的有效性分析 |
4.4 本章小结 |
5 总结与展望 |
5.1 全文总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读硕士期间主要研究成果 |
(2)无模型自适应控制的稳定性分析及在多智能体系统中的应用(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
主要符号对照表 |
主要缩略词对照表 |
1 绪论 |
1.1 研究背景及意义 |
1.2 MFAC理论 |
1.2.1 MFAC简要历史 |
1.2.2 MFAC理论研究现状 |
1.2.3 MFAC算法的应用 |
1.3 多智能体系统编队控制 |
1.3.1 带有扰动的多智能体系统编队控制 |
1.3.2 多智能体系统编队容错控制 |
1.4 预备知识 |
1.4.1 矩阵理论 |
1.4.2 代数图论 |
1.5 主要工作及结构安排 |
1.5.1 论文主要工作 |
1.5.2 论文结构安排 |
2 SISO非线性非仿射离散系统的稳定性分析 |
2.1 引言 |
2.2 SISO非线性非仿射离散系统的FFDL-MFAC算法稳定性分析 |
2.2.1 问题提出 |
2.2.2 控制器设计 |
2.2.3 稳定性与收敛性分析 |
2.2.4 仿真分析 |
2.3 SISO非线性非仿射离散系统PID型控制器的稳定性分析 |
2.3.1 问题提出 |
2.3.2 控制器设计 |
2.3.3 稳定性与收敛性分析 |
2.3.4 仿真分析 |
2.4 本章小结 |
3 MIMO非线性非仿射离散系统的稳定性分析 |
3.1 引言 |
3.2 MIMO非线性非仿射离散系统的FFDL-MFAC算法稳定性分析 |
3.2.1 问题提出 |
3.2.2 MIMO FFDL-MFAC算法设计 |
3.2.3 稳定性与收敛性分析 |
3.2.4 仿真和实验分析 |
3.3 输入受限MIMO非线性非仿射离散系统拟牛顿控制算法稳定性分析 |
3.3.1 问题提出 |
3.3.2 拟牛顿控制算法设计 |
3.3.3 稳定性与收敛性分析 |
3.3.4 仿真分析 |
3.4 本章小结 |
4 FFDL-MFAC算法在未知扰动异构非线性非仿射离散多智能体系统中的应用 |
4.1 引言 |
4.2 问题提出 |
4.3 扰动可测情况下的FFDL-MFAC系统设计 |
4.3.1 数据模型 |
4.3.2 控制器设计 |
4.3.3 稳定性分析 |
4.4 扰动不可测情况下的FFDL-MFAC系统设计 |
4.4.1 数据模型 |
4.4.2 控制器设计 |
4.4.3 稳定性分析 |
4.5 仿真分析 |
4.6 本章小结 |
5 FFDL-MFAC算法在带有传感器故障异构非线性非仿射离散多智能体系统中的应用 |
5.1 引言 |
5.2 问题提出 |
5.3 无故障情况下的控制算法设计及RBFNN设计 |
5.3.1 无故障情况下的控制算法设计 |
5.3.2 RBFNN的设计 |
5.4 传感器故障情况下的控制算法设计 |
5.5 稳定性分析 |
5.6 仿真分析 |
5.7 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 有待进一步研究的问题 |
参考文献 |
作者简历 |
攻读博士学位期间发表的学术论文 |
学位论文数据集 |
(3)基于PCC调速器的轴流转桨式水轮机协联优化(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及工程意义 |
1.2 国内外研究现状 |
1.2.1 轴流转桨式水轮机的特点及协联特性 |
1.2.2 PCC调速器的特点和发展趋势 |
1.3 本文主要研究内容 |
第二章 基于PCC的双调型调速器 |
2.1 双调型调速器调速系统结构 |
2.2 PCC的硬件配置 |
2.2.1 PCC主机简介 |
2.2.2 测频模块 |
2.2.3 双机冗余配置 |
2.3 软件结构 |
2.4 双调型调速器的控制算法 |
2.4.1 位置型数字PID控制算法 |
2.4.2 增量式数字PID算法 |
2.4.3 增量式数字PID算的优化 |
2.5 本章小结 |
第三章 协联优化试验的参数测定 |
3.1 水轮机现场试验标准依据 |
3.2 协联关系 |
3.3 协联测试参数 |
3.3.1 流量的测量 |
3.3.2 工作水头测取 |
3.3.3 功率的测量 |
3.4 本章小结 |
第四章 轴流转桨式水轮机数学协联模型 |
4.1 协联装置的发展历程 |
4.1.1 纯机械协联装置 |
4.1.2 机械电气协联装置 |
4.1.3 模拟协联装置 |
4.1.4 数字协联装置 |
4.2 数字协联的基本原理 |
4.2.1 一次插值模型 |
4.2.2 二次插值模型 |
4.3 PCC调速器程序优化 |
4.4 机组调节系统数学建模现场试验 |
4.4.1 水轮机调速器测试系统信号通道率定 |
4.4.2 调速器测频回路校验 |
4.4.3 永态转差系数B_p校核试验 |
4.4.4 调节器PID参数值校验(静态) |
4.4.5 导叶开启动作特性 |
4.4.6 接力器静态时间常数T_Y测定 |
4.4.7 人工频率死区检查校验(动态) |
4.4.8 水轮机水流时间常数T_W辨识(动态) |
4.4.9 甩负荷试验 |
4.4.10 调速系统数学模型参数整定 |
4.5 本章小结 |
第五章 协联关系优化的现场试验 |
5.1 试验原理 |
5.2 求取最优协联关系 |
5.3 协联试验的技术方案 |
5.3.1 试验设备 |
5.3.2 试验水头选取 |
5.3.3 机组运行数据的获取与处理 |
5.3.4 试验方法 |
5.4 协联关系分析 |
5.4.1 水轮机协联优化试验数据综合分析 |
5.4.2 试验结果评价 |
5.5 振动分析 |
5.5.1 机组摆度分析 |
5.5.2 机组水平振动分析 |
5.5.3 机组垂直振动分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 主要成果 |
6.2 现状及展望 |
致谢 |
参考文献 |
附录 |
(4)面向流式数据的演化式预测技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 数据挖掘的研究现状 |
1.2.2 数据流的研究现状 |
1.2.3 面对概念漂移的研究现状 |
1.3 本文主要研究内容 |
1.4 本文组织结构 |
第2章 相关技术基础 |
2.1 批处理机器学习 |
2.1.1 机器学习基础 |
2.1.2 分类和回归 |
2.1.3 决策树 |
2.1.4 逻辑回归 |
2.2 流处理学习 |
2.2.1 流数据基本概念 |
2.2.2 增量支持向量机 |
2.2.3 霍夫丁树 |
2.2.4 增量模型树 |
2.2.5 在线bagging和 boosting |
2.3 概念漂移 |
2.3.1 概念漂移基础 |
2.3.2 概念漂移探测 |
2.3.3 处理概念漂移 |
2.4 最优化算法 |
2.4.1 梯度下降 |
2.4.2 批梯度下降 |
2.4.3 在线梯度下降 |
2.5 本章小结 |
第3章 基于滑动窗口的竞争集成模型 |
3.1 引言 |
3.2 问题描述与解决思路 |
3.2.1 问题描述 |
3.2.2 解决思路 |
3.3 竞争集成算法的构造 |
3.3.1 FIMT-DD树 |
3.3.2 竞争集成算法 |
3.4 实验与分析 |
3.4.1 实验步骤 |
3.4.2 实验结果与分析 |
3.5 本章小结 |
第4章 基于稀疏数据流的预测算法 |
4.1 引言 |
4.2 稀疏数据流算法的引入 |
4.2.1 正则化 |
4.2.2 截断与梯度截断 |
4.2.3 前后项分裂算法 |
4.2.4 RDA算法 |
4.2.5 FTRL算法 |
4.3 稀疏数据流算法FTRL的改进 |
4.3.1 概念漂移探测PHW测试 |
4.3.2 概念漂移FTRL_PHW算法 |
4.4 实验与分析 |
4.4.1 超平面仿真数据集 |
4.4.2 参数的设定和评估指标 |
4.4.3 实验结果 |
4.5 基于概念漂移的学习率适应 |
4.6 本章小结 |
结论 |
参考文献 |
附录A 攻读学位期间所发表的学术论文和专利 |
附录B 攻读学位期间所参与的科研活动 |
致谢 |
(5)基于深度学习的视觉目标跟踪算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 目标跟踪算法分类和描述 |
1.3.1 目标数量 |
1.3.2 特征描述 |
1.3.3 决策模型 |
1.4 基于深度学习的目标跟踪方法 |
1.4.1 深度学习与传统跟踪方法的组合 |
1.4.2 深度学习与相关滤波的组合 |
1.5 目标跟踪面临的挑战 |
1.6 论文的创新点和结构安排 |
1.6.1 论文的创新点 |
1.6.2 论文的结构安排 |
第二章 深度学习与相关滤波跟踪的基本理论 |
2.1 引言 |
2.2 深度学习网络 |
2.2.2 前馈深度网络 |
2.2.3 反馈深度网络 |
2.2.4 双向深度网络 |
2.3 卷积神经网络模型的基本理论 |
2.3.2 卷积层 |
2.3.3 池化层 |
2.3.4 全连接层 |
2.4 相关滤波理论 |
2.4.1 相关滤波方法 |
2.4.2 基于相关滤波的跟踪 |
2.5 跟踪效果评价机制 |
2.5.1 OTB数据集 |
2.5.2 VOT数据集 |
2.6 本章小结 |
第三章 基于空间上下文金子塔的目标跟踪方法 |
3.1 引言 |
3.2 窗函数相关理论 |
3.2.1 典型的窗函数 |
3.2.2 余弦窗的负面效应 |
3.3 空间上下文 |
3.3.1 空间上下文信息 |
3.3.2 基于局部的空间上下文模型 |
3.3.3 基于全局的空间上下文模型 |
3.4 基于空间上下文金字塔的跟踪算法 |
3.4.1 空间窗的设计 |
3.4.2 空间上下文金字塔外观模型 |
3.4.3 深度特征提取 |
3.4.4 跟踪框架描述 |
3.5 实验结果及评估 |
3.5.1 实验设置 |
3.5.2 实验结果定量评估 |
3.5.3 实验结果定性评估 |
3.6 本章小结 |
第四章 基于历史追溯的目标跟踪方法 |
4.1 引言 |
4.2 卷积特征分析 |
4.3 跟踪置信度 |
4.3.1 基于跟踪-检测的置信度 |
4.3.2 基于响应的置信度 |
4.4 基于历史追溯的目标跟踪算法 |
4.4.1 历史追溯框架 |
4.4.2 模型判别更新策略 |
4.4.3 跟踪框架描述 |
4.5 实验结果及评估 |
4.5.1 实验设置 |
4.5.2 基准比较 |
4.5.3 实验结果定量评估 |
4.5.4 实验结果定性评估 |
4.6 本章小结 |
第五章 基于交互式多模型的深度特征跟踪方法 |
5.1 引言 |
5.2 多模型基本理论 |
5.2.1 多模型的发展 |
5.2.2 多模型的建模 |
5.3 交互式多模型理论 |
5.3.1 交互式多模型算法 |
5.3.2 交互式多模型的适用范围 |
5.4 基于交互式多模型的深度特征跟踪算法 |
5.4.1 运动模型和外观模型的建立 |
5.4.2 权重的自适应交互 |
5.4.3 跟踪算法描述 |
5.5 实验结果及评估 |
5.5.1 实验设置 |
5.5.2 实验结果定量评估 |
5.5.3 实验结果定性评估 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
致谢 |
攻读博士学位期间已发表或录用的论文 |
攻读博士学位期间参加的主要科研项目 |
(6)四旋翼飞行器系统建模与控制方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究的背景与意义 |
1.2 四旋翼飞行器的研究现状 |
1.2.1 四旋翼飞行器发展历程 |
1.2.2 四旋翼飞行器研究现状 |
1.3 四旋翼飞行器的研究重点 |
1.4 四旋翼飞行器的主要控制算法 |
1.5 研究工作和论文结构 |
第二章 四旋翼飞行器动力学模型的建立 |
2.1 飞行器工作原理 |
2.2 坐标选取与变换 |
2.2.1 坐标定义 |
2.2.2 姿态描述 |
2.3 动力学模型建立 |
2.3.1 位移运动方程 |
2.3.2 旋转运动方程 |
2.3.3 总体模型 |
2.4 本章小结 |
第三章 自适应反步滑模姿态控制器设计 |
3.1 反步滑模姿态控制器设计 |
3.1.1 反步法控制原理 |
3.1.2 滑模控制原理 |
3.1.3 反步滑模算法设计 |
3.2 反步滑模自适应姿态控制器设计 |
3.2.1 自适应算法原理 |
3.2.2 扰动观测器设计 |
3.2.3 积分自适应律设计 |
3.3 仿真结果及分析 |
3.3.1 系统跟踪性能比较 |
3.3.2 系统抗扰性能比较 |
3.4 本章小结 |
第四章 模型预测姿态控制器设计 |
4.1 模型预测控制算法原理 |
4.1.1 预测模型 |
4.1.2 滚动优化 |
4.1.3 反馈校正 |
4.2 基于模型预测控制的姿态控制器设计 |
4.2.1 模型线性化 |
4.2.2 模型扩展 |
4.2.3 状态和输出预测 |
4.2.4 状态估计 |
4.2.5 最优控制律 |
4.3 仿真结果与分析 |
4.3.1 分步跟踪响应 |
4.3.2 同步跟踪响应 |
4.4 本章小节 |
第五章 四旋翼飞行器实验平台搭建 |
5.1 飞行器平台搭建 |
5.1.1 整体结构 |
5.1.2 动力系统 |
5.1.3 指挥控制系统 |
5.2 总体控制方案 |
5.2.1 位置控制器设计 |
5.2.2 姿态控制器设计 |
5.2.3 算法仿真验证 |
5.3 试验平台飞行测试 |
5.4 本章小节 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
(7)PEMFC分数阶子空间建模及其预测控制研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 PEMFC研究现状 |
1.2.1 建模研究现状 |
1.2.2 控制器研究现状 |
1.3 本文主要内容及章节安排 |
2 PEMFC概述及其特性分析 |
2.1 PEMFC概述 |
2.1.1 单电池组成结构 |
2.1.2 电化学工作原理 |
2.1.3 空冷自增湿型PEMFC系统 |
2.2 PEMFC特性分析 |
2.2.1 非线性特性 |
2.2.2 分数阶特性 |
2.3 本章小结 |
3 PEMFC发电过程的子空间辨识 |
3.1 几何工具 |
3.1.1 正交投影 |
3.1.2 斜投影 |
3.2 子空间辨识算法描述 |
3.2.1 状态空间模型 |
3.2.2 输入输出数据矩阵构造 |
3.2.3 子空间辨识基本步骤 |
3.3 PEMFC发电过程的状态空间模型辨识 |
3.3.1 建模输入输出变量选择 |
3.3.2 仿真结果 |
3.4 本章小结 |
4 PEMFC发电过程的分数阶子空间辨识 |
4.1 分数阶微积分理论 |
4.1.1 分数阶微积分定义 |
4.1.2 分数阶系统描述 |
4.1.3 分数阶微积分的性质 |
4.2 分数阶子空间辨识算法描述 |
4.2.1 输入输出矩阵构造 |
4.2.2 Poisson滤波器 |
4.2.3 短时记忆法 |
4.2.4 分数阶子空间辨识的全局参数估计 |
4.3 PEMFC发电过程的分数阶状态空间模型辨识 |
4.3.1 模型辨识 |
4.3.2 辨识效果验证 |
4.4 本章小结 |
5 基于MPC的 PEMFC输出功率控制 |
5.1 预测控制基本原理 |
5.1.1 预测模型 |
5.1.2 滚动优化 |
5.1.3 反馈校正 |
5.2 分数阶状态空间模型预测控制算法描述 |
5.2.1 分数阶状态空间模型离散化 |
5.2.2 最优控制律推导 |
5.2.3 带约束的最优控制律推导 |
5.2.4 Hildreth二次规划算法 |
5.3 控制系统仿真 |
5.3.1 预测和控制步长选取 |
5.3.2 控制变量约束情况分析 |
5.3.3 仿真结果 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
(8)基于速度自适应的拖拉机自动导航控制系统研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 拖拉机自动导航系统研究现状 |
1.3 拖拉机组合导航定位方法研究现状 |
1.4 拖拉机自动转向系统研究现状 |
1.5 拖拉机路径跟踪控制系统研究现状 |
1.6 论文主要研究内容与技术路线 |
1.7 本章小结 |
第二章 基于GNSS/MIMU/DR的组合导航定位系统研究 |
2.1 组合导航定位系统方案设计 |
2.2 组合导航定位系统模型 |
2.3 基于改进自适应扩展卡尔曼滤波的融合方法研究 |
2.4 组合导航定位系统试验与精度分析 |
2.5 本章小结 |
第三章 拖拉机液压自动转向控制系统研究 |
3.1 自动转向系统方案 |
3.2 拖拉机液压自动转向系统数学模型 |
3.3 拖拉机液压自动转向控制系统建模与仿真分析 |
3.4 本章小结 |
第四章 拖拉机自动导航路径跟踪控制方法研究 |
4.1 拖拉机两轮动力学简化模型 |
4.2 基于纯追踪模型算法的快速路径追踪控制研究 |
4.3 基于速度自适应的直线路径实时跟踪控制研究 |
4.4 本章小结 |
第五章 拖拉机自动导航控制系统田间试验研究 |
5.1 拖拉机自动导航控制系统试验平台搭建 |
5.2 拖拉机自动导航控制系统田间试验与结果分析 |
5.3 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 主要创新点 |
6.3 展望 |
参考文献 |
致谢 |
个人简介 |
附录 |
(9)基于PCS7的无模型控制器的设计与应用(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 无模型控制理论研究现状 |
1.2.1 无模型控制理论研究的发展 |
1.2.2 无模型控制律应用的发展 |
1.3 课题研究意义和主要研究的内容 |
1.3.1 课题研究意义 |
1.3.2 论文主要完成的内容 |
第二章 无模型控制的基础理论 |
2.1 引言 |
2.2 非线性系统的动态线性处理 |
2.3 泛模型仿真实例 |
2.4 无模型控制律的设计 |
2.4.1 控制律的设计 |
2.4.2 伪偏导数的估计算法 |
2.4.3 无模型控制收敛性分析 |
2.5 无模型控制一般形式 |
2.5.1 无模型控制一般形式的提出 |
2.5.2 无模型控制器相关参数的具体意义 |
2.6 本章小结 |
第三章 无模型控制器针对大滞后对象的改进及仿真实验 |
3.1 引言 |
3.2 基于模型的控制方法 |
3.2.1 Smith预估控制原理及结构 |
3.2.2 IMC(内模控制)的原理及结构 |
3.2.3 内模控制器的设计 |
3.3 基于最小二乘法辨识 |
3.3.1 最小二乘算法 |
3.3.2 基本最小二乘法辨识 |
3.4 针对滞后系统的改进无模型控制方法 |
3.5 针对时滞系统的仿真分析 |
3.5.1 数字PID算法 |
3.5.2 对滞后系统的仿真 |
3.5.3 仿真实验分析总结 |
3.5.4 无模型控制器参数整定总结 |
3.6 本章小结 |
第四章 基于PCS7的仿真实验分析 |
4.1 引言 |
4.2 锅炉控制系统 |
4.2.1 系统的网络结构 |
4.2.2 被控对象的选取 |
4.3 基于PCS7系统的内模控制 |
4.3.1 模型辨识及控制器的应用 |
4.3.2 无模型控制在PCS7上的应用 |
4.3.3 基本无模型控制器及改进无模型控制器参数讨论 |
4.3.4 参数设置及曲线响应 |
4.4 实验结果讨论 |
4.5 本章小结 |
第五章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
致谢 |
作者与导师简介 |
北京化工大学专业学位硕士研究生学位论文答辩委员会决议书 |
(10)基于电动汽车的异步电机高性能容错控制系统研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 引言 |
1.1 课题研究背景 |
1.2 课题研究意义 |
1.3 课题研究现状 |
1.3.1 电动汽车用电动机及其控制 |
1.3.2 故障诊断及容错控制 |
1.3.3 异步电机速度估算方法 |
1.4 论文主要内容 |
2 带容错控制模块的矢量控制策略 |
2.1 矢量控制的基本原理 |
2.2 矢量控制的基本实现方式 |
2.3 SVPWM调制方式 |
2.4 电机相电压重构 |
2.5 本章小结 |
3 基于MRAS的无速度传感器矢量控制系统研究 |
3.1 模型参考自适应(MRAS)的基本理论 |
3.2 基于模型参考自适应的转速辨识 |
3.2.1 基于转子磁链的MRAS转速辨识 |
3.2.2 基于反电动势的MRAS转速辨识 |
3.2.3 基于瞬时无功功率的MRAS转速辨识 |
3.3 基于励磁电感能量的MRAS转速辨识 |
3.4 参数敏感性分析 |
3.5 本章小结 |
4 电动汽车速度传感器失效容错控制系统设计 |
4.1 电动汽车速度传感器工作原理 |
4.2 电动汽车速度传感器常见故障 |
4.3 基于阈值判断的速度传感器故障检测 |
4.4 速度传感器失效容错控制策略 |
4.5 基于模糊理论的平滑切换控制器 |
4.5.1 基于简单权函数的切换策略 |
4.5.2 基于模糊理论的切换策略 |
4.6 本章小结 |
5 建模仿真及实验验证 |
5.1 建模及仿真 |
5.1.1 基于励磁电感能量的MRAS模型 |
5.1.2 故障检测模块建模 |
5.1.3 模糊控制模块建模 |
5.2 仿真结果分析 |
5.2.1 基于励磁电感能量的MRAS模型仿真结果 |
5.2.2 故障诊断模块仿真分析 |
5.2.3 平滑切换模块仿真分析 |
5.3 实验验证 |
5.3.1 容错控制软件流程设计 |
5.3.2 实验结果分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 论文总结 |
6.2 未来展望 |
参考文献 |
作者简历及攻读硕士学位期间取得的研究成果 |
学位论文数据集 |
四、输入受限的β增量型模型算法控制(论文参考文献)
- [1]基于SMPTC优化策略的永磁同步电机调速系统的研究[D]. 王凯. 西安理工大学, 2021(01)
- [2]无模型自适应控制的稳定性分析及在多智能体系统中的应用[D]. 熊双双. 北京交通大学, 2020
- [3]基于PCC调速器的轴流转桨式水轮机协联优化[D]. 张慧琳. 广西大学, 2020(02)
- [4]面向流式数据的演化式预测技术研究[D]. 廖振伟. 湖南大学, 2019(07)
- [5]基于深度学习的视觉目标跟踪算法研究[D]. 唐福辉. 上海交通大学, 2019(06)
- [6]四旋翼飞行器系统建模与控制方法研究[D]. 贺有源. 杭州电子科技大学, 2019(01)
- [7]PEMFC分数阶子空间建模及其预测控制研究[D]. 戈卫平. 南京理工大学, 2019(06)
- [8]基于速度自适应的拖拉机自动导航控制系统研究[D]. 刘进一. 中国农业大学, 2017(08)
- [9]基于PCS7的无模型控制器的设计与应用[D]. 马程川. 北京化工大学, 2016(03)
- [10]基于电动汽车的异步电机高性能容错控制系统研究[D]. 罗秋风. 北京交通大学, 2016(07)