CN109828451B - 电动汽车用飞轮电池四自由度磁轴承控制器的构造方法 - Google Patents
电动汽车用飞轮电池四自由度磁轴承控制器的构造方法 Download PDFInfo
- Publication number
- CN109828451B CN109828451B CN201910025437.3A CN201910025437A CN109828451B CN 109828451 B CN109828451 B CN 109828451B CN 201910025437 A CN201910025437 A CN 201910025437A CN 109828451 B CN109828451 B CN 109828451B
- Authority
- CN
- China
- Prior art keywords
- controller
- magnetic bearing
- current
- degree
- output
- 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
Landscapes
- Magnetic Bearings And Hydrostatic Bearings (AREA)
Abstract
本发明公开一种电动汽车用飞轮电池四自由度磁轴承控制器的构造方法,采用控制器参数优化模块通过灰狼优化算法获得最优控制器增益矩阵,构造负载补偿控制器和状态反馈控制器,将负载补偿控制器和状态反馈控制器输出的电流相结合,构成限流控制器的第一部分输入,将离散化电流的当前时刻和上一时刻的值作为限流控制器的第二部分输入,将状态反馈控制器、负载补偿控制器、控制器参数优化模块、限流控制器共同构成飞轮电池四自由度磁轴承控制器,取代了四个单维控制器,提升磁轴承工作稳定性,提高系统的动态性能和抗干扰性,能够有效提高供给磁轴承的最大电流,缩短调节时间。
Description
技术领域
本发明属于特种电力传动控制设备的技术领域,是一种基于状态反馈控制的飞轮电池用四自由度磁轴承抗干扰控制器的构造方法,适用于电动汽车飞轮电池领域四自由度磁轴机的智能抗干扰控制。
背景技术
目前,化学电池是应用最广泛的储能电池,其将电能转变为化学能储存后转化为电能输出;其优点是价格低,技术成熟,但污染相对严重,效率低,且充电时间长,供电时间短,更关键的是无法根据实际应用需求控制电能。超导电池是另一种应用较多的电池,它将电能通过超导线圈储存在磁场中,由于超导状态下的线圈零电阻特性,故能量损耗极小而效率高,且无环境污染,但超导状态必须通过极低的温度下实现,需额外的大量能量来维持线圈工作温度,且维持装置结构大,难以小型化。
飞轮电池又称为机电电池,是一种纯机电的储能装置。飞轮电池是以动能的形式将能量储存起来,以电能的形式输出供人们使用。与其它的储能电池相比,飞轮电池储能具有储能密度大、充放电速度快、瞬时功率大、能量转化效率高、使用寿命长以及无污染,对温度的变化不敏感等诸多优势。
磁轴承是利用可控电磁力将转轴悬浮起来,其本质是不稳定的,这就需要采取控制方法来保证它的稳定运行。因此磁轴承控制技术直接决定整个系统的稳定性。设计性能良好的支承控制系统,磁轴承飞轮电池储能系统稳定工作的前提。传统的磁轴承控制方法主要是针对磁轴承的各个自由度采用分散的PID控制。然而,磁悬浮飞轮电池的飞轮圆盘体积大,重量重,惯性大,这样对整个转子系统的稳定性和动态特性的影响也更大;且系统的多个输入和输出之间存在着耦合,导致各自由度动力学方程互相耦合,陀螺效应明显。常规的PID控制很难满足其要求。
中国专利申请号为201610553116.7、名称为“一种飞轮电池用轴向磁轴承抗干扰控制器的构造方法”文献中公开是利用神经网络逼近磁轴承系统的不确定扰动并以此构建抗干扰控制器,其控制目标仅限于单一自由度,实际应用中需将多个控制器构成复合控制器,增加了控制器的复杂程度。
中国专利申请号为201810157245.3、名称为“基于马尔可夫跳变理论的飞轮电池磁轴承系统的控制方法”文献中公开是基于马尔可夫跳变理论,由磁轴承的数学模型经过计算确定控制器参数,该方法计算过程较为繁琐,并对磁轴承参数精度依赖较高,且没有对控制电流的算法约束,容易造成控制器饱和影响磁轴承系统的动态特性。
发明内容
本发明的目的是针对飞轮电池用磁轴承系统现有控制方法的缺陷,提供一种能有效抑制磁轴承系统陀螺效应、提升磁轴承系统动态特性特别是抗干扰鲁棒性能的飞轮电池用四自由度磁轴承抗干扰智能控制器的构造方法。
本发明采用的技术方案是采用如下步骤:其特征是包括以下步骤:
步骤1:构造以电流ixa、ixb、iya、iyb为输入,以四自由度位移xa、xb、ya、yb为输出的飞轮电池四自由度磁轴承系统;
步骤2:采用控制器参数优化模块获得最优控制器增益矩阵Kbest,控制器参数优化模块的输入为离散化位移Xn、参考位置Xref以及离散化电流In的当前时刻和上一时刻的值,其输出为最优控制器增益矩阵Kbest;In是ixa、ixb、iya、iyb的离散化数据,Xn是位移xa、xb、ya、yb的离散化数据;
步骤3:构造负载补偿控制器和状态反馈控制器,以离散化位移Xn、负载F作为负载补偿控制器的输入,以电流为输出;状态反馈控制器以最优控制器增益矩阵Kbest、参考位置Xref和离散化位移Xn为输入,以电流为输出,
步骤4:将负载补偿控制器和状态反馈控制器输出的电流相结合,构成限流控制器的第一部分输入,将离散化电流In的当前时刻和上一时刻的值作为限流控制器的第二部分输入,限流控制器的输出是电流ixa、ixb、iya、iyb;
步骤5:将状态反馈控制器、负载补偿控制器、控制器参数优化模块、限流控制器共同构成飞轮电池四自由度磁轴承控制器。
进一步地,步骤2中采用控制器参数优化模块获得最优控制器增益矩阵Kbest的方法步骤是:
步骤一:控制器参数优化模块(3)随机生成N组权重矩阵Q和R;
步骤二:由权重矩阵Q和R计算出增益矩阵;
步骤三:将增益矩阵输出给状态反馈控制器(23);
步骤四:驱动磁轴承系统,得到当前的离散化位移Xn和电流In,n代表采样时刻;
步骤五:计算当前权重矩阵的适应度值F:
步骤六:确定本次迭代中N组权重矩阵中适应度最好的三组权重矩阵;
步骤七:根据三组权重矩阵,利用灰狼优化算法更新所有权重矩阵,输出下一次迭代中的权重矩阵;
步骤八:计算出下一次迭代中的增益矩阵;
步骤九:重复步骤三至步骤八直至到达最大迭代次数;
步骤十:达到最大迭代次数后由适应度最好的权重矩阵确定出最优控制器增益矩阵Kbest。
本发明采用上述技术方案后的有益效果是:
1、本发明通过构建一个四自由度的状态反馈控制器取代了四个单维控制器,大大简化了控制器结构,降低了控制器成本。
2、不需额外的交叉耦合控制器即可有效抑制陀螺效应,提升了的磁轴承工作稳定性。
3、构建了负载补偿控制器提高了系统的动态性能和抗干扰性。
4、通过灰狼优化算法来获得状态反馈控制器的全局最优参数,在提升控制器效果的同时减少了参数调整的工作量。
5、本发明采用了一种新型的、结合当前磁轴承运行状况的动态电流约束处理方式进一步提升了磁轴承控制器的调节能力。与传统的固定电流限幅方式相比,本发明采用的方式在保证磁轴承安全运行的前提下,能够有效提高供给磁轴承的最大电流,缩短调节时间。
6、该控制器所需控制变量和输入变量均为可测、易测变量,且该控制器的控制算法只需通过模块化软件编程实现,并不需要增加额外的仪器设备,有利于工程实现。
附图说明
图1是由差动输出模块11、占空比计算模块12、PWM调制模块13、光电隔离模块14、全桥换能电路15、磁轴承16以及位置传感器模块17作为一个整体组成的磁轴承系统1;
图2是控制器参数优化模块3的参数优化方法流程图;
图3是将控制器参数优化模块3与状态反馈控制器23串联,将负载补偿控制器22、状态反馈控制器23并联之后与限流控制器24串联组成的高性能控制器对磁轴承系统1进行控制的结构框图。
图中:1.磁轴承系统;2.抗干扰智能控制器;3.控制器参数优化模块;11.差动输出模块;12.占空比计算模块;13.PWM调制模块;14.光电隔离模块;15.全桥换能电路;16.磁轴承;17.位置传感器模块;21.位置给定模块;22.负载补偿控制器;23.状态反馈控制器;24.限流控制器;25.负载转矩。
具体实施方式
本发明具体的实施分为以下8个步骤:
步骤1:将差动输出模块11、占空比计算模块12、PWM调制模块13、光电隔离模块14、全桥换能电路15、磁轴承16以及位置传感器模块17依次串接作为一个整体组成飞轮电池四自由度磁轴承系统1。该磁轴承系统1以电流ixa、ixb、iya、iyb为输入,以四自由度位移xa、xb、ya、yb为输出。差动输出模块11的输入为电流ixa、ixb、iya、iyb,输出为±I。该输出±I作为占空比计算模块12的输入,占空比计算模块12输出为占空比信号Ta。该占空比信号Ta作为PWM调制模块13的输入,其输出为开关脉冲信号0和1(0代表关闭,1为开通),该开关脉冲信号经光电隔离模块14后输出给全能换桥电路15,全能换桥电路15输出驱动电流给磁轴承16。位置传感器17检测出磁轴承16的四自由度位移信号作为磁轴承系统地输出。
步骤2:建立磁轴承系统1的数学模型。通过分析、等效与推导,建立磁轴承系统1的空间状态数学模型为:
式中:I=[ixa ixb iya iyb]T,Y=[xa xbya yb]T,分别为磁轴承系统1的状态向量、控制向量和输出向量,取磁轴承上下径向的x、y方向的位移以及各个位移的微分为系统的状态变量,控制向量为磁轴承系统上下径向x、y轴的电流。以磁轴承上下径向x、y方向的位移为输出向量。A为8×8系统矩阵,B为8×4输入系数矩阵,C为8×8输出矩阵:
其中:E4为4×4的单位矩阵,04为4×4的零矩阵。
步骤3:构造磁轴承系统1的高性能控制器解析表达式,考虑磁轴承系统1的负载突变、参数时变等不确定性扰动特性,可以得到磁轴承系统1的高性能控制器的输出I为:
I=I1+I2 (1-2)
式中I1、I2分别为负载补偿控制器22、状态反馈控制器23的输出,参见图3。
负载补偿控制器22的输出是:
式中:kxa、kxb、kya、kyb分别为磁轴承在上下径向x、y方向的电流系数,kxa=1.87,kxb=1.45,kya=1.2,kyb=1.5。Fxa、Fxb、Fya、Fyb分别为磁轴承在上下径向x、y方向的负载,取决于磁轴承的工作状态。I1a、I1b分别为负载补偿控制器22的输出在上径和下径的分量。
状态反馈控制器23的输出是:
式中:I2a、I2b为状态反馈控制器23的输出在上径和下径的分量。K为4×8的状态反馈控制器23的增益矩阵,其值直接影响系统的响应特性。在线性二次型最优理论中,选取的控制器的增益矩阵K应使下式最小:
式中的第一部分代表控制器的跟踪性能,第二部分代表控制能量,Q和R为权重矩阵,代表控制性能和能量损耗的相对重要性,其值对抗干扰智能控制器的表现有直接影响。
增益矩阵K可由下式求出:
K=lqr(A,B,Q,R) (1-6)
lqr()为线性二次型最优函数。
步骤4:如图2,利用控制器参数优化模块3来获得能使系统达到全局最优的状态反馈控制器23的增益矩阵。控制器参数优化模块3的外部输入为磁轴承系统1输出的离散化的位移Xn、位置给定模块21输出的参考位置Xref以及磁轴承系统1输入的离散化电流In在当前时刻和上一时刻的值;输出为赋值给状态反馈控制器23的最优控制器增益矩阵Kbest。离散化电流In是ixa、ixb、iya、iyb的离散化数据,离散化位移Xn是位移xa、xb、ya、yb的离散化数据。
控制器参数优化模块3的参数优化分为以下十个步骤:
步骤一:初始化权重矩阵,随机生成N组权重矩阵Q和R,记为[QR]0,[QR]i表示第i次迭代过程中的权重矩阵Q和R,N=30。
步骤二:由权重矩阵Q和R根据公式(1-6)计算出状态反馈控制器23系数:即增益矩阵K。
步骤三:将上一步得到的增益矩阵K输出给状态反馈控制器23。
步骤四:驱动磁轴承系统1,得到在当前状态反馈控制器23系数下离散的位移输出Xn和电流In,n代表采样时刻。
步骤五:利用公式(1-7)计算当前权重矩阵的适应度值F:
式中:w1、w2为权值,w1=10,w2=1。ΔI(n)=I(n)-I(n-1)为电流波动值。eX为系统输出位移与参考位移的误差。n代表采样时刻,Ts为采样时间。
步骤六:确定本次迭代中N组权重矩阵中适应度最好的三组,记为[QR]i 1,[QR]i 2,[QR]i 3。
步骤七:根据三组权重矩阵[QR]i 1,[QR]i 2,[QR]i 3,利用灰狼优化算法更新所有权重矩阵,输出下一次迭代中的权重矩阵[QR]i+1。此步骤利用灰狼优化算法来逼近全局最优的状态反馈控制器,有效地解决了状态反馈控制中增益矩阵的选择难题。
步骤八:根据公式(1-6),即K=lqr(A,B,Q,R),由[QR]i+1计算在下一次迭代中的增益矩阵Ki+1。第i次迭代过程中的增益矩阵是Ki。
步骤九:重复步骤三至步骤八直至到达最大迭代次数Imax,,Imax=10。
步骤十:达到最大迭代次数后由适应度最好的权重矩阵[QR]Imax 1确定出最优控制器增益矩阵Kbest。
步骤5:利用公式(1-3)构建负载补偿控制器22。将磁轴承系统1输出的位移Xn、负载转矩25输出的负载F作为负载补偿控制器22的输入,其输出为电流I1a、I1b。
步骤6:利用公式(1-4)构建状态反馈控制器23。将步骤4最终得到的最优控制器增益矩阵Kbest输出给状态反馈控制器23:状态反馈控制器23以位置给定模块21输出的参考位置Xref、磁轴承系统1输出的位移Xn为输入,输出为电流I2a、I2b。
步骤7:为在保证磁轴承系统安全运行的前提下提高某些情况下(如受到单方向扰动)控制器的调节能力。本发明摒弃了传统固定电流限幅的方法,采用了一种新型的、结合当前系统运行状况的约束处理方式,该方式能有效提高磁轴承单侧最大控制电流。将负载补偿控制器22和状态反馈控制器23输出的控制电流相结合,构成限流控制器24的第一部分输入:
Ia *为负载补偿控制器22和状态反馈控制器23这两个控制器在上径向的输出电流之和Ib *为两个控制器在下径向的输出电流之和。
同时,将磁轴承系统1的当前时刻输入的电流与上一时刻输入的电流作为限流控制器24的第二部分输入,电流的离散表达式为:
I(n+1)=I(n)+Ts*ΔI(n) (1-8)
式中,Ts为离散采样时间。I(n)为n时刻控制器输出电流矢量。
为保证磁轴承安全运行,对于磁轴承单个径向控制器:
[ix(n+1)]2+[iy(n+1)]2≤IN 2 (1-9)
其中IN为磁轴承额定电流。
结合式(1-8)和式(1-9),可得x轴电流的约束条件为:
同理,y轴电流约束条件为:
由公式(1-10)、(1-11)即可构建限流控制器24。限流控制器24的输出为电流In,作为磁轴承系统1的输入。
步骤8:在此基础上,如图3所示,将控制器参数优化模块3与状态反馈控制器23串联,将负载补偿控制器22、状态反馈控制器23并联之后与限流控制器24串联共同构成磁轴承系统高性能抗干扰智能控制器2,即飞轮电池四自由度磁轴承控制器。该控制器以位置给定模块21产生的参考位置Xref、磁轴承系统1输出的实际四自由度位移Xn和负载Tl为输入,以控制电流In为输出,从而实现对磁轴承系统的高性能鲁棒控制。
Claims (6)
1.一种电动汽车用飞轮电池四自由度磁轴承控制器的构造方法,其特征是包括以下步骤:
步骤1:构造以电流ixa、ixb、iya、iyb为输入,以四自由度位移xa、xb、ya、yb为输出的飞轮电池四自由度磁轴承系统;
步骤2:采用控制器参数优化模块(3)获得最优控制器增益矩阵Kbest,控制器参数优化模块(3)的输入为离散化位移Xn、参考位置Xref以及离散化电流In的当前时刻和上一时刻的值,其输出为最优控制器增益矩阵Kbest;In是ixa、ixb、iya、iyb的离散化数据,Xn是位移xa、xb、ya、yb的离散化数据;
步骤3:构造负载补偿控制器(22)和状态反馈控制器(23),以离散化位移Xn、负载F作为负载补偿控制器(22)的输入,以电流为输出;状态反馈控制器(23)以最优控制器增益矩阵Kbest、参考位置Xref和离散化位移Xn为输入,以电流为输出,
步骤4:将负载补偿控制器(22)和状态反馈控制器(23)输出的电流相结合,构成限流控制器(24)的第一部分输入,将离散化电流In的当前时刻和上一时刻的值作为限流控制器(24)的第二部分输入,限流控制器(24)的输出是电流ixa、ixb、iya、iyb;
步骤5:将状态反馈控制器(23)、负载补偿控制器(22)、控制器参数优化模块(3)、限流控制器(24)共同构成飞轮电池四自由度磁轴承控制器。
2.根据权利要求1所述的电动汽车用飞轮电池四自由度磁轴承控制器的构造方法,其特征是:步骤2中采用控制器参数优化模块(3)获得最优控制器增益矩阵Kbest的方法步骤是:
步骤一:控制器参数优化模块(3)随机生成N组权重矩阵Q和R;
步骤二:由权重矩阵Q和R计算出增益矩阵;
步骤三:将增益矩阵输出给状态反馈控制器(23);
步骤四:驱动磁轴承系统,得到当前的离散化位移Xn和电流In,n代表采样时刻;
步骤五:计算当前权重矩阵的适应度值F:
步骤六:确定本次迭代中N组权重矩阵中适应度最好的三组权重矩阵;
步骤七:根据三组权重矩阵,利用灰狼优化算法更新所有权重矩阵,输出下一次迭代中的权重矩阵;
步骤八:计算出下一次迭代中的增益矩阵;
步骤九:重复步骤三至步骤八直至到达最大迭代次数;
步骤十:达到最大迭代次数后由适应度最好的权重矩阵确定出最优控制器增益矩阵Kbest。
4.根据权利要求2所述的电动汽车用飞轮电池四自由度磁轴承控制器的构造方法,其特征是:步骤八中,根据式K=lqr(A,B,Q,R)计算在下一次迭代中的增益矩阵,A为8×8系统矩阵,B为8×4输入系数矩阵,lqr()为线性二次型最优函数。
6.根据权利要求1所述的电动汽车用飞轮电池四自由度磁轴承控制器的构造方法,其特征是:步骤1中,将差动输出模块(11)、占空比计算模块(12)、PWM调制模块(13)、光电隔离模块(14)、全桥换能电路(15)、磁轴承(16)以及位置传感器模块(17)依次串接作为一个整体组成飞轮电池四自由度磁轴承系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910025437.3A CN109828451B (zh) | 2019-01-11 | 2019-01-11 | 电动汽车用飞轮电池四自由度磁轴承控制器的构造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910025437.3A CN109828451B (zh) | 2019-01-11 | 2019-01-11 | 电动汽车用飞轮电池四自由度磁轴承控制器的构造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109828451A CN109828451A (zh) | 2019-05-31 |
CN109828451B true CN109828451B (zh) | 2021-11-23 |
Family
ID=66860866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910025437.3A Active CN109828451B (zh) | 2019-01-11 | 2019-01-11 | 电动汽车用飞轮电池四自由度磁轴承控制器的构造方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109828451B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111061153B (zh) * | 2019-12-24 | 2022-09-16 | 江苏大学 | 一种电动汽车飞轮电池磁轴承系统多模型位移鲁棒控制器 |
CN112737442B (zh) * | 2020-12-28 | 2022-04-26 | 江苏大学 | 一种电动汽车eps用永磁电机复合控制器的构造方法 |
CN113267998B (zh) * | 2021-03-19 | 2024-02-02 | 北京航空航天大学 | 一种用于原子陀螺温控系统的高精度建模和控制方法 |
CN115616921B (zh) * | 2022-12-19 | 2023-03-10 | 中国人民解放军国防科技大学 | 一种电磁悬浮系统的增量式控制方法、装置以及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2065138A1 (en) * | 1992-04-03 | 1993-10-04 | Theodor Bardas | Magnetic bearing controller with signal injection and extraction |
CN101488031A (zh) * | 2009-02-16 | 2009-07-22 | 北京航空航天大学 | 一种基于干扰观测器的高精度磁轴承轴向控制方法 |
CN103076740A (zh) * | 2012-12-18 | 2013-05-01 | 江苏大学 | 交流磁悬浮电主轴控制器的构造方法 |
CN106019945A (zh) * | 2016-07-14 | 2016-10-12 | 江苏大学 | 一种飞轮电池用轴向磁轴承抗干扰控制器的构造方法 |
CN206818778U (zh) * | 2017-05-03 | 2017-12-29 | 长春捷翼汽车零部件有限公司 | 智能型高可靠性电动汽车缆上控制与保护装置 |
CN107656437A (zh) * | 2017-08-14 | 2018-02-02 | 南京航空航天大学 | 基于扰动观测器的磁悬浮转子系统不匹配扰动的控制方法 |
CN107946673A (zh) * | 2017-12-01 | 2018-04-20 | 深圳名飞远科技有限公司 | 一种高鲁棒性的车用动力电池管理系统及其管理方法 |
CN108415253A (zh) * | 2018-02-24 | 2018-08-17 | 南京工业大学 | 基于马尔可夫跳变理论的飞轮电池磁轴承系统的控制方法 |
CN108984815A (zh) * | 2018-04-20 | 2018-12-11 | 江苏大学 | 基于工况的车载飞轮电池径向悬浮支承系统的控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140303779A1 (en) * | 2013-04-05 | 2014-10-09 | Solar Turbines Incorporated | Control system for magnetic bearings in a centrifugal gas compressor |
-
2019
- 2019-01-11 CN CN201910025437.3A patent/CN109828451B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2065138A1 (en) * | 1992-04-03 | 1993-10-04 | Theodor Bardas | Magnetic bearing controller with signal injection and extraction |
CN101488031A (zh) * | 2009-02-16 | 2009-07-22 | 北京航空航天大学 | 一种基于干扰观测器的高精度磁轴承轴向控制方法 |
CN103076740A (zh) * | 2012-12-18 | 2013-05-01 | 江苏大学 | 交流磁悬浮电主轴控制器的构造方法 |
CN106019945A (zh) * | 2016-07-14 | 2016-10-12 | 江苏大学 | 一种飞轮电池用轴向磁轴承抗干扰控制器的构造方法 |
CN206818778U (zh) * | 2017-05-03 | 2017-12-29 | 长春捷翼汽车零部件有限公司 | 智能型高可靠性电动汽车缆上控制与保护装置 |
CN107656437A (zh) * | 2017-08-14 | 2018-02-02 | 南京航空航天大学 | 基于扰动观测器的磁悬浮转子系统不匹配扰动的控制方法 |
CN107946673A (zh) * | 2017-12-01 | 2018-04-20 | 深圳名飞远科技有限公司 | 一种高鲁棒性的车用动力电池管理系统及其管理方法 |
CN108415253A (zh) * | 2018-02-24 | 2018-08-17 | 南京工业大学 | 基于马尔可夫跳变理论的飞轮电池磁轴承系统的控制方法 |
CN108984815A (zh) * | 2018-04-20 | 2018-12-11 | 江苏大学 | 基于工况的车载飞轮电池径向悬浮支承系统的控制方法 |
Non-Patent Citations (4)
Title |
---|
"Improving Operational Performance of Active Magnetic Bearings Using Kalman Filter and State Feedback Control";Thomas Schuhmann等;《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》;20120301;第59卷(第2期);全文 * |
"主动磁悬浮轴承控制系统的研究";吕冬明等;《轴承》;20081231;全文 * |
"交叉反馈控制在主动磁轴承中的应用研究";禹春敏等;《计算机仿真》;20160831;第33卷(第8期);全文 * |
"基于模糊动态模型的半主动悬架控制系统设计及稳定性分析";陈龙等;《机械工程学报》;20080301;第44卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109828451A (zh) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109828451B (zh) | 电动汽车用飞轮电池四自由度磁轴承控制器的构造方法 | |
CN109787531B (zh) | 一种开关磁阻轮毂电机预测控制方法 | |
CN102437802A (zh) | 一种轻型高精度微小飞轮数字控制系统 | |
Qiang et al. | PMSM servo control system design based on fuzzy PID | |
CN109698655B (zh) | 一种eps用交流电机智能复合控制器的构造方法 | |
Gdaim et al. | Direct torque control of induction machine based on intelligent techniques | |
CN108846201B (zh) | 轴向分相磁悬浮飞轮转子陀螺效应抑制方法 | |
CN109067275A (zh) | 一种基于解耦自适应滑模的永磁直线电机混沌控制方法 | |
Li et al. | Design approach of weighting matrices for LQR based on multi-objective evolution algorithm | |
CN113283090B (zh) | 基于蜂群算法的飞机舵机电动伺服系统摩擦补偿方法 | |
Mustafa et al. | Design of a predictive PID controller using particle swarm optimization | |
Vinida et al. | Implementation of speed control of sensorless brushless DC motor drive using H-infinity controller with optimized weight filters | |
CN201928221U (zh) | 一种无轴承同步磁阻电机神经网络广义逆解耦控制器 | |
CN115085609B (zh) | 一种单绕组磁悬浮电机滑模系统控制方法 | |
CN112242804B (zh) | 步进式电-机械转换器的自抗扰同步跟踪控制方法 | |
Yijun et al. | Simulation and optimization of electro-hydraulic position servo system based on the AMESim/Matlab | |
Lin et al. | A PID neural network control for permanent magnet synchronous motor servo system | |
Li et al. | Brushless DC Motor control strategy for electric vehicles | |
Ahmed et al. | New approach for position control of induction motor | |
CN110086391A (zh) | 基于永磁直线同步电机的bp神经网络优化混沌控制方法 | |
Rayeen et al. | Modelling and analysis of Interleaved Cuk converter controlled by PID controller with phase shift PWM method | |
CN114448310B (zh) | 五自由度无轴承永磁同步发电机神经网络预测解耦控制器 | |
Li et al. | Vector control of permanent magnet synchronous linear motor based on improved bp neural network | |
CN114499309A (zh) | 一种基于ladrc的pmsm双矢量预测电流控制方法 | |
Hajizadeh | Fuzzy/State-Feedback Control of a Non-Inverting Buck-Boost Converter for Fuel Cell Electric Vehicles |
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 |