CN109597300B - 基于闭环rbr技术的电磁开关全寿命周期自适应控制方法 - Google Patents
基于闭环rbr技术的电磁开关全寿命周期自适应控制方法 Download PDFInfo
- Publication number
- CN109597300B CN109597300B CN201910114357.5A CN201910114357A CN109597300B CN 109597300 B CN109597300 B CN 109597300B CN 201910114357 A CN201910114357 A CN 201910114357A CN 109597300 B CN109597300 B CN 109597300B
- Authority
- CN
- China
- Prior art keywords
- control
- decision
- electromagnetic switch
- vector
- rbr
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/021—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a variable is automatically adjusted to optimise the performance
- G05B13/0215—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a variable is automatically adjusted to optimise the performance using trial and error method, including "peak-holding"
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于闭环RBR技术的电磁开关全寿命周期自适应控制方法,采用Run‑by‑Run学习控制算法与闭环控制进行组合模块化设计,使前馈和反馈优势互补,反馈内环控制器用来稳定系统,学习控制外环用来实现对期望目标的高精度跟踪;RBR数据模型利用电磁开关重复操作的特性,对其历史动作信息进行反馈评估与分析,滚动优化数据模型并调整吸合、吸持、分断过程的控制决策,迭代求解线圈电流(电压)的闭环参考序列,改变依赖离线获得的最优参量始终指导开关在线时变运行的局限;本发明自适应优化过程不局限于一个最优解,能够兼顾开关在运行过程中由于时变、干扰等引起的不确定性,把新的优化建立在实际的基础上,使控制在开关的全寿命周期内保持实际上的最优。
Description
技术领域
本发明涉及电磁开关控制领域,具体涉及一种基于闭环RBR技术的电磁开关全寿命周期自适应控制方法。
背景技术
电磁开关以其低成本、高耐压、低损耗等优势,在电网稳定性控制、新能源并网及电动汽车等领域中具有较高的工程应用价值,受到国内外学者的广泛认可及研究。然而,受电磁开关自身机械结构与其控制难以协调的限制,其吸合过程的触头弹跳、吸持阶段的高频噪声及能耗、分断过程的电弧以及动作分散性等问题很难从根本上解决。致使电磁开关电寿命和可靠性降低、用于同步控制时,触头闭合与分断的准确性和稳定性得不到保证,由此引发的涌流及过电压给电网的稳定运行带来很大的安全隐患,严重限制了电磁开关在电网智能化控制中的应用。
近年来,随着自动控制技术、电力电子技术的蓬勃发展,电磁开关的智能化进程逐步加快,广大电器研究者在过程控制中相继引入了多变量反馈、模型预测、模糊控制、无位置传感器移分段PWM控制、闭环斩波控制等先进控制策略。使得高性能智能电磁开关的激磁方式由交流运行改为直流运行,对相关参量的控制从开环进入闭环,具有触头弹跳抑制、动作分散性小、节能无声运行等优势。但是,无论是直流励磁或是闭环控制,目前的智能控制方案大都采用数学建模或实验手段获取电磁开关在运行过程中的最佳电压或电流励磁信号,运用这种离线方式得到的控制规律,对在相同运行环境下的固定本体具有一定效果,然而随着开关长时间运行后自身特性发生变化,采用离线控制参量长期指导开关在线时变的运行状态,局限性大,难以满足复杂的运行环境要求。加之开关生产工艺的限制,同类型同批次的样机参数并非完全一致,如若逐台离线测量再分别调节控制参数,批量控制的工作量将十分巨大。因此,如何在全寿命周期内实现智能电磁开关控制参量的在线优化,使得控制策略在不同工况下面对多台甚至多种开关时,具有自学习、自适应调整控制效果的功能,是目前电磁开关智能控制亟待解决的技术瓶颈,需要在理论和控制方法上寻求新的突破。
为解决上述问题,本发明在电磁开关的过程控制中引入批次对批次(Run-by-Run)控制技术,该技术主要应用于半导体行业,用于控制晶圆的制造过程,最近在制药和精细化工等行业中也被广泛应用,取得了良好的效果。RBR控制,是一种针对间歇过程的优化控制方法,它依据控制对象的历史批次信息进行评估与分析,不断更新过程模型、调整控制决策从而降低批次间的产品差异,特别适合用于以重复模式执行操作且仅允许离线测量的系统。电磁开关的任务是控制电路的通断,开关将在全寿命周期内重复执行吸合、吸持以及分断三个过程,同样地,触头弹跳、吸合或分断时间、电弧能量、吸持噪声等参量也因此具有重复性,而且这些参量只有在相关过程完全结束之后才可以获得,符合RBR技术对控制对象的要求。因此,受益于RBR技术的应用,本设计拟将RBR控制与闭环控制技术巧妙结合,使用电磁开关本体,配合智能控制模块,形成一种具有自趋优、自学习、自适应能力的智能电磁开关。
发明内容
有鉴于此,本发明的目的在于提供一种基于闭环RBR技术的电磁开关全寿命周期自适应控制方法,在不改变电磁开关自身机械结构参数的前提下,从控制角度实现电磁开关在吸合过程、吸持阶段以及分断过程的自适应动态优化。
为实现上述目的,本发明采用如下技术方案:
一种基于闭环RBR技术的电磁开关全寿命周期自适应控制方法,包括以下步骤:
步骤S1:将电磁开关控制分为反馈控制内环和RBR控制外环;所述反馈控制内环包括闭环实时控制器、MOSFET实时动态调节线圈电信号;所述RBR控制外环包括切换模块、评价模块、RBR控制器和控制决策矩阵模块;
步骤S2:反馈控制内环根据线圈电压icoil(k)、线圈电流ucoil(k)的反馈信号,通过闭环实时控制器计算出励磁信号,将占空比d(k+1)及其作用时间t(k+1)加载到电磁开关线圈端,输出的PWM信号至MOSFET实时动态调节线圈电信号,使线圈电压和电流稳定在参考值附近;
步骤S3:切换模块根据触头系统反馈信号(icontact、ucontact、xcontact)及电磁系统的反馈信号(icoil、ucoil)定义,切换外环控制状态;其中触头系统反馈信号icontact、ucontact、xcontact分别代表触头电流、触头电压、触头位移;其中电磁系统反馈信号icoil、ucoil分别代表线圈电流、线圈电压;
步骤S4:评价模块根据外环控制状态,设置电磁开关本次实施控制策略的控制效果,并传送至RBR控制器;
步骤S5:RBR控制器根据控制效果和预设期望目标,得到下次开关控制决策的设置;
步骤S6:控制决策矩阵模块根据下次动作控制决策的设置得到优化后的线圈电压ucoil(k+1)、线圈电流icoil(k+1)并传送至闭环实时控制器,实现期望目标的自适应控制。
进一步的,所述外环控制状态包括吸合、吸持以及分断三种状态。
进一步的,所述吸合状态的自适应控制具体为:
步骤S11:建立一个控制第i次操作的一组有限决策向量vi,vi将在电磁开关吸合操作之间进行优化修改,而不在吸合过程期间修改;
步骤S12:评价模块通过一组评价向量对第i次操作结束时的吸合效果进行评价,用θi表示评价向量;
步骤S13:在第i次吸合过程结束时,评价向量θi由电磁系统与触头系统的反馈量决定,则电磁开关吸合过程的优化问题在RBR控制的角度可表示为:
满足:
θi=P(vi)+μi (2)
S(vi,θi)≤0 (3)
T(θi)≤0 (4)
式中:η为损失函数,作用是将评价向量θi转换成损失量Ji,Ji为一个无量纲的常数,其大小可直接表征控制效果;P是决策向量和评价向量的关联函数,μi包含了第i次数据测量过程中的干扰和噪声影响;S和T是保证电磁开关能够可靠吸合的约束条件。
进一步的,所述优化决策向量vi过程中所涉及到的相关参数具体包括:
1)、决策向量矩阵M∈Rn*p:其列的取值定义了当前决策向量优化的搜索范围。同时,定义Ci∈Rn*p为第i次吸合过程的备选决策向量矩阵,则Ci可由下式计算得出:
其中:1p∈Rp是所有元素都为1的行向量,代表克罗内克积,脚注p的数值等同于决策向量vi的列数;αi为第i次吸合过程的决策向量矩阵尺度因子,可实现决策向量矩阵的缩放,更新优化方向;矩阵M由电磁开关吸合过程的决策向量vi决定,定义向量λ∈Rn代表决策向量vi中每个决策元素的特征长度,则M=[diag(λ),-diag(λ)],其中λ是方形对角矩阵diag(λ)的主对角线元素;
2)、α0,αmin,αmax分别为决策向量矩阵Ci的初始尺度因子以及最小、最大尺度因子;
3)、定义ε为尺度因子伸缩系数;RBR控制算法在迭代过程中若没有得到更优的决策向量,矩阵尺度因子α将通过乘以1/ε而收缩,反之,α直接与ε相乘得到扩展,本发明中取ε=2;
4)、v0为电磁开关首次吸合的初始决策向量;
5)、vmin,vmax为决策向量取值的上限和下限。
进一步的,所述电磁开关进行一次吸合过程的决策优化需要经历两个阶段:
(1)第一阶段在开关收到吸合指令时执行,即采用当前的决策向量完成吸合过程,并计算当前过程的损失量Ji,第一阶段吸合过程(·)将在第二阶段中被调用,括号内的向量代表本次吸合过程执行的控制决策;
(2)第二阶段为RBR算法的一系列优化指令,指令中采用运算符Colj(·)代表引用矩阵的第j列,每次迭代都会评估由备选决策向量矩阵Ci定义的一组决策向量;
(3)重新评估当前吸合过程使用的决策向量,以防止开关本体或运行工况在迭代之间发生变化,并更新RBR控制器和控制决策矩阵模块的相关参数。
本发明与现有技术相比具有以下有益效果:
1、本发明提出一种基于闭环RBR技术的电磁开关自适应控制方案,可在电磁开关的全寿命周期内实现其控制策略的在线迭代优化,使其不断逼近无(少)弹跳吸合、节能无声运行、快速无(少)电弧分断、动作时间稳定等期望目标,改变依赖离线获得的最优参量始终指导电磁开关在线时变运行的局限;
2、本发明RBR控制外环利用电磁开关动作的重复性进行迭代学习,仅通过电磁开关在线或离线I/O数据以及经过数据处理而得到的知识进行控制和优化,无需建立受控系统复杂的数学模型,不依赖于具体的本体参数,可在多种工况下应用于不同的电磁开关;
3、本发明控制方案的迭代学习过程不同于在线优化,控制决策不局限于一个最优决策向量,而是不断滚动求取当前工况下的次优解,能够及时弥补电磁开关在运行过程中由于时变、磨损、干扰等引起的不确定性,对比基于模型的控制方法,所提方案具有更高的灵活性和自适应能力。
附图说明
图1是本发明电磁开关闭环RBR控制结构框图;
图2是本发明吸合过程闭环RBR控制优化流程。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1,本发明提供一种基于闭环RBR技术的电磁开关全寿命周期自适应控制方法,包括以下步骤:
步骤S1:将电磁开关控制分为反馈控制内环和RBR控制外环;所述反馈控制内环包括闭环实时控制器、MOSFET实时动态调节线圈电信号;所述RBR控制外环包括切换模块、评价模块、RBR控制器和控制决策矩阵模块;控制方案结构框图如图1所示,以蓝色虚线为界,整体控制方案分为两个部分—反馈控制内环以及RBR控制外环。
步骤S2:反馈控制内环根据线圈电压icoil(k)、线圈电流ucoil(k)的反馈信号,通过闭环实时控制器计算出励磁信号,将占空比d(k+1)及其作用时间t(k+1)加载到电磁开关线圈端,输出的PWM信号至MOSFET实时动态调节线圈电信号,使线圈电压和电流稳定在参考值附近;
步骤S3:切换模块根据触头系统反馈信号(icontact、ucontact、xcontact)及电磁系统的反馈信号(icoil、ucoil)定义,切换外环控制状态;其中触头系统反馈信号icontact、ucontact、xcontact分别代表触头电流、触头电压、触头位移;其中电磁系统反馈信号icoil、ucoil分别代表线圈电流、线圈电压;
步骤S4:评价模块根据外环控制状态,设置电磁开关本次实施控制策略的控制效果,并传送至RBR控制器;
步骤S5:RBR控制器根据控制效果和预设期望目标,得到下次开关控制决策的设置;
步骤S6:控制决策矩阵模块根据下次动作控制决策的设置得到优化后的线圈电压ucoil(k+1)、线圈电流icoil(k+1)并传送至闭环实时控制器,实现期望目标的自适应控制。
当硬件电路或电磁开关本体出现故障时,RBR控制器将及时发出下电信号,电磁开关快速分断。根据电磁开关吸合、吸持以及分断的三种不同状态,控制方案的详细工作过程如下:
参考图2,所述吸合状态的自适应控制具体为:根据RBR的基本原理,电磁开关每次进行吸合过程的所有可控元素需要通过一组有限的决策变量来确定
步骤S11:建立一个控制第i次操作的一组有限决策向量vi,vi将在电磁开关吸合操作之间进行优化修改,而不在吸合过程期间修改;
步骤S12:评价模块通过一组评价向量对第i次操作结束时的吸合效果进行评价,用θi表示评价向量;
步骤S13:在第i次吸合过程结束时,评价向量θi由电磁系统与触头系统的反馈量决定,则电磁开关吸合过程的优化问题在RBR控制的角度可表示为:
满足:
θi=P(vi)+μi (2)
S(vi,θi)≤0 (3)
T(θi)≤0 (4)
式中:η为损失函数,作用是将评价向量θi转换成损失量Ji,Ji为一个无量纲的常数,其大小可直接表征控制效果;P是决策向量和评价向量的关联函数,μi包含了第i次数据测量过程中的干扰和噪声影响;S和T是保证电磁开关能够可靠吸合的约束条件。
本实施例中,所述优化决策向量vi过程中所涉及到的相关参数具体包括:
1)、决策向量矩阵M∈Rn*p:其列的取值定义了当前决策向量优化的搜索范围。同时,定义Ci∈Rn*p为第i次吸合过程的备选决策向量矩阵,则Ci可由下式计算得出:
其中:1p∈Rp是所有元素都为1的行向量,代表克罗内克积,脚注p的数值等同于决策向量vi的列数;αi为第i次吸合过程的决策向量矩阵尺度因子,可实现决策向量矩阵的缩放,更新优化方向;矩阵M由电磁开关吸合过程的决策向量vi决定,定义向量λ∈Rn代表决策向量vi中每个决策元素的特征长度,则M=[diag(λ),-diag(λ)],其中λ是方形对角矩阵diag(λ)的主对角线元素;
2)、α0,αmin,αmax分别为决策向量矩阵Ci的初始尺度因子以及最小、最大尺度因子;
3)、定义ε为尺度因子伸缩系数;RBR控制算法在迭代过程中若没有得到更优的决策向量,矩阵尺度因子α将通过乘以1/ε而收缩,反之,α直接与ε相乘得到扩展,本发明中取ε=2;
4)、v0为电磁开关首次吸合的初始决策向量;
5)、vmin,vmax为决策向量取值的上限和下限。
如图2所示,所述电磁开关进行一次吸合过程的决策优化需要经历两个阶段:
(1)第一阶段在开关收到吸合指令时执行,即采用当前的决策向量完成吸合过程,并计算当前过程的损失量Ji,第一阶段吸合过程(·)将在第二阶段中被调用,括号内的向量代表本次吸合过程执行的控制决策;
(2)第二阶段为RBR算法的一系列优化指令,指令中采用运算符Colj(·)代表引用矩阵的第j列,每次迭代都会评估由备选决策向量矩阵Ci定义的一组决策向量;
(3)重新评估当前吸合过程使用的决策向量,以防止开关本体或运行工况在迭代之间发生变化,并更新RBR控制器和控制决策矩阵模块相关参数。
吸持阶段:吸持阶段控制策略的优化过程同吸合过程。RBR控制外环切换机制的存在,使得电磁开关在吸合、吸持、分断三个状态下的迭代优化互不影响,因此图2的控制流程同样适用于吸持阶段。但是:在吸合或分断过程,优化周期是以电磁开关通断电路次数为单位的,开关完成p+1次通断过程,则吸合或分断过程的闭环RBR控制算法即迭代优化一次。在吸持阶段则不同,吸持过程中,电磁系统处于恒流或恒压状态,期望目标为:吸持噪声和能耗的最小化,控制策略需要在每个PWM周期不断优化占空比输出,降低线圈电流(电压)谐波分量,因此吸持阶段的优化周期是以控制MOS管的PWM周期为单位的,闭环实时控制器输出p+1个占空比,吸持阶段的闭环RBR控制算法即迭代优化一次。
分断过程:如前所述,分断过程的优化流程与图2相同。RBR控制外环根据触头系统反馈的分断动作时间偏差以及电弧能量大小决定控制决策vi的优化方向,实时调整线圈下电时刻及分断动作时间。迭代优化的周期与吸合过程相同,需要经历p+1次分断过程。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (5)
1.一种基于闭环RBR技术的电磁开关全寿命周期自适应控制方法,其特征在于,包括以下步骤:
步骤S1:将电磁开关控制分为反馈控制内环和RBR控制外环;所述反馈控制内环包括闭环实时控制器、MOSFET实时动态调节线圈电信号;所述RBR控制外环包括切换模块、评价模块、RBR控制器和控制决策矩阵模块;所述RBR为Run-by-Run学习控制算法;
步骤S2:反馈控制内环根据线圈电压ucoil(k)、线圈电流icoil(k)的反馈信号,通过闭环实时控制器计算出励磁信号,将占空比d(k+1)及其作用时间t(k+1)加载到电磁开关线圈端,输出的PWM信号至MOSFET实时动态调节线圈电信号,使线圈电压和电流稳定在参考值附近;
步骤S3:切换模块根据触头系统反馈信号icontact、ucontact、xcontact,及电磁系统的反馈信号icoil、ucoil定义,切换外环控制状态;
步骤S4:评价模块根据外环控制状态,设置电磁开关本次实施控制策略的控制效果,并传送至RBR控制器;
步骤S5:RBR控制器根据控制效果和预设期望目标,得到下次开关控制决策的设置;
步骤S6:控制决策矩阵模块根据下次动作控制决策的设置得到优化后的线圈电压ucoil(k+1)、线圈电流icoil(k+1)并传送至闭环实时控制器,实现期望目标的自适应控制。
2.根据权利要求1所述的基于闭环RBR技术的电磁开关全寿命周期自适应控制方法,其特征在于:所述外环控制状态包括吸合、吸持以及分断三种状态。
3.根据权利要求2所述的基于闭环RBR技术的电磁开关全寿命周期自适应控制方法,其特征在于:所述吸合状态的自适应控制具体为:
步骤S11:建立一个控制第i次操作的一组优先决策向量vi,vi将在电磁开关吸合操作之间进行优化修改,而不在吸合过程期间修改;
步骤S12:评价模块通过一组评价向量对第i次操作结束时的吸合效果进行评价,用θi表示评价向量;
步骤S13:在第i次吸合过程结束时,评价向量θi由电磁系统与触头系统的反馈量决定,则电磁开关吸合过程的优化问题在RBR控制的角度可表示为:
满足:
θi=P(vi)+μi (2)
S(vi,θi)≤0 (3)
T(θi)≤0 (4)
式中:η为损失函数,作用是将评价向量θi转换成损失量Ji,Ji为一个无量纲的常数,其大小可直接表征控制效果;P是决策向量和评价向量的关联函数,μi包含了第i次数据测量过程中的干扰和噪声影响;S和T是保证电磁开关能够可靠吸合的约束条件。
4.根据权利要求3所述的基于闭环RBR技术的电磁开关全寿命周期自适应控制方法,其特征在于:所述优化决策向量vi过程中所涉及到的相关参数具体包括:
1)、决策向量矩阵M∈Rn*p:其列的取值定义了当前决策向量优化的搜索范围;同时,定义Ci∈Rn*p为第i次吸合过程的备选决策向量矩阵,则Ci可由下式计算得出
其中:1p∈Rp是所有元素都为1的行向量,代表克罗内克积,脚注p的数值等同于决策向量vi的列数;αi为第i次吸合过程的决策向量矩阵尺度因子,可实现决策向量矩阵的缩放,更新优化方向;矩阵M由电磁开关吸合过程的决策向量vi决定,定义向量λ∈Rn代表决策向量vi中每个决策元素的特征长度,则M=[diag(λ),-diag(λ)],其中λ是方形对角矩阵diag(λ)的主对角线元素;
2)、定义α0,αmin,αmax分别为决策向量矩阵Ci的初始尺度因子以及最小、最大尺度因子;
3)、定义ε为尺度因子伸缩系数;RBR控制算法在迭代过程中若没有得到更优的决策向量,矩阵尺度因子α将通过乘以1/ε而收缩,反之,α直接与ε相乘得到扩展;
4)、定义v0为电磁开关首次吸合的初始决策向量;
5)、定义vmin,vmax为决策向量取值的上限和下限。
5.根据权利要求3所述的基于闭环RBR技术的电磁开关全寿命周期自适应控制方法,其特征在于:所述电磁开关进行一次吸合过程的决策优化需要经历两个阶段:
(1)第一阶段在开关收到吸合指令时执行,即采用当前的决策向量完成吸合过程,并计算当前过程的损失量Ji,第一阶段吸合过程(·)将在第二阶段中被调用,括号内的向量代表本次吸合过程执行的控制决策;
(2)第二阶段为RBR算法的一系列优化指令,指令中采用运算符Colj(·)代表引用矩阵的第j列,每次迭代都会评估由备选决策向量矩阵Ci定义的一组决策向量;
其中Ci∈Rn*p为第i次吸合过程的备选决策向量矩阵,则Ci可由下式计算得出
其中:1p∈Rp是所有元素都为1的行向量,代表克罗内克积,脚注p的数值等同于决策向量vi的列数;αi为第i次吸合过程的决策向量矩阵尺度因子,可实现决策向量矩阵的缩放,更新优化方向;矩阵M由电磁开关吸合过程的决策向量vi决定,定义向量λ∈Rn代表决策向量vi中每个决策元素的特征长度,则M=[diag(λ),-diag(λ)],其中λ是方形对角矩阵diag(λ)的主对角线元素;
(3)重新评估当前吸合过程使用的决策向量,以防止开关本体或运行工况在迭代之间发生变化,并更新RBR控制器和控制决策矩阵模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910114357.5A CN109597300B (zh) | 2019-02-14 | 2019-02-14 | 基于闭环rbr技术的电磁开关全寿命周期自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910114357.5A CN109597300B (zh) | 2019-02-14 | 2019-02-14 | 基于闭环rbr技术的电磁开关全寿命周期自适应控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109597300A CN109597300A (zh) | 2019-04-09 |
CN109597300B true CN109597300B (zh) | 2021-07-27 |
Family
ID=65967300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910114357.5A Active CN109597300B (zh) | 2019-02-14 | 2019-02-14 | 基于闭环rbr技术的电磁开关全寿命周期自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109597300B (zh) |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2440259Y (zh) * | 1999-12-25 | 2001-07-25 | 福州大学 | 柔性电力电子控制与保护开关组件 |
CN103077268B (zh) * | 2012-12-27 | 2015-08-19 | 天津大学 | 面向电力系统电磁暂态仿真的状态空间自动建模方法 |
CN103700545B (zh) * | 2013-12-09 | 2016-02-24 | 乐山东风汽车电器有限公司 | 一种触头自适应的电磁开关 |
CN203644676U (zh) * | 2013-12-09 | 2014-06-11 | 乐山东风汽车电器有限公司 | 一种用于触头自适应电磁开关的静触盘组成 |
CN104952667B (zh) * | 2015-07-21 | 2017-06-06 | 福州大学 | 一种适用于低电压供电系统的电磁开关智能控制装置 |
CN205943942U (zh) * | 2016-08-05 | 2017-02-08 | 江苏特力威信息系统有限公司 | 自适应过零通断控制装置 |
CN106849372B (zh) * | 2017-03-11 | 2019-03-22 | 重庆大学 | 基于双侧f-lclc谐振网络的ecpt系统及其参数设计方法 |
CN108075710B (zh) * | 2017-04-19 | 2020-08-25 | 烟台仙崴机电有限公司 | 一种开关磁阻电机相间短路故障建模、诊断及容错控制方法 |
CN108107736B (zh) * | 2017-12-27 | 2021-01-29 | 福州大学 | 一种单极开关分断时间反馈自校正控制方法 |
-
2019
- 2019-02-14 CN CN201910114357.5A patent/CN109597300B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109597300A (zh) | 2019-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110048606B (zh) | 基于区间二型自适应模糊神经网络的dc-dc升压变换器动态滑模电压控制方法 | |
CN110262582A (zh) | 一种基于改进rbf神经网络的高温高压卷染机温度控制方法 | |
CN110488759A (zh) | 一种基于Actor-Critic算法的数控机床进给控制补偿方法 | |
Kazemian | Comparative study of a learning fuzzy PID controller and a self-tuning controller | |
Li et al. | Design of an enhanced hybrid fuzzy P+ ID controller for a mechanical manipulator | |
Lin et al. | Design and research of DC motor speed control system based on improved BAS | |
CN110190753A (zh) | 一种直流变换器状态反馈模型预测控制方法 | |
CN109597300B (zh) | 基于闭环rbr技术的电磁开关全寿命周期自适应控制方法 | |
Shamseldin et al. | A novel self-tuning fractional order PID control based on optimal model reference adaptive system | |
Shamseldin et al. | A new model reference self-tuning fractional order PD control for one stage servomechanism system | |
Zandi et al. | Voltage control of DC–DC converters through direct control of power switches using reinforcement learning | |
CN110085479A (zh) | 基于模糊逻辑的接触器刚合速度逐次闭环自校正控制方法 | |
JP2002049401A (ja) | 制御装置および制御方法 | |
CN109212972B (zh) | 间歇过程的受限滚动时域混杂2d跟踪控制方法 | |
Saravanakumar et al. | Tuning of multivariable decentralized PID controller using state transition algorithm | |
Abed et al. | DC/DC converter control using suggested artificial intelligent controllers | |
CN109688652B (zh) | 一种基于双层结构模型预测控制的微波高温反应器温度精确控制的方法 | |
Dupont et al. | Multiple controllers for boost converters under large load range: A GA and fuzzy logic based approach | |
Kukolj et al. | Design of a near-optimal, wide-range fuzzy logic controller | |
Facundo et al. | Adaptive control with sliding mode on a double fuzzy rule emulated network structure | |
CN106610588B (zh) | 一种串级预测控制系统及方法 | |
Basinski et al. | Particle swarm based repetitive spline compensator for servo drives | |
Wang et al. | Adaptive control strategy of intelligent electromagnetic contactor based on data-driven | |
Chuong et al. | Fractional pi control for coupled-tank mimo system | |
CN111061155A (zh) | 一种基于遗传算法优化的间歇过程2d模型预测控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |