CN109889069A - 一种单项逆变器复合控制方法及系统 - Google Patents
一种单项逆变器复合控制方法及系统 Download PDFInfo
- Publication number
- CN109889069A CN109889069A CN201910164122.7A CN201910164122A CN109889069A CN 109889069 A CN109889069 A CN 109889069A CN 201910164122 A CN201910164122 A CN 201910164122A CN 109889069 A CN109889069 A CN 109889069A
- Authority
- CN
- China
- Prior art keywords
- parameter
- value
- current
- pid
- obtains
- 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
Landscapes
- Inverter Devices (AREA)
Abstract
本发明公开了一种单项逆变器复合控制方法及系统,包括如下步骤:采集并网实际电流反馈值和参考电流;对速度前馈PID控制器的参数值进行离线优化处理,获取初始参数;获取优化后的二次修正参数,并将优化后的二次修正参数和获取的所述初始参数相加,获取PID实时参数;将采集的所述实际电流反馈值和参考电流进行偏差处理,将处理得到的PID实时控制参数与实际的输出电压瞬时采样值进行比较,获取正弦波电流参考信号;将获取的所述正弦波电流参考信号与预先设定的三角载波信号比较后获取SPWM信号;根据获取的所述SPWM信号控制功率管的导通与关断;本发明修正了普通遗传算法收敛速度慢、易限于局部最优、收敛精度不高的缺点,提高系统鲁棒性。
Description
技术领域
本发明涉及电力控制设备技术领域,具体涉及一种单项逆变器复合控制方法及系统。
背景技术
可再生能源的间歇性、不确定性以及电力电子装置的广泛应用,给电网注入了大量的谐波,其中逆变器是电力电子装置的核心部分,为保证电网的电能质量不受影响,尽可能的减小并网电流的总谐波失真。一般要求逆变器的输出波形质量好,动态响应快,抗扰能力强,即在差异较大的不同负载下工作,特别是负载突变和非线性负载情况下,都应保持较高的输出精度。
在正弦波逆变器系统的控制方案中,较常用的有PID控制、无差拍控制、重复控制,模糊控制,神经网络控制等。常规PID控制算法虽然具有较快的动态响应特性和较强的鲁棒性,但将其应用到正弦波逆变电源等非线性系统时,由人工一次性整定得到的参数难以保证其控制效果始终处于最佳状态,因此,常规PID控制器的控制效果和控制精度受到了限制。无差拍控制对于线性负载,具有较好的稳态输出和快速动态响应特性,但其缺点也非常明显:对正弦波逆变电源等非线性系统参数的变动反应灵敏,即系统的鲁棒性较差。一旦系统参数出现较大波动和系统模型建立不准确,系统将出现很强的振荡。重复控制是一种基于内模原理的控制策略,90年代初被应用到逆变器的输出波形校正中,获得了很好的控制效果,使得逆变器的稳态输出性能得到了较大改进。但由于其控制上有一个输出周期的延迟,因而动态响应效果非常差。
发明内容
本发明的目的在于提供一种单项逆变器复合控制方法及系统,以解决现有技术中导致的上述多项缺陷或缺陷之一。
为达到上述目的,本发明是采用下述技术方案实现的:
一种单项逆变器复合控制方法,所述方法包括如下步骤:
步骤1、采集并网实际电流反馈值和参考电流;步骤2、根据采集的所述并网实际电流反馈值和参考电流在线调整复合控制器参数。
进一步的,根据采集的并网实际电流反馈值和参考电流在线调整控制器参数包括如下步骤:
步骤1、对速度前馈PID控制器的参数值进行离线优化处理,获取初始参数;步骤2、获取优化后的二次修正参数,并将优化后的二次修正参数和获取的所述初始参数相加,获取PID实时参数;步骤3、将采集的所述实际电流反馈值和参考电流进行偏差处理,将处理得到的PID实时控制参数与实际的输出电压瞬时采样值进行比较,获取正弦波电流参考信号;步骤4、将获取的所述正弦波电流参考信号与预先设定的三角载波信号比较后获取SPWM信号;步骤5、根据获取的所述SPWM信号控制IGBT管的导通与关断。
一种单项逆变器复合控制系统,包括:
逆变器主电路模块:用于采集并网实际电流反馈值和参考电流;
PID复合控制系统:用于根据所述逆变器主电路模块采集并网实际电流反馈值和参考电流在线调整复合控制器参数。
进一步的,所述PID复合控制系统包括:
非传统遗传算法:用于对速度前馈PID控制器的参数值离线优化处理,获取初始参数;
BP神经网络模块:用于获取优化后的二次修正参数,并将优化后的二次修正参数和所述非传统遗传算法获取初始参数相加,获取PID实时参数;
速度前置PID控制器模块:用于将所述逆变器主电路模块获取的实际电流反馈值与参考电流经复合PID控制处理后,将处理得到的PID实时控制参数与实际的输出电压瞬时采样值进行比较,获取正弦波电流参考信号;
SPWM波形发生器模块:用于将所述速度前置PID控制器模块获取的正弦波电流参考信号与预先设定的三角载波信号比较后产生SPWM信号,并传输给驱动电路模块;
驱动电路模块:用于驱动逆变器主电路模块的IGBT管的导通与关断。
本发明的优点在于:
1、本发明在常规PID控制器中加入了速度环,可以将速度指令引入到速度环输入作为速度前馈,从而提高系统的快速性,降低受控系统由于黏滞阻尼所造成的跟随误差。
2、本发明采用非传统遗传算法修正了普通遗传算法收敛速度慢、易限于局部最优、收敛精度不高的缺点,提高系统鲁棒性。
3、本发明采用BP神经网络再对初始参数进行二次在线自整定,使系统精度更高,具有更强的鲁棒性。
附图说明
图1为本发明具体实施方式中逆变器主电路模块拓扑及电流示意图;
图2为本发明具体实施方式中速度前馈PID控制器的工作示意图;
图3为本发明具体实施方式中非传统遗传算法的流程图;
图4为本发明具体实施方式中BP神经网络模块的流程图;
图5为本发明具体实施方式BP神经网模块的结构示意图;
图6为本发明具体实施方式逆变器复合控制系统整体框架图。
具体实施方式
为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,下面结合具体实施方式,进一步阐述本发明。
如图1至图5所示,一种单项逆变器复合控制方法,包括如下步骤:步骤1、采集并网实际电流反馈值和参考电流;步骤2、根据采集的所述并网实际电流反馈值和参考电流在线调整复合控制器参数;
在本实施例中,根据采集的并网实际电流反馈值和参考电流在线调整控制器参数包括如下步骤:步骤1、对速度前馈PID控制器的参数值进行离线优化处理,获取初始参数;步骤2、获取优化后的二次修正参数,并将优化后的二次修正参数和获取的所述初始参数相加,获取PID实时参数;步骤3、将采集的所述实际电流反馈值和参考电流进行偏差处理,将处理得到的PID实时控制参数与实际的输出电压瞬时采样值进行比较,获取正弦波电流参考信号;步骤4、将获取的所述正弦波电流参考信号与预先设定的三角载波信号比较后获取SPWM信号;步骤5、根据获取的所述SPWM信号控制IGBT管的导通与关断。
一种单项逆变器复合控制系统,包括逆变器主电路模块:用于采集并网实际电流反馈值和参考电流、用于将高压直流电逆变为220V交流电;还包括PID复合控制系统:用于根据所述逆变器主电路模块采集并网实际电流反馈值和参考电流在线调整控制器参数。
在本实施例中,PID复合控制系统包括:
非传统遗传算法:用于对速度前馈PID控制器的参数值离线优化处理,获取初始参数;
BP神经网络模块:用于获取优化后的二次修正参数,并将优化后的二次修正参数和所述非传统遗传算法获取初始参数相加,获取PID实时参数;
速度前置PID控制器模块:用于将所述逆变器主电路模块获取的实际电流反馈值与参考电流经复合PID控制处理后,将处理得到的PID实时控制参数与实际的输出电压瞬时采样值进行比较,获取正弦波电流参考信号;
SPWM波形发生器模块:用于将所述速度前置PID控制器模块获取的正弦波电流参考信号与预先设定的三角载波信号比较后产生SPWM信号,并传输给驱动电路模块;
驱动电路模块:用于驱动逆变器主电路模块的IGBT管的导通与关断。
锁相环:用于检测交流输出电压相位Q,并将sin Q与电流参考值相乘得到同相电流参考输入。
在本实施例中,速度前置PID控制器模块是在常规PID控制器的参数中添加速度前馈参数获取的。
如图1所述,逆变器主电路模块拓扑:
主电路由逆变桥和滤波组成,逆变桥由4个IGBT管Q1-Q4和4个二极管D1-D4组成,每个IGBT管和二极管反并联,滤波电感L,负载电阻R,输出交流电压。其中作用△t后L上的电流为in(t)。
当IGBT管Q1和Q4导通、Q2和Q3关断时,输出端电压U=E。又由L上的电流i满足:
式(1)可近似为:
其中U为滤波电感L上的电压降,则根据式(2)知,L上的电流in(t)满足:
这里tn-1=(n-1)△t。
当Q2和Q3导通、Q1和Q4关断时,逆变器右端电压U=-E。根据式(2)知,L上的电流in(t)满足:
观察(3)和(4)知,两式可合并为:
这里E为直流电压。R为负载,L为滤波电感,in-1(tn-1)为状态作用起始电流,m状态为0、1两种状态,当IGBT管Q1和Q4导通、Q2和Q3关断时,m=1,相反m=0。
考虑性能指标为负载输出电流跟踪标准参考i0(t)=sin(2πft)的接近程度,构建如下指标函数:
式(6)表达了所有时间段输出电流跟踪标准参考电流的近似程度,f(x)越小表明各段电流越接近于标准电流。f(x)应尽可能小,为了便于计算,将(6)离散化为:
式中in和i0为逆变器主电路模块输出采样电流和标准参考电流。
速度前馈PID控制器如图2所示:控制器以实际输出值y(t)=in与给定输入值r(t)=i0的偏差e(t)=i0-in作为速度PID控制的输入,以给定输入值r(t)=i0作为速度前馈控制的输入。控制器以PID控制输出与速度前馈控制输出的加权作为控制信号。速度前馈PID控制器的控制为:
其中:Td为微分时间常数,Ti为积分时间常数,kp为比例系数,kv为速度前馈系数,ki为积分系数,kd为微分系数,e(t-1)为相邻时刻偏差。对速度前馈PID控制进行离散化处理:
根据递推原理,得到增量式速度前馈PID控制式:
△u(t)=kp(e(t)-e(t-1))+kie(t)+kd(e(t)-2e(t-1)+e(t-2))+kv(r(t)-2r(t-1)+r(t-2)) (10)
非传统遗传算法(ICHC):
采用非传统遗传算法(ICHC)对速度前馈PID控制器的参数值进行初始优化,非传统遗传算法流程图如图3,求出K'p、K'i、K'd、K'v,包括如下步骤:
步骤1):采用浮点数方式进行参数编码。对速度前置PID参数进行染色体编码,速度前馈PID的4个参数组成一个4维向量,作为非传统遗传算法中每个独立染色体,染色体中的每个参数被称为基因,染色体HG编码如式11,G表示个体。
步骤2):进行种群的初始化,产生G个具有任意染色体的个体组成初始种群。
步骤3):确定个体适应度函数,计算个体适应度值,适应度值高的个体被选择的概率高。适应度函数是用来区分种群中个体好坏的唯一标准,以适应度函数作为唯一依据,利用种群中每个个体的适应度值来进行搜索。作为参数选择的最小目标函数选用误差绝对值时间积分性能,加入输入的平方项从而防止控制能量过大,目标函数F如式(12),其中e(t)=i0-in为系统误差,u(t)=in为控制器的输出,w1,w2,w3为权值,tu为调节时间。
将目标函数改为适应度函数,它的数值是大于等于0的,并且其值越大越容易被认可,其与目标函数值F呈倒数关系,适度值函数J如式(13):
步骤4):从初始种群中选择出若干优良染色体,并将其复制到下一代种群中。计算其适应度,根据每个个体的适应度值占总体适应度的比例将这个概率作为适应度概率。其中Fx为某代第x个体的适应度值,F∑为所有个体的适应度之和,概率Px如式(14):
步骤5):进行交叉环节,将2个相互配对的染色体部分基因按照某种方式进行相互交换,从而产生新的染色体,并复制到第二代种群。pc为交叉后概率,J为适应度,Javg为平均适应度,Jmax为最大适应度,交叉概率如式(15):
步骤6):第二代种群中随机选择一个进行过交叉的个体,以较小的概率将个体染色体编码串上的某个或某些基因进行改变,形成一个新的个体,pm为变异后概率。变异概率如式(16):
步骤7):设计终止条件,如果满足终止条件,则进入第8步,否则重新计算其适应度。
步骤8):输出满足终止条件的第二代种群中适应度最高的值作为最优解,得到初始参数。其中B∈[0 1]为一个随机数;kp max和kp min分别为基因kp的上限和下限;ki max和分ki min别为基因ki的上限和下限;kd max和kd min分别为基因kd的上限和下限;kv max和kv min分别为基因kv的上限和下限。
BP神经网络模块的流程图如图4,包括如下步骤:
步骤1):首先要确定BP神经网络模块的结构图,如图5所示,采用3层的BP神经网络。输入信息分别为系统输入信号r=i0、输出信号y=in、误差信号e=i0-in以及偏差信号1。输出信号分别为前置PID控制器的比例系数修正值△Kp、积分系数修正值△Ki、微分系数修正值△Kd、速度前馈系数修正值△Kv。确定BP网络的结构,即确定输入层节点数M和隐含层节点数Q,并给出各层加权系数的初值,选定学习速率和惯性系数。
步骤2):采样得到r(t)和y(t),计算该时刻误差e(t)=r(t)-y(t)和偏差信号1,r(t)=i0(t),y(t)=in(t);作为BP神经网络输入;其中:y(t)负载采集电流,r(t)负载参考电流。
步骤3):计算神经网络各层神经元的输入、输出,输出层的输出即为PID控制器二次修正的四个可调参数,输入层输入输出公式为:
变量的右上角标1、2、3分别代表输入层、隐含层和输出层,xi(n)神经网络输入,为输入层输出,为隐含层输出,为输出层输出。i取值对应输入层各神经元,本系统输入层神经元个数为4,网络隐含层的诱导局部域和输出为:
其中隐含神经元的权值,j取值对应隐含层各神经元,隐含层神经元个数为5。
这里隐含层神经元激活函数取正负对称的Sigmoid函数:
网络输出层的诱导局部域和输出为:
k取值对应输出层各神经元,输出层神经元个数为4,输出层神经元的权值。
输出层神经元激活函数取非负Sigmoid函数:
系统中
步骤4):进行神经网络学习,在线调整加权系数,实现PID控制器二次修正的参数的自适应调整;性能指标函数为e(n)为输入和输出差值,网络层输出突触权值调整的修正公式为:
其中,η是学习率,α是动量因子,是未知数,用符号函数近似取代,神经元k的局域梯度为:
隐含层输出突触权值调整的修正公式为:
神经元j的局域梯度
步骤5):置k=k+1,返回步骤(1)。
复合控制实际PID控制器参数:
如图6所示,系统整体控制过程如下:
通过锁相环PLL检测交流输出电压相位Q,sinQ与电流参考值i0相乘得到同相电流参考输入i0',产生的参考电流i0'与实时负载输出的电感电流in即逆变器主电路模块输出采样电流的误差构成了速度前馈PID控制器的输入。采用非传统遗传算法(ICHC)对速度前馈PID控制器的参数值进行初始优化,得到初始参数,在采用BP神经网络模块输出优化后的二次修正参数,初始参数和二次修正参数相加得到最后复合PID控制的实时控制参数。得到的PID实时控制参数与实际的输出电压瞬时采样值进行比较,生成正弦波电流参考信号,正弦波电流参考信号与三角波信号比较后得到SPWM控制信号,通过驱动电路来使4个IGBT管导通与关断。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (9)
1.一种单项逆变器复合控制方法,其特征在于,所述方法包括如下步骤:
采集并网实际电流反馈值和参考电流;
根据采集的所述并网实际电流反馈值和参考电流在线调整复合控制器参数。
2.根据权利要求1所述的单项逆变器复合控制方法,其特征在于,所述根据采集的并网实际电流反馈值和参考电流在线调整控制器参数包括如下步骤:
对速度前馈PID控制器的参数值进行离线优化处理,获取初始参数;
获取优化后的二次修正参数,并将优化后的二次修正参数和获取的所述初始参数相加,获取PID实时参数;
将采集的所述实际电流反馈值和参考电流进行偏差处理,将处理得到的PID实时控制参数与实际的输出电压瞬时采样值进行比较,获取正弦波电流参考信号;
将获取的所述正弦波电流参考信号与预先设定的三角载波信号比较后获取SPWM信号;
根据获取的所述SPWM信号控制IGBT管的导通与关断。
3.根据权利要求2所述的单项逆变器复合控制方法,其特征在于,所述获取初始参数包括如下步骤:
步骤1):采用浮点数方式进行参数编码。对所述速度前馈PID控制器的参数进行染色体编码,所述速度前馈PID控制器的4个参数组成一个4维向量,作为每个独立染色体,染色体中的每个参数被称为基因;
步骤2):进行种群的初始化,产生若干个具有任意染色体的个体组成初始种群;
步骤3):确定个体适应度函数,计算个体适应度值,适应度值高的个体被选择的概率高;
步骤4):从初始种群中选择出若干染色体,并将其复制到下一代种群中;
步骤5):进行交叉环节,将2个相互配对的染色体中的若干个基因按照一定的方式进行相互交换,从而产生新的染色体,并将其复制到第二代种群;
步骤6):第二代种群中随机选择一个进行过交叉的个体,以较小的概率将个体染色体编码串上的某个或某些基因进行改变,形成一个新的个体;
步骤7):设计终止条件,如果满足终止条件,则进入第8步,否则重新计算其适应度。
步骤8):输出满足终止条件的第二代种群中适应度最高的值作为最优解。
4.根据权利要求2所述的单项逆变器复合控制方法,其特征在于,所述获取优化后的二次修正参数包括如下步骤:
步骤1):根据获取的所述初始参数确定BP神经网络的结构,即确定输入层节点数M和隐含层节点数Q,并给出各层加权系数的初值,选定学习速率和惯性系数,此时,k=1;
步骤2):采样得到r(t)和y(t),计算该时刻误差e(t)=r(t)-y(t);作为所述BP神经网络的输入;其中:y(t)负载采集电流,r(t)负载参考电流;
步骤3):计算所述BP神经网络各层神经元的输入、输出,输出层的输出即为PID控制器二次修正的四个可调参数;
步骤4):进行神经网络学习,在线调整加权系数,实现PID控制器二次修正参数的自适应调整;
步骤5):置k=k+1,返回步骤1)。
5.一种单项逆变器复合控制系统,其特征在于,包括:
逆变器主电路模块:用于采集并网实际电流反馈值和参考电流;
PID复合控制系统:用于根据所述逆变器主电路模块采集并网实际电流反馈值和参考电流在线调整复合控制器参数。
6.根据权利要求5所述的单项逆变器复合控制系统,其特征在于,所述PID复合控制系统包括:
非传统遗传算法:用于对速度前馈PID控制器的参数值离线优化处理,获取初始参数;
BP神经网络模块:用于获取优化后的二次修正参数,并将优化后的二次修正参数和所述非传统遗传算法获取初始参数相加,获取PID实时参数;
速度前置PID控制器模块:用于将所述逆变器主电路模块获取的实际电流反馈值与参考电流经复合PID控制处理后,将处理得到的PID实时控制参数与实际的输出电压瞬时采样值进行比较,获取正弦波电流参考信号;
SPWM波形发生器模块:用于将所述速度前置PID控制器模块获取的正弦波电流参考信号与预先设定的三角载波信号比较后产生SPWM信号,并传输给驱动电路模块;
驱动电路模块:用于驱动逆变器主电路模块的IGBT管的导通与关断。
7.一种单项逆变器复合控制系统,其特征在于,所述逆变器主电路模块还用于将高压直流电逆变为220V交流电。
8.一种单项逆变器复合控制系统,其特征在于,所述速度前置PID控制器模块是在常规PID控制器的参数中添加速度前馈参数获取的。
9.一种单项逆变器复合控制系统,其特征在于,还包括:
锁相环:用于检测交流输出电压相位Q,并将sinQ与电流参考值相乘得到同相电流参考输入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910164122.7A CN109889069A (zh) | 2019-03-05 | 2019-03-05 | 一种单项逆变器复合控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910164122.7A CN109889069A (zh) | 2019-03-05 | 2019-03-05 | 一种单项逆变器复合控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109889069A true CN109889069A (zh) | 2019-06-14 |
Family
ID=66930744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910164122.7A Pending CN109889069A (zh) | 2019-03-05 | 2019-03-05 | 一种单项逆变器复合控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109889069A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111948946A (zh) * | 2020-08-24 | 2020-11-17 | 淮阴工学院 | 一种基于hji理论的鲁棒评价逆变控制系统及其设计方法 |
CN112027908A (zh) * | 2020-07-21 | 2020-12-04 | 唐山钢铁集团有限责任公司 | 一种基于在线遗传算法的无人天车摆角控制方法 |
CN114489156A (zh) * | 2022-01-25 | 2022-05-13 | 南京晨光集团有限责任公司 | 一种基于三轴转台的高精度控制策略 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794114A (zh) * | 2010-03-02 | 2010-08-04 | 天津大学 | 助行功能性电刺激系统中遗传算法整定控制参数的方法 |
US20130085621A1 (en) * | 2011-10-04 | 2013-04-04 | Institute Of Nuclear Energy Research Atomic Energy Council Executive Yuan | Hybrid intelligent control method and system for power generating apparatuses |
CN103107710A (zh) * | 2011-11-14 | 2013-05-15 | 深圳市安邦信电子有限公司 | 基于神经网络的高压变频器自适应控制系统及其构造方法 |
CN104158418A (zh) * | 2014-08-19 | 2014-11-19 | 华北电力大学(保定) | 一种光伏并网逆变装置 |
CN105958493A (zh) * | 2016-06-06 | 2016-09-21 | 国网福建省电力有限公司 | 电网谐波电流信号跟踪控制方法 |
-
2019
- 2019-03-05 CN CN201910164122.7A patent/CN109889069A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101794114A (zh) * | 2010-03-02 | 2010-08-04 | 天津大学 | 助行功能性电刺激系统中遗传算法整定控制参数的方法 |
US20130085621A1 (en) * | 2011-10-04 | 2013-04-04 | Institute Of Nuclear Energy Research Atomic Energy Council Executive Yuan | Hybrid intelligent control method and system for power generating apparatuses |
CN103107710A (zh) * | 2011-11-14 | 2013-05-15 | 深圳市安邦信电子有限公司 | 基于神经网络的高压变频器自适应控制系统及其构造方法 |
CN104158418A (zh) * | 2014-08-19 | 2014-11-19 | 华北电力大学(保定) | 一种光伏并网逆变装置 |
CN105958493A (zh) * | 2016-06-06 | 2016-09-21 | 国网福建省电力有限公司 | 电网谐波电流信号跟踪控制方法 |
Non-Patent Citations (2)
Title |
---|
盛贤君等: "基于BP神经网络的速度前馈PID控制器设计", 《计算机应用》 * |
蔡满军等: "永磁直线同步电机的遗传优化神经网络控制", 《微电机》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112027908A (zh) * | 2020-07-21 | 2020-12-04 | 唐山钢铁集团有限责任公司 | 一种基于在线遗传算法的无人天车摆角控制方法 |
CN111948946A (zh) * | 2020-08-24 | 2020-11-17 | 淮阴工学院 | 一种基于hji理论的鲁棒评价逆变控制系统及其设计方法 |
CN111948946B (zh) * | 2020-08-24 | 2022-05-17 | 淮阴工学院 | 一种基于hji理论的鲁棒评价逆变控制系统及其设计方法 |
CN114489156A (zh) * | 2022-01-25 | 2022-05-13 | 南京晨光集团有限责任公司 | 一种基于三轴转台的高精度控制策略 |
CN114489156B (zh) * | 2022-01-25 | 2024-05-07 | 南京晨光集团有限责任公司 | 一种基于三轴转台的高精度控制策略 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fei et al. | Fuzzy double hidden layer recurrent neural terminal sliding mode control of single-phase active power filter | |
CN109889069A (zh) | 一种单项逆变器复合控制方法及系统 | |
CN111628687A (zh) | 一种基于熵权法的永磁同步电机多目标参数优化方法 | |
CN108767869B (zh) | 一种基于人工神经网络的静态无功补偿器电压调节方法 | |
Lin et al. | Improved LVRT performance of PV power plant using recurrent wavelet fuzzy neural network control for weak grid conditions | |
Babaie et al. | Adaptive neural fuzzy inference system controller for Seven-Level Packed U-Cell Inverter | |
CN112383237A (zh) | 一种并网逆变器的模型预测控制方法 | |
Moghadam et al. | A novel supervised control strategy for interconnected DFIG-based wind turbine systems: MiL validations | |
CN114759815B (zh) | 一种准z源逆变器自适应控制方法 | |
CN107733270A (zh) | 级联h桥型光伏并网逆变器的控制及调制策略 | |
Gao et al. | Inverse application of artificial intelligence for the control of power converters | |
CN110518625B (zh) | 一种可变学习率bp-pid控制的并网逆变器直流分量抑制方法 | |
CN109390948B (zh) | 一种低电压治理设备的模糊无模型自适应控制方法 | |
Muneer et al. | Optimal machine-learning-based controller for shunt active power filter by auto machine learning | |
CN115987086A (zh) | 基于神经网络的单开关直流-直流变换器在线控制方法 | |
Ghosh et al. | Control of Grid-tied Dual-PV LLC Converter using Adaptive Neuro Fuzzy Interface System (ANFIS) | |
Fei et al. | Adaptive Fuzzy-Neural-Network Control of Active Power Filter Using Fuzzy Backstepping Approach | |
Hussain et al. | Machine learning based voltage regulation technique using smart rotating magnetic inverter | |
Hemalatha et al. | Harmonics Extraction Scheme for Power Quality Improvement Using Chbmli-Dstatcom Module. | |
Meetei et al. | Microgrid control based on Sliding Mode Control using Higher Order Super-Twisting Algorithms | |
CN111654056A (zh) | 一种光伏并网逆变器系统的电压跟踪控制方法与系统 | |
Farzilah et al. | Dc-link capacitor voltage regulation with effort-reduction fuzzy logic control for three-level inverter-based shunt active power filter | |
Kumar et al. | A MPPT strategy based on cuckoo search for wind energy conversion system | |
CN112187080B (zh) | 单相三电平变流系统及其基于鲁棒h∞与均压的控制方法 | |
Sugathan et al. | ANFIS based PLL driven droop controlled islanded AC Microgrid |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190614 |
|
RJ01 | Rejection of invention patent application after publication |