CN106125816A - 基于改进型fir滤波器预测的mppt滞环控制算法 - Google Patents
基于改进型fir滤波器预测的mppt滞环控制算法 Download PDFInfo
- Publication number
- CN106125816A CN106125816A CN201610634769.8A CN201610634769A CN106125816A CN 106125816 A CN106125816 A CN 106125816A CN 201610634769 A CN201610634769 A CN 201610634769A CN 106125816 A CN106125816 A CN 106125816A
- Authority
- CN
- China
- Prior art keywords
- prediction
- output
- voltage
- coefficient
- algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
- G05F1/00—Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
- G05F1/66—Regulating electric power
- G05F1/67—Regulating electric power to the maximum power available from a generator, e.g. from solar cell
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Control Of Electrical Variables (AREA)
Abstract
一种基于改进型FIR滤波器预测的MPPT滞环控制算法,是在常规扰动观测法的基础上,加入滞环控制和自适应预测机制,即在预测前后工作电压的光伏阵列输出功率的基础上结合当前工作电压的输出功率形成三点滞环控制,通过扰动规则的判定,确定扰动方向,在提高了跟踪速度上同时兼顾了控制系统的精度,并且通过在线更新自适应预测器的步长因子,提高系统的收敛性能,提高系统的稳态性能,减少了损耗。新型的算法能够弥补常规扰动观测法在跟踪速度和稳态精度上的不足,达到快速稳定地实施MPPT控制,并大大减少了在最大功率点的震荡、误判,提高系统的动态响应及稳态性能。此外,此算法控制简单,易于软件编程实现。
Description
技术领域
本发明涉及MPPT算法技术领域,具体涉及一种基于改进型FIR滤波器预测的MPPT滞环控制算法。
背景技术
目前,通常用到的MPPT算法有扰动观察法、模糊控制法。扰动观察法也称为爬山法,它的基本思想是:首先扰动光伏电池的输出电压,然后观测光伏电池输出功率的变化,根据功率变化的趋势连续改变扰动电压方向。由于实际检测和控制精度的限制,而电压扰动的步长一定,那么一定会出现震荡问题,又由于外部环境是时刻变化的,光伏电池的P-U特性曲线时刻变化,就有可能发生误判。模糊控制是以模糊集合理论为基础的一种新兴的控制手段,它的基本思想是:系统将采样得到的数据经过运算,判定出工作点与最大功率点之间的位置关系,自动校正工作点电压值,使工作点趋于最大功率点。模糊控制过程需要采样得到数据,然后计算,再模糊化、模糊推理运算、清晰化,最后再得出结果,此方法过程比较复杂,需要较高运算速度的CPU,模糊化的语言变量选取要适当,清晰化的的计算比较发杂,所以在实际应用中较难实现。
发明内容
本发明所要解决的技术问题在于提供一种基于改进型FIR滤波器预测的MPPT滞环控制算法,不仅追踪速度、控制精度和误判和震荡优于现有的扰动观测法,而且克服了传统自适应滤波算法的不足,通过构造合适的变步长因子,在提高收敛速度的同时保证了良好的稳态性能且易于编程实现。
本发明所要解决的技术问题采用以下技术方案来实现:
一种基于改进型FIR滤波器预测的MPPT滞环控制算法,
1)首先根据FIR滤波器的原理,光伏阵列输出功率P可以表示为当前和过去工作电压的线性组合:
式中,VN(n)—自适应预测器当前和过去工作电压的向量;H′N—自适应预测器的系数向量;—自适应预测器的预测输出功率;N—线性组合的数量;hk—系数向量的各元素。
2)改进型自适应调整
光伏发电系统处于剧烈变化的外界环境之中,为了保证预测算法对系统时变性和环境不确定性的适应,而预测器的系数向量决定了自适应机制的预测精度,所以必须对预测器系数根据实时数据进行在线滚动优化,即系数的自适应调整;
所谓预测器系数的自适应调整就是根据预测误差,采取一定准则在线优化系数,采用的优化准则是以预测误差的最小均方值为基准,为了提高算法的收敛速度同时提高算法稳态性能,采用改进型LMS算法:
定义ε(n)为e2(n)的期望值,即均方误差:ε(n)=E[e2(n)];
代入可得:ε(n)=E[P(n)-H′NVN(n)]2
为了使ε(n)最小,通过对式ε(n)=E[P(n)-H′NVN(n)]2采用微分置零法得到N个方程,求解可得预测器系数:
式中,XN:P(n)与V(n)的互相关量;RNN:V(n)的自相关矩阵;
一般来讲,预测器的系数调整可由上式获得,但当N较大时,计算量较大,不利于数字处理器上编程实现。
实际应用中,可采用递推方式进行求解,常用最陡梯度法:
HN(n+1)=HN(n)+2μe(n)VN(n),
式中,μ:步长因子,其大小影响每次迭代在最陡方向行进长度;e(n)为期望输出功率值与预测输出功率值之间的误差,即:HN(n)为自适应预测器的系数。
可证明,只要μ取值恰当,从任何HN(0)出发,总能使预测器系数收敛至
但是采用这种迭代法计算使均方误差最小的预测器系数向量时,仍需计算XN和RNN,存在较复杂的矩阵运算;
因此,为了减少计算量,Widrow提出了一种有效的简化方法,并推导出最陡梯度迭代法的近似实现形式:HN(n+1)=HN(n)+2μe(n)VN(n)。
这就是Widrow-Hoff LMS算法,在对预测器系数进行初值设置后,就可以通过在线更新迭代,使误差均方值最小;为了加快系统的收敛速度以及提高稳态性能,本设计在其基础上采用可变步长因子μn,且μn=α*μn-1+βe2(n),其中α和β根据工程实际情况加以改变。
根据上述描述的自适应预测机制,设计出基于改进型FIR模型的自适应预测算法步骤为:
(1)根据光伏系统功率特征,初始化HN(0)、μ0;
(2)输入功率信号经过自适应预测机制,输出
(3)经过一个延时环节z-1,输出
(4)计算
(5)根据μn=α*μn-1+βe2(n),更新μn;
(6)计算HN(n+1)=HN(n)+2μne(n)VN(n)。
至此一次滚动优化计算完成,新的迭代计算周期到来时,返回第二步,开始新的滚动优化计算;
在滞环控制中,以当前工作点A点为中心,前后(大于和小与当前工作电压)各取一点(B点、C点)形成滞环,PA为当前工作电压的光伏阵列输出功率,PB为预测到的A点后的工作电压光伏阵列输出功率,PC为预测到的A点前工作电压的光伏阵列输出功率,
定义:PA>PC时,记为“+”,PB>PA时,记为“+”,反之均记做“-”,
通过三点之间功率的比较判断,可以得出基于滞环的电压扰动规则如下:
规则1:如果两次扰动的功率比较均为“+”,则电压保持原方向扰动;
规则2:如果两次扰动的功率比较均为“-”,则电压值反方向扰动;
规则3:如果两次扰动的功率比较有“+”有“-”,可能已经达到最大功率点或者外部辐照变化很快,则电压不变;
输入电压信号经过自适应预测机制预测左右两个工作电压的光伏阵列的输出功率,进入滞环控制判定扰动方向,从而确定占空比,占空比与三角波进行比较后,生成驱动开关器件的PWM脉冲信号,实现动态调节负载,最终实现最大功率点跟踪控制。
本发明结合了改进型预测算法与滞环控制的MPPT算法,通过预测算法预测当前工作电压左右两点工作电压所对应的光伏阵列输出功率,并通过滞环控制判定下一次电压的扰动方向,此方法提高了追踪最大功率点的速度以及提高了追踪精度,并且提高了系统的稳态性能,减少在最大功率点位置的扰动。
本发明的有益效果是:
1:具有最大功率点跟踪功能,提高系统的效率
2:提高最大功率点的跟踪速度;
3:提高系统的控制精度;
4:提高系统的动态响应及稳态性能;
5:抗环境干扰能力强;
6:防止因环境变化导致算法误判最大功率点;
7:加入自适应机制,不需要高精度数据传感器,降低系统的成本。
附图说明
图1为本发明自适应预测机制的原理框图;
图2为本发明滞环控制输出功率记录图;
图3为本发明预测机制的MPPT控制框图;
图4为本发明软件流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
参见图1-4:
一种基于改进型FIR滤波器预测的MPPT滞环控制算法,
1)首先根据FIR滤波器的原理,光伏阵列输出功率P可以表示为当前和过去工作电压的线性组合:
式中,VN(n)—自适应预测器当前和过去工作电压的向量;H′N—自适应预测器的系数向量;—自适应预测器的预测输出功率;N—线性组合的数量;hk—系数向量的各元素。
2)改进型自适应调整
光伏发电系统处于剧烈变化的外界环境之中,为了保证预测算法对系统时变性和环境不确定性的适应,而预测器的系数向量决定了自适应机制的预测精度,所以必须对预测器系数根据实时数据进行在线滚动优化,即系数的自适应调整;
所谓预测器系数的自适应调整就是根据预测误差,采取一定准则在线优化系数,采用的优化准则是以预测误差的最小均方值为基准,为了提高算法的收敛速度同时提高算法稳态性能,采用改进型LMS算法:
定义ε(n)为e2(n)的期望值,即均方误差:ε(n)=E[e2(n)];
代入可得:ε(n)=E[P(n)-H′NVN(n)]2
为了使ε(n)最小,通过对式ε(n)=E[P(n)-H′NVN(n)]2采用微分置零法得到N个方程,求解可得预测器系数:
式中,XN:P(n)与V(n)的互相关量;RNN:V(n)的自相关矩阵;
一般来讲,预测器的系数调整可由上式获得,但当N较大时,计算量较大,不利于数字处理器上编程实现。
实际应用中,可采用递推方式进行求解,常用最陡梯度法:
HN(n+1)=HN(n)+2μe(n)VN(n),
式中,μ:步长因子,其大小影响每次迭代在最陡方向行进长度;e(n)为期望输出功率值与预测输出功率值之间的误差,即:HN(n)为自适应预测器的系数。
可证明,只要μ取值恰当,从任何HN(0)出发,总能使预测器系数收敛至
但是采用这种迭代法计算使均方误差最小的预测器系数向量时,仍需计算XN和RNN,存在较复杂的矩阵运算;
因此,为了减少计算量,Widrow提出了一种有效的简化方法,并推导出最陡梯度迭代法的近似实现形式:HN(n+1)=HN(n)+2μe(n)VN(n)。
这就是Widrow-Hoff LMS算法,在对预测器系数进行初值设置后,就可以通过在线更新迭代,使误差均方值最小;为了加快系统的收敛速度以及提高稳态性能,本设计在其基础上采用可变步长因子μn,且μn=α*μn-1+βe2(n),其中α和β根据工程实际情况加以改变。
根据上述描述的自适应预测机制,设计出基于改进型FIR模型的自适应预测算法步骤为:
(1)根据光伏系统功率特征,初始化HN(0)、μ0;
(2)输入功率信号经过自适应预测机制,输出
(3)经过一个延时环节z-1,输出
(4)计算
(5)根据μn=α*μn-1+βe2(n),更新μn;
(6)计算HN(n+1)=HN(n)+2μne(n)VN(n)。
至此一次滚动优化计算完成,新的迭代计算周期到来时,返回第二步,开始新的滚动优化计算;
在滞环控制中,以当前工作点A点为中心,前后(大于和小与当前工作电压)各取一点(B点、C点)形成滞环,PA为当前工作电压的光伏阵列输出功率,PB为预测到的A点后的工作电压光伏阵列输出功率,PC为预测到的A点前工作电压的光伏阵列输出功率,
定义:PA>PC时,记为“+”,PB>PA时,记为“+”,反之均记做“-”,
通过三点之间功率的比较判断,可以得出基于滞环的电压扰动规则如下:
规则1:如果两次扰动的功率比较均为“+”,则电压保持原方向扰动;
规则2:如果两次扰动的功率比较均为“-”,则电压值反方向扰动;
规则3:如果两次扰动的功率比较有“+”有“-”,可能已经达到最大功率点或者外部辐照变化很快,则电压不变;
如图3所示,设定P(n)为这一时刻光伏阵列输出功率,和为前后工作电压所对应的光伏阵列的输出功率,d(n)为输出占空比;输入电压信号经过自适应预测机制预测前后两个工作电压的光伏阵列的输出功率,进入滞环控制判定扰动方向,从而确定占空比,占空比与三角波进行比较后,生成驱动开关器件的PWM脉冲信号,实现动态调节负载,最终实现最大功率点跟踪控制。
本发明结合了改进型预测算法与滞环控制的MPPT算法,通过预测算法预测当前工作电压前后两点工作电压所对应的光伏阵列输出功率,并通过滞环控制判定下一次电压的扰动方向,此方法提高了追踪最大功率点的速度以及提高了追踪精度,并且提高了系统的稳态性能,减少在最大功率点位置的扰动。
如图1所示,系统首先通过A/D单元检测当前工作电压的太阳能电池的输出功率P(n),采用自适应预测机制预测当前工作电压前后两点(大于和小与当前工作电压)工作电压的太阳能电池的输出功率和然后通过滞环控制规则比较当前工作电压及预测的前后两点工作电压所对应的太阳能电池功率之间的关系,得到扰动方向,然后相应的加大、减小或者保持当前占空比。
这种基于改进型FIR滤波器预测的MPPT滞环控制算法,是在常规扰动观测法的基础上,加入滞环控制和自适应预测机制,即在预测前后工作电压的光伏阵列输出功率的基础上结合当前工作电压的输出功率形成三点滞环控制,通过扰动规则的判定,确定扰动方向,在提高了跟踪速度上同时兼顾了控制系统的精度,并且通过在线更新自适应预测器的步长因子,提高系统的收敛性能,提高系统的稳态性能,减少了损耗。新型的算法能够弥补常规扰动观测法在跟踪速度和稳态精度上的不足,达到快速稳定地实施MPPT控制,并大大减少了在最大功率点的震荡、误判,提高系统的动态响应及稳态性能。此外,此算法控制简单,易于软件编程实现。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (1)
1.一种基于改进型FIR滤波器预测的MPPT滞环控制算法,其特征在于具体方法步骤如下:
1)首先根据FIR滤波器的原理,光伏阵列输出功率P表示为当前和过去工作电压v的线性组合:
式中,VN(n)—自适应预测器当前和过去工作电压的向量;H′N—自适应预测器的系数向量;—自适应预测器的预测输出功率;N—线性组合的数量;hk—系数向量的各元素;
2)改进型自适应调整
光伏发电系统处于剧烈变化的外界环境之中,为了保证预测算法对系统时变性和环境不确定性的适应,而预测器的系数向量决定了自适应机制的预测精度,所以必须对预测器系数根据实时数据进行在线滚动优化,即系数的自适应调整;
所谓预测器系数的自适应调整就是根据预测误差,采取一定准则在线优化系数,采用的优化准则是以预测误差的最小均方值为基准,为了提高算法的收敛速度同时提高算法稳态性能,采用改进型LMS算法:
定义ε(n)为e2(n)的期望值,即均方误差:ε(n)=E[e2(n)];
代入可得:ε(n)=E[P(n)-H′NVN(n)]2
为了使ε(n)最小,通过对式ε(n)=E[P(n)-H′NVN(n)]2采用微分置零法得到N个方程,求解可得预测器系数:
式中,XN:P(n)与V(n)的互相关量;RNN:V(n)的自相关矩阵;
采用递推方式进行求解,最陡梯度法为:HN(n+1)=HN(n)+2μne(n)VN(n);
式中,μn为步长因子,其大小影响每次迭代在最陡方向行进长度;且其大小可以根据实时数据进行变化,即μn=α*μn-1+βe2(n),其中α和β根据工程实际情况加以改变;e(n)为期望输出功率值与预测输出功率值之间的误差,即:HN(n)为自适应预测器的系数。
可证明,只要μ取值恰当,从任何HN(0)出发,总能使预测器系数收敛至
3)根据上述自适应预测机制,设计出基于改进型FIR模型的自适应预测算法步骤为:
(1)根据光伏系统功率特征,初始化HN(0)、μ0;
(2)输入功率信号经过自适应预测机制,输出
(3)经过一个延时环节z-1,输出
(4)计算
(5)根据μn=α*μn-1+βe2(n),更新μn;
(6)计算HN(n+1)=HN(n)+2μne(n)VN(n);
至此一次滚动优化计算完成,新的迭代计算周期到来时,返回第二步,开始新的滚动优化计算;
在滞环控制中,以当前工作点A点为中心,前后各取一点(B点、C点)形成滞环,PA为当前工作电压的光伏阵列输出功率,PB为预测到的A点后的工作电压光伏阵列输出功率,PC为预测到的A点前工作电压的光伏阵列输出功率,
定义:PA>PC时,记为“+”,PB>PA时,记为“+”,反之均记做“-”,
通过三点之间功率的比较判断,可以得出基于滞环的电压扰动规则如下:
规则1:如果两次扰动的功率比较均为“+”,则电压保持原方向扰动;
规则2:如果两次扰动的功率比较均为“-”,则电压值反方向扰动;
规则3:如果两次扰动的功率比较有“+”有“-”,可能已经达到最大功率点或者外部辐照变化很快,则电压不变;
设定P(n)为这一时刻光伏阵列输出功率,和为前后工作电压所对应的光伏阵列的输出功率,d(n)为输出占空比;输入电压信号经过自适应预测机制预测前后两个工作电压的光伏阵列的输出功率,进入滞环控制判定扰动方向,从而确定占空比,占空比与三角波进行比较后,生成驱动开关器件的PWM脉冲信号,实现动态调节负载,最终实现最大功率点跟踪控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610634769.8A CN106125816A (zh) | 2016-08-04 | 2016-08-04 | 基于改进型fir滤波器预测的mppt滞环控制算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610634769.8A CN106125816A (zh) | 2016-08-04 | 2016-08-04 | 基于改进型fir滤波器预测的mppt滞环控制算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106125816A true CN106125816A (zh) | 2016-11-16 |
Family
ID=57254747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610634769.8A Pending CN106125816A (zh) | 2016-08-04 | 2016-08-04 | 基于改进型fir滤波器预测的mppt滞环控制算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106125816A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107247475A (zh) * | 2017-04-25 | 2017-10-13 | 北京交通大学 | 适用于光伏优化器的带滞环扰动全局最大功率点跟踪方法 |
CN114115418A (zh) * | 2021-11-15 | 2022-03-01 | 华能新能源股份有限公司 | 光伏系统最大功率点递阶跟踪方法与装置 |
CN114679070A (zh) * | 2022-04-13 | 2022-06-28 | 深圳市京泉华科技股份有限公司 | 一种潮汐能控制系统及其控制方法 |
CN116520934A (zh) * | 2023-04-26 | 2023-08-01 | 深圳正泰电源系统有限公司 | 一种基于统计的Mppt控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104020813A (zh) * | 2014-05-13 | 2014-09-03 | 安徽省安泰科技股份有限公司 | 基于fir滤波器预测的mppt滞环控制算法 |
CN104578857A (zh) * | 2015-01-12 | 2015-04-29 | 阳光电源股份有限公司 | 光伏发电系统的控制方法、控制装置及光伏发电系统 |
CN104753057A (zh) * | 2015-04-22 | 2015-07-01 | 哈尔滨工业大学 | 直流微电网中光伏发电单元运行模式无缝切换方法 |
CN105048800A (zh) * | 2015-06-30 | 2015-11-11 | 中山大学 | 一种光伏发电系统的双扰动mppt控制方法 |
-
2016
- 2016-08-04 CN CN201610634769.8A patent/CN106125816A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104020813A (zh) * | 2014-05-13 | 2014-09-03 | 安徽省安泰科技股份有限公司 | 基于fir滤波器预测的mppt滞环控制算法 |
CN104578857A (zh) * | 2015-01-12 | 2015-04-29 | 阳光电源股份有限公司 | 光伏发电系统的控制方法、控制装置及光伏发电系统 |
CN104753057A (zh) * | 2015-04-22 | 2015-07-01 | 哈尔滨工业大学 | 直流微电网中光伏发电单元运行模式无缝切换方法 |
CN105048800A (zh) * | 2015-06-30 | 2015-11-11 | 中山大学 | 一种光伏发电系统的双扰动mppt控制方法 |
Non-Patent Citations (2)
Title |
---|
张林 等: "一种新型光伏系统MPPT变步长滞环比较P&O法", 《电测与仪表》 * |
马桂龙 等: "基于自适应预测算法的光伏系统MPPT技术研究", 《太阳能学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107247475A (zh) * | 2017-04-25 | 2017-10-13 | 北京交通大学 | 适用于光伏优化器的带滞环扰动全局最大功率点跟踪方法 |
CN114115418A (zh) * | 2021-11-15 | 2022-03-01 | 华能新能源股份有限公司 | 光伏系统最大功率点递阶跟踪方法与装置 |
CN114679070A (zh) * | 2022-04-13 | 2022-06-28 | 深圳市京泉华科技股份有限公司 | 一种潮汐能控制系统及其控制方法 |
CN116520934A (zh) * | 2023-04-26 | 2023-08-01 | 深圳正泰电源系统有限公司 | 一种基于统计的Mppt控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110806759B (zh) | 一种基于深度强化学习的飞行器航线跟踪方法 | |
CN102621889B (zh) | 一种压电陶瓷定位的复合控制方法 | |
Feng et al. | H/sub/spl infin//controller synthesis of fuzzy dynamic systems based on piecewise Lyapunov functions and bilinear matrix inequalities | |
Gao et al. | Robust sampled-data H∞ control with stochastic sampling | |
Sun et al. | Neural network-based adaptive controller design of robotic manipulators with an observer | |
CN106125816A (zh) | 基于改进型fir滤波器预测的mppt滞环控制算法 | |
CN101871782B (zh) | 基于set2fnn的gps/mems-ins组合导航系统定位误差预测方法 | |
Lin et al. | Optimal operation of a network of multi-purpose reservoir: A review | |
Dong et al. | Multi-layer perception based model predictive control for the thermal power of nuclear superheated-steam supply systems | |
Kong et al. | Adaptive fuzzy control for a marine vessel with time‐varying constraints | |
CN105281615A (zh) | 一种基于改进粒子群算法优化无刷直流电机模糊控制器的方法 | |
CN108563843A (zh) | 定常可压缩流动的扰动区域更新方法 | |
CN102411305A (zh) | 单旋翼直升机/涡轴发动机综合抗扰控制系统设计方法 | |
CN107491137B (zh) | 一种变步长定速降额限功率mppt扰动方法 | |
Yu et al. | Adaptive fuzzy backstepping position tracking control for a permanent magnet synchronous motor | |
CN112947077B (zh) | 一种基于切换性能函数技术的auv鲁棒轨迹跟踪控制方法 | |
Wang et al. | A novel triggering condition of event‐triggered control based on heuristic dynamic programming for discrete‐time systems | |
Wu et al. | Finite‐time control for a fractional‐order non‐linear HTGS | |
Dai et al. | State constrained stochastic optimal control using LSTMs | |
Xu et al. | Design of type-2 fuzzy fractional-order proportional-integral-derivative controller and multi-objective parameter optimization under load reduction condition of the pumped storage unit | |
CN109932909A (zh) | 火电机组脱硫系统的大系统耦合多变量优化匹配控制方法 | |
Kumar et al. | An adaptive particle swarm optimization algorithm for robust trajectory tracking of a class of under actuated system | |
CN104020813A (zh) | 基于fir滤波器预测的mppt滞环控制算法 | |
CN104238624A (zh) | 一种最大功率点的跟踪方法及装置 | |
TWI420278B (zh) | 具模糊滑動控制器之太陽能系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161116 |
|
WD01 | Invention patent application deemed withdrawn after publication |