CN110299881A - 一种燃料电池供电的直流双向电机干扰观测与控制方法 - Google Patents

一种燃料电池供电的直流双向电机干扰观测与控制方法 Download PDF

Info

Publication number
CN110299881A
CN110299881A CN201910681666.0A CN201910681666A CN110299881A CN 110299881 A CN110299881 A CN 110299881A CN 201910681666 A CN201910681666 A CN 201910681666A CN 110299881 A CN110299881 A CN 110299881A
Authority
CN
China
Prior art keywords
direct current
rotation motor
fuel cell
disturbance
parameter
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.)
Granted
Application number
CN201910681666.0A
Other languages
English (en)
Other versions
CN110299881B (zh
Inventor
王亚雄
池训逞
钟浩
陈锦洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN201910681666.0A priority Critical patent/CN110299881B/zh
Publication of CN110299881A publication Critical patent/CN110299881A/zh
Application granted granted Critical
Publication of CN110299881B publication Critical patent/CN110299881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P21/0007—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using sliding mode control
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/13—Observer control, e.g. using Luenberger observers or Kalman filters

Abstract

本发明涉及一种燃料电池供电的直流双向电机干扰观测与控制方法，提供一燃料电池供电的直流双向电机系统包括燃料电池、直流/直流降压变换器、全桥开关变换器和直流双向电机，包括以下步骤：步骤S1：构建燃料电池供电的直流双向电机系统的数学模型；步骤S2:根据燃料电池供电的直流双向电机系统的数学模型，并利用神经网络的逼近特性得到参数自适应律，用以观测系统外界干扰量与外界干扰所引起的系统参数扰动；步骤S3:根据得到的系统参数扰动，基于反演滑模控制方法，分别设计直流电机驱动电压控制器与角速度控制器,用于控制直流双向电机。本发明实现直流双向电机驱动电压及角速度的快速精确追踪。

Description

一种燃料电池供电的直流双向电机干扰观测与控制方法
技术领域
本发明涉及直流双向电机控制领域，具体涉及一种燃料电池供电的直流双向电机干扰观测与控制方法。
背景技术
燃料电池是一种可直接将储存在燃料和氧化剂中的化学能高效、无污染地转化为电能的发电装置，因此被认为是可替代传统能源的高效清洁能源。作为一种能够将电能转化为机械能得一种装置，电机在各个领域起到重要作用。相比于交流电机来说，直流电机不仅凭借着优良的机械特性以及简单的结构等优势而广受欢迎，更因为其在启动性能和调速范围上无可超越的优势而备受工业、家电等青睐。由燃料电池供电的直流双向电机在交通运输、航天航空、工业设备自动化等领域应用日益广泛。在实际工作中，直流电机的转速在不同工况下应不同的要求，并且直流电机需要稳定的驱动电压。因此需要设计控制器使得电机能够满足不同工况下的不同转速要求，同时具有稳定的驱动电压，这也是本领域技术人员目前需要解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种燃料电池供电的直流双向电机干扰观测与控制方法，实现直流双向电机驱动电压及角速度的快速精确追踪。
为实现上述目的，本发明采用如下技术方案：
请参照图1，本发明提供一种燃料电池供电的直流双向电机干扰观测与控制方法，提供一燃料电池供电的直流双向电机系统包括燃料电池、直流/直流降压变换器、全桥开关变换器和直流双向电机，包括以下步骤：
步骤S1：构建燃料电池供电的直流双向电机系统的数学模型；
步骤S2:根据燃料电池供电的直流双向电机系统的数学模型，并利用神经网络的逼近特性得到参数自适应律，用以观测系统外界干扰量与外界干扰所引起的系统参数扰动；
步骤S3:根据得到的系统参数扰动，基于反演滑模控制方法，分别设计直流电机驱动电压控制器与角速度控制器,用于控制直流双向电机。
进一步的，所述步骤S1具体为：
步骤S11:系统由燃料电池、直流/直流降压变换器、全桥开关变换器、直流双向电机组成；分析燃料电池的特性，得出其工作模型，确定燃料电池输出电压VFC与燃料电池电流IFC具有函数关系VFC＝g(IFC)；
步骤S12:根据系统中所有开关的导通/关断状态，同时考虑系统参数扰动及电机负载转矩，得到系统状态空间表达式
其中，L0，R0，C0分别为直流/直流降压变换器中电感，电阻及电容的额定值，ΔL，ΔR，ΔC分别为直流/直流降压变换器实际工作时参数扰动量；La0，J0，TL，Ra分别为直流电机电感，转动惯量额定值，直流电机负载转矩及电机内阻大小，ΔLa，ΔJ分别为直流电机工作时参数扰动量；VFC为燃料电池输出电压，iL和vc分别为直流/直流降压变换器中电感电流及输出电容电压大小；ω和ia分别为直流电机角速度及电流大小；km，ke，b分别为直流电机转矩常数，反电动势及阻尼系数大小；u1为直流/直流降压变换器中开关控制信号，u2为全桥变换器中开关控制信号。
进一步的，所述步骤S2具体为：
步骤S21:基于切比雪夫多项式的神经网络估计方法得到某一函数f(x)的估计值即参数自适应律
其中，为权函数W(x)＝[w0 w1 … wn-1]T的估计值，U(x)＝[u0 u1 … un-1]T为切比雪夫多项式向量，且u0＝1，u1＝2x，un+1(x)＝2xun(x)-un-1(x)；
步骤S22:根据燃料电池供电的直流双向电机系统的数学模型，定义子系统为：
E1＝[y1 z1]T＝[vc-vref ω-ωref]T
其中y1与y2为直流双向电机驱动电压控制时的第一、第二阶反演子系统；z1与z2分别为直流双向电机角速度控制时的第一、第二阶反演子系统；vc为直流电机驱动电压，ω为直流电机角速度，vref为直电机目标驱动电压，ωref为直流电机目标角速度，α2＝[0 iL -iau2 -vc]T，β2＝[0 kmia -bω -1]T， 为参数X的估计值；σ与为正的常数；定义滑模面S＝[sv sω]T＝[τy1+y2 υz1+z2]，其中，τ与υ为正的常数；
步骤S23:定义李雅普诺夫函数
消去V一阶导数中的估计误差，得到权函数自适应律
其中，ξi，ζi(i＝1,2,3)，σ，υ，τ，为正的常数；sv，sω为滑模面；y1＝vc-vref，z1＝ω-ωref为追踪误差，vref，ωref分别为电机驱动电压及角速度的控制目标值；
通过基于切比雪夫多项式的神经网络估计方法，得到参数自适应律
其中，及为参数估计向量，即 为权函数，Θ(x)＝[θ0(x) θ1(x) θ2(x) … θn(x)]T，Π(x)＝[ρ0(x)ρ1(x) ρ2(x) … ρn(x)]T。
进一步的，所述步骤S3具体为：
步骤S31:取控制律为
步骤S32:可得李雅普诺夫函数V的一阶导数为
为了确保则正的常数必须满足
且，
得到
其中与由有界扰动量ΔL、ΔC、ΔR、ΔLa、ΔJ所限制；
取限制条件
步骤S33:若 γ、τ、κ、λ、υ必须满足
步骤S34:根据式(12)，分别设计直流电机驱动电压控制器与角速度控制器，用于控制直流双向电机。
本发明与现有技术相比具有以下有益效果：
1、本发明实现直流电机驱动电压及角速度快速收敛于目标，降低了抖振水平；
2、本发明可以对系统在工作时外界干扰及其引起的参数扰动进行观测；
3、本发明克服燃料电池供电的直流双向电机系统存在的参数不确定和外界干扰，提高了系统的鲁棒性，最终实现直流双向电机驱动电压及角速度的快速精确追踪。
附图说明
图1是本发明实施例中质子交换膜燃料电池供电的直流双向电机系统组成；
图2是本发明实施例中质子交换膜燃料电池供电的直流双向电机自适应反演滑模控制原理图；
图3是本发明实例中用于质子交换膜燃料电池供电的直流电机在负载转矩存在时，12V固定电压、30rad/s固定角速度的控制结果图；
图4是本发明实例中负载转矩的观测值
图5是本发明实例中用于质子交换膜燃料电池供电的直流电机12V固定驱动电压、20→5→-10rad/s变角速度控制结果图。
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。
一种燃料电池供电的直流双向电机干扰观测与控制方法，提供一质子交换膜燃料电池供电的直流双向电机系统包括质子交换膜燃料电池、直流/直流降压变换器、全桥开关变换器和直流双向电机，包括以下步骤：
步骤S1：构建质子交换膜燃料电池供电的直流双向电机系统的数学模型；
步骤S2:根据质子交换膜燃料电池供电的直流双向电机系统的数学模型，并利用神经网络的逼近特性得到参数自适应律，用以观测系统外界干扰量与外界干扰所引起的系统参数扰动；
步骤S3:根据得到的系统参数扰动，基于反演滑模控制方法，分别设计直流电机驱动电压控制器与角速度控制器,用于控制直流双向电机。
在本实施例中，所述步骤S1具体为：
步骤S11:系统由质子交换膜燃料电池、直流/直流降压变换器、全桥开关变换器、直流双向电机组成；分析质子交换膜燃料电池的特性，得出其工作模型，确定质子交换膜燃料电池输出电压VFC与电池电流IFC具有函数关系
VFC＝N(ENernst-VC-Vohm-Vcon) (1)
其中，N为质子交换膜燃料电池块数，ENernst为能斯特电压，Vohm为欧姆损失，Vcon为浓度损失，活化损失用双层电容Cact上的电压VC表示；
步骤S12:根据系统中所有开关的导通/关断状态，同时考虑系统参数扰动及电机负载转矩，得到系统状态空间表达式
其中，L0，R0，C0分别为直流/直流降压变换器中电感，电阻及电容的额定值；ΔL，ΔR，ΔC分别为直流/直流降压变换器实际工作时参数扰动量；La0，J0，TL，Ra分别为直流电机电感，转动惯量额定值，直流电机负载转矩及电机内阻大小，ΔLa，ΔJ分别为直流电机工作时参数扰动量；VFC为燃料电池输出电压，iL和vc分别为直流/直流降压变换器中电感电流及输出电容电压大小；ω和ia分别为直流电机角速度及电流大小；km，ke，b分别为直流电机转矩常数，反电动势及阻尼系数大小；u1为直流/直流降压变换器中开关控制信号，u2为全桥变换器中开关控制信号。
参考图2，本发明实施例中质子交换膜燃料电池供电的直流双向电机干扰观测及自适应反演滑模控制原理图。设计前，假定直流电机驱动电压及驱动角速度的目标值具有连续的n阶导数，并且系统参数的扰动值ΔL、ΔR、ΔC、ΔLa、ΔJ具有上界Lm、Rm、Cm、Lam、Jm。
所述步骤S2具体为：
步骤S21:基于切比雪夫多项式的神经网络估计方法得到某一函数f(x)的估计值即参数自适应律
其中，为权函数W(x)＝[w0 w1 … wn-1]T的估计值，U(x)＝[u0 u1 … un-1]T为切比雪夫多项式向量，且u0＝1，u1＝2x，un+1(x)＝2xun(x)-un-1(x)；
步骤S22:根据质子交换膜燃料电池供电的直流双向电机系统的数学模型，定义各子系统为：
E1＝[y1 z1]T＝[vc-vref ω-ωref]T
其中y1与y2为直流双向电机驱动电压控制时的第一、第二阶反演子系统；z1与z2分别为直流双向电机角速度控制时的第一、第二阶反演子系统；vc为直流电机驱动电压，ω为直流电机角速度，vref为直电机目标驱动电压，ωref为直流电机目标角速度，α2＝[0 iL-iau2-vc]T，β2＝[0 kmia -bω -1]T， 为参数X的估计值；σ与为正的常数；定义滑模面S＝[sv sω]T＝[τy1+y2 υz1+z2]，其中，τ与υ为正的常数；
步骤S23:定义李雅普诺夫函数
消去V一阶导数中的估计误差，得到权函数自适应律
其中，ξi，ζi(i＝1,2,3)，σ，υ，τ，为正的常数；sv，sω为滑模面；y1＝vc-vref，z1＝ω-ωref为追踪误差，vref，ωref分别为电机驱动电压及角速度的控制目标值；
通过基于切比雪夫多项式的神经网络估计方法，得到参数自适应律
其中，及为参数估计向量，即
为权函数，Θ(x)＝[θ0(x) θ1(x) θ2(x) … θn(x)]T，Π(x)＝[ρ0(x) ρ1(x) ρ2(x) … ρn(x)]T。
在本实施例中，所述步骤S3具体为：
步骤S31:取控制律为
步骤S32:可得李雅普诺夫函数V的一阶导数为
为了确保则正的常数必须满足
且，
得到
其中与由有界扰动量ΔL、ΔC、ΔR、ΔLa、ΔJ所限制；
取限制条件
步骤S33:若 γ、τ、κ、λ、υ必须满足
步骤S34:根据式(12)，分别设计直流电机驱动电压控制器与角速度控制器，用于控制直流双向电机。
为了验证本方法的有效性，提供以下实施例：
参考图3是本发明实例中用于质子交换膜燃料电池供电的直流电机存在变负载转矩，12V固定电压、30rad/s固定角速度的控制结果图。表明即使在负载转矩存在的情况下，该控制方法能将直流电机驱动电压及角速度稳定在目标值上。负载转矩的观测值如图4所示，表明所设计的干扰观测可以快速且准确地观测负载转矩值、
图5是本发明实例中用于质子交换膜燃料电池供电的直流电机12V固定驱动电压、20→5→-10rad/s变角速度控制结果图。表明所提出的全桥开关变换器能实现燃料电池供电的直流电机双向转动。另外，在角速度发生改变时，直流电机具有稳定的驱动电压。
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 (4)

1.一种燃料电池供电的直流双向电机干扰观测与控制方法，提供一燃料电池供电的直流双向电机系统包括燃料电池、直流/直流降压变换器、全桥开关变换器和直流双向电机，其特征在于，包括以下步骤：
步骤S1：构建燃料电池供电的直流双向电机系统的数学模型；
步骤S2:根据燃料电池供电的直流双向电机系统的数学模型，并利用神经网络的逼近特性得到参数自适应律，用以观测系统外界干扰量与外界干扰所引起的系统参数扰动；
步骤S3:根据得到的系统参数扰动，基于反演滑模控制方法，分别设计直流电机驱动电压控制器与角速度控制器,用于控制直流双向电机。
2.根据权利要求1所述的一种燃料电池供电的直流双向电机干扰观测与控制方法，其特征在于，所述步骤S1具体为：
步骤S11:系统由燃料电池、直流/直流降压变换器、全桥开关变换器、直流双向电机组成；分析燃料电池的特性，得出其工作模型，确定燃料电池输出电压VFC与燃料电池电流IFC具有函数关系VFC＝g(IFC)；
步骤S12:根据系统中所有开关的导通/关断状态，同时考虑系统参数扰动及电机负载转矩，得到系统状态空间表达式
其中，L0，R0，C0分别为直流/直流降压变换器中电感，电阻及电容的额定值；
ΔL，ΔR，ΔC分别为直流/直流降压变换器实际工作时参数扰动量；La0，J0，TL，Ra分别为直流电机电感，转动惯量额定值，直流电机负载转矩及电机内阻大小，ΔLa，ΔJ分别为直流电机工作时参数扰动量；VFC为燃料电池输出电压，iL和vc分别为直流/直流降压变换器中电感电流及输出电容电压大小；ω和ia分别为直流电机角速度及电流大小；km，ke，b分别为直流电机转矩常数，反电动势及阻尼系数大小；u1为直流/直流降压变换器中开关控制信号，u2为全桥变换器中开关控制信号。
3.根据权利要求2所述的一种燃料电池供电的直流双向电机干扰观测与控制方法，其特征在于，所述步骤S2具体为：
步骤S21:基于切比雪夫多项式的神经网络估计方法得到某一函数f(x)的估计值即参数自适应律
其中，为权函数W(x)＝[w0 w1 … wn-1]T的估计值，U(x)＝[u0u1 … un-1]T为切比雪夫多项式向量，且u0＝1，u1＝2x，un+1(x)＝2xun(x)-un-1(x)；
步骤S22:根据燃料电池供电的直流双向电机系统的数学模型，定义子系统为：
E1＝[y1 z1]T＝[vc-vref ω-ωref]T
其中y1与y2为直流双向电机驱动电压控制时的第一、第二阶反演子系统；z1与z2分别为直流双向电机角速度控制时的第一、第二阶反演子系统；vc为直流电机驱动电压，ω为直流电机角速度，vref为直流电机目标驱动电压，ωref为直流电机目标角速度，α2＝[0 iL-iau2 -vc]T，β2＝[0 kmia -bω -1]T， 为参数X的估计值；σ与为正的常数；定义滑模面S＝[sv sω]T＝[τy1+y2 υz1+z2]，其中，τ与υ为正的常数；
步骤S23:定义李雅普诺夫函数
消去V一阶导数中的估计误差，得到权函数自适应律
其中，ξi，ζi(i＝1,2,3)，σ，υ，τ，为正的常数；sv，sω为滑模面；y1＝vc-vref，z1＝ω-ωref为追踪误差，vref，ωref分别为电机驱动电压及角速度的控制目标值；
通过基于切比雪夫多项式的神经网络估计方法，得到参数自适应律
其中，及为参数估计向量，即 为权函数，Θ(x)＝[θ0(x) θ1(x) θ2(x) … θn(x)]T，Π(x)＝[ρ0(x)ρ1(x) ρ2(x) … ρn(x)]T。
4.根据权利要求3所述的一种燃料电池供电的直流双向电机干扰观测与控制方法，其特征在于，所述步骤S3具体为：
步骤S31:取控制律为
步骤S32:可得李雅普诺夫函数V的一阶导数为
为了确保则正的常数必须满足
且，
得到
其中与由有界扰动量ΔL、ΔC、ΔR、ΔLa、ΔJ所限制；
取限制条件
步骤S33:若 γ、τ、κ、λ、υ必须满足
步骤S34:根据式(12)，分别设计直流电机驱动电压控制器与角速度控制器，用于控制直流双向电机。
CN201910681666.0A 2019-07-26 2019-07-26 一种燃料电池供电的直流双向电机干扰观测与控制方法 Active CN110299881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910681666.0A CN110299881B (zh) 2019-07-26 2019-07-26 一种燃料电池供电的直流双向电机干扰观测与控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910681666.0A CN110299881B (zh) 2019-07-26 2019-07-26 一种燃料电池供电的直流双向电机干扰观测与控制方法

Publications (2)

Publication Number Publication Date
CN110299881A true CN110299881A (zh) 2019-10-01
CN110299881B CN110299881B (zh) 2021-07-13

Family

ID=68032052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910681666.0A Active CN110299881B (zh) 2019-07-26 2019-07-26 一种燃料电池供电的直流双向电机干扰观测与控制方法

Country Status (1)

Country Link
CN (1) CN110299881B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101230910A (zh) * 2007-01-23 2008-07-30 通用汽车环球科技运作公司 控制变速器的变矩器离合器的方法和设备
JP2011200105A (ja) * 2010-02-26 2011-10-06 Denso Corp 回転機の制御装置
CN103701396A (zh) * 2013-12-13 2014-04-02 天津大学 一种基于自适应模糊神经网络的电机转速跟踪控制方法
CN104201941A (zh) * 2014-06-30 2014-12-10 浙江工业大学 一种基于非线性扩张状态观测器的永磁同步电机混沌控制方法
CN105785762A (zh) * 2016-03-17 2016-07-20 北京航空航天大学 一种基于自适应反步滑模的两轴惯性稳定平台高精度控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101230910A (zh) * 2007-01-23 2008-07-30 通用汽车环球科技运作公司 控制变速器的变矩器离合器的方法和设备
JP2011200105A (ja) * 2010-02-26 2011-10-06 Denso Corp 回転機の制御装置
CN103701396A (zh) * 2013-12-13 2014-04-02 天津大学 一种基于自适应模糊神经网络的电机转速跟踪控制方法
CN104201941A (zh) * 2014-06-30 2014-12-10 浙江工业大学 一种基于非线性扩张状态观测器的永磁同步电机混沌控制方法
CN105785762A (zh) * 2016-03-17 2016-07-20 北京航空航天大学 一种基于自适应反步滑模的两轴惯性稳定平台高精度控制方法

Also Published As

Publication number Publication date
CN110299881B (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
CN201910764U (zh) 一种基于终端滑模的永磁同步电机直接转矩控制系统
CN110022109B (zh) 转矩-电流神经网络模型srm转矩脉动控制方法与系统
Zenith et al. Control of fuel cell power output
CN102662323B (zh) 风力发电变桨距执行机构的自适应滑模控制方法及系统
CN106374808B (zh) 一种压缩机用直线振荡电机控制方法
CN103560039B (zh) 一种高压断路器永磁凸极电机操动机构及控制方法
Chi et al. Proton exchange membrane fuel cell-powered bidirectional DC motor control based on adaptive sliding-mode technique with neural network estimation
El-Hay et al. Performance enhancement of autonomous system comprising proton exchange membrane fuel cells and switched reluctance motor
CN107147120A (zh) 有源电力滤波器rbf双神经网络自适应滑模控制方法
CN112383248A (zh) 一种双电机转矩同步系统模型预测电流控制方法
CN110429895B (zh) 混合动力车用开关磁阻bsg优化线性控制器的构造方法
CN103414209A (zh) 一种基于rmc的dfig直流并网发电系统及其转矩控制方法
CN110797891A (zh) 一种双三相无刷直流电机的飞轮储能系统及其控制方法
CN102859853A (zh) 升压变换器的控制装置
CN107809113A (zh) 互补滑模面反演自适应rbf神经网络观测器设计方法
CN114172176A (zh) 应用于风力发电机组的飞轮储能阵列控制方法及系统
CN107026468A (zh) 一种基于自抗扰控制技术的微网实验系统
CN110466597A (zh) 一种电动汽车eps用交流永磁电机能量优化控制系统
CN105897029A (zh) 一种模型直接功率预测控制方法、装置及系统
CN115765028A (zh) 一种风光水储直流汇集经同步电机并网系统及其应用方法
CN111769773A (zh) 无储能设备参与的变频器电压暂降耐受能力提升方法
CN107918436A (zh) 一种直驱式波浪发电最大功率跟踪算法及其系统
CN110474576A (zh) 一种无刷直流电机仿人智能转速控制方法
CN108322113B (zh) 一种开关磁阻电机系统功率平衡控制方法
CN108282114A (zh) 永磁同步电机的控制方法及系统

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