CN113485094A - 一种获取过程最优zn模型的方法及装置 - Google Patents

一种获取过程最优zn模型的方法及装置 Download PDF

Info

Publication number
CN113485094A
CN113485094A CN202110880994.0A CN202110880994A CN113485094A CN 113485094 A CN113485094 A CN 113485094A CN 202110880994 A CN202110880994 A CN 202110880994A CN 113485094 A CN113485094 A CN 113485094A
Authority
CN
China
Prior art keywords
model
response data
step input
optimal
process response
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
CN202110880994.0A
Other languages
English (en)
Other versions
CN113485094B (zh
Inventor
石上瑶
武涛
张栋
李军
董振
李波
沈兴全
周晓胜
罗世通
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.)
North University of China
Original Assignee
North University of China
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 North University of China filed Critical North University of China
Priority to CN202110880994.0A priority Critical patent/CN113485094B/zh
Publication of CN113485094A publication Critical patent/CN113485094A/zh
Application granted granted Critical
Publication of CN113485094B publication Critical patent/CN113485094B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及火电机组过程控制技术领域，具体涉及一种获取过程最优ZN模型的方法及装置。方法包括以下步骤：获取过程的实际阶跃输入的实际过程响应数据，并转换为单位阶跃输入的实际过程响应数据；获取单位阶跃输入的过程响应数据的稳态时间和稳态增益，确定ZN模型的参数；S3、在稳态时间内，改变ZN模型的纯滞后，计算不同纯滞后条件下对应ZN模型在单位阶跃输入的过程响应数据，以及其与被控过程的单位阶跃输入的实际过程响应数据之间的误差，将误差最小时的纯滞后对应的ZN模型作为最优ZN模型。本发明提高了采用ZN模型表达过程模型的准确性，可以广泛应用于火电机组的过热汽温控制中。

Description

一种获取过程最优ZN模型的方法及装置
技术领域
本发明涉及火电机组过程控制技术领域，具体涉及一种获取过程最优ZN模型的方法及装置。
背景技术
从火电机组过程控制的角度来说，获取过程模型具有重要的意义。火电机组的过热汽温控制，需要设置二阶滤波PID控制器参数，这就需要获取过程最优模型，从理论的角度，获取过程准确模型可能不是一个简单的问题。但是从工程的角度，过程模型需要简单。
现有技术中有人提出了ZN模型(Ziegler-Nichols model，ZNM)，ZN模型比较简单。然而，仅是简单的模型并不能真正满足工程实际的需求，模型在工程应用中需要有一定的准确性，因此，需要对现有技术中ZN模型进行改进，以提高模型准确性，使其可以应用于火电机组过程控制中。
发明内容
本发明克服现有技术存在的不足，所要解决的技术问题为：提供一种获取过程最优ZN模型的方法及装置，以解决现有技术采用ZN模型不够准确的问题。
为了解决上述技术问题，本发明采用的技术方案为：一种获取过程最优ZN模型的方法，所述ZN模型的表达式为：
Figure BDA0003192012830000011
其中，ZNM(s)为ZN模型的传递函数，KZN为ZN模型的增益、τZN为ZN模型的纯滞后，TZN为ZN模型的时间常数；
所述方法包括以下步骤：
S1、获取过程的实际阶跃输入的实际过程响应数据，并转换为单位阶跃输入的实际过程响应数据PVP(t)；
S2、获取单位阶跃输入的过程响应数据的稳态时间和稳态增益，以及单位阶跃输入的过程响应数据在0.5倍稳态增益的相对时间，确定ZN模型的参数；
S3、在稳态时间内，改变ZN模型的纯滞后，计算不同纯滞后条件下对应ZN模型在单位阶跃输入的过程响应数据，以及其与被控过程的单位阶跃输入的实际过程响应数据之间的误差，将误差最小时的纯滞后对应的ZN模型作为最优ZN模型。
所述步骤S1中，单位阶跃输入的过程响应数据PVP(t)的计算公式为：
Figure BDA0003192012830000021
其中，PVAP(t)为实际过程响应数据，ASI为实际阶跃输入。
所述步骤S2中，ZN模型的参数具体为：
KZN＝SV，TZN＝2T0.5SV-2τZN；
其中，SV为单位阶跃输入的过程响应数据的稳态增益，T0.5SV为单位阶跃输入的过程响应数据在0.5倍稳态增益的相对时间。
所述步骤S3中，所述误差ESI的计算公式为：
Figure BDA0003192012830000022
其中，t为当前时间，ST为稳态时间，PVZNM(t)为所述ZN模型在单位阶跃输入的过程响应数据。
所述最优ZN模型用于设置二阶滤波PID的参数。
所述二阶滤波PID包括PID和二阶惯性滤波器；其传递函数为：
Figure BDA0003192012830000023
其中，PID(s)、KP、TI、TD分别为PID的传递函数、串级比例增益、积分时间、微分时间，TSOIF为二阶惯性滤波器的时间常数，TSOIF＝0.1TD；
所述二阶滤波PID的参数被设置为：
Figure BDA0003192012830000031
TI＝TZN+τZN。
Figure BDA0003192012830000032
此外，本发明还提供了一种获取过程最优ZN模型的装置，用于实施所述的一种获取过程最优ZN模型的方法。
本发明与现有技术相比具有以下有益效果：本发明提供了一种获取过程最优ZN模型的方法及装置，通过在稳态时间内，改变模型的纯滞后，并计算误差各个纯滞后对应的ZN模型的单位阶跃输入的过程响应数据与所述过程的单位阶跃输入的被控过程响应数据之间的误差，将误差最小的ZN模型作为过程最优ZN模型，通过获取最优ZN模型，提高采用ZN模型表达过程模型的准确性，该方法可以广泛应用于火电机组的过热汽温控制中，对设置二阶滤波PID控制器参数具有重要的意义。
附图说明
图1为本发明实施例提供的一种获取过程最优ZN模型的方法的流程示意图；
图2为本发明实施例中单位阶跃输入的过程响应数据在0.5倍稳态增益的相对时间的示意图；
图3为本发明实施例中根据单位阶跃输入的过程响应数据获取的ZN模型参数的示意图；
图4为本发明实施例中获得的最优ZN模型在单位阶跃输入的过程响应数据PVOZNM(t)的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供了一种获取过程最优ZN模型的方法，其得到最优ZN模型用于火电机组的过热汽温控制中，对设置二阶滤波PID控制器参数具有重要的意义。本发明实施例中，ZN模型的表达式为：
Figure BDA0003192012830000041
其中，ZNM(s)为ZN模型的传递函数，KZN为ZN模型的增益、τZN为ZN模型的纯滞后，TZN为ZN模型的时间常数。
具体地，如图1所示，本发明实施例提供的一种获取过程最优ZN模型的方法，包括以下几个步骤。
S1、获取过程的实际阶跃输入的实际过程响应数据，将实际阶跃输入的实际过程响应数据转换为单位阶跃输入的实际过程响应数据，计算公式如下：
Figure BDA0003192012830000042
其中，PVP(t)为所述单位阶跃输入的实际过程响应数据，PVAP(t)为过程的实际阶跃输入的实际过程响应数据，ASI为实际阶跃输入，具体地，本发明实施例中，所述实际过程响应数据为火电机组的过热汽温控制系统的实际过程响应数据。
S2、获取单位阶跃输入的过程响应数据的稳态时间ST和稳态增益SV，以及单位阶跃输入的过程响应数据在0.5倍稳态增益的相对时间T0.5SV，确定ZN模型的参数。
如图2所示，为获得的单位阶跃输入的过程响应数据PVP(t)的示意图，其中，SV为单位阶跃输入的过程响应数据PVP(t)的稳态增益，ST为PVP(t)的稳态时间，T0.5SV为PVP(t)在0.5SV的相对时间，黑点为0.5SV与T0.5SV平行线的交点D。
如图3所示，在图2中画一条与上述交点D相交的，起始于时间轴x、截止于SV平行线的斜线，斜线与时间轴的交点Ts为起始时间，斜线与稳态增益SV所在的水平线之间的交点TE为截止时间。
根据图3，可以得到ZN模型参数为：
Figure BDA0003192012830000043
由于TE-T0.5SV＝T0.5SV-Ts，所以有：
KZN＝SV,TZN＝2T0.5SV-2τZN； (4)
因此，一旦TS确定，则ZN模型的参数τZN和TZN确定。
S3、在稳态时间内，改变ZN模型的纯滞后，计算不同纯滞后条件下对应ZN模型在单位阶跃输入的过程响应数据，以及其与被控过程的单位阶跃输入的实际过程响应数据之间的误差，将误差最小时的纯滞后对应的ZN模型作为最优ZN模型。
具体地，本实施例中，误差ESI的计算公式为：
Figure BDA0003192012830000051
其中，t为当前时间，ST为稳态时间，PVZNM(t)为所述ZN模型在单位阶跃输入的过程响应数据。
本申请中，将ZN模型在单位阶跃输入的过程响应数据，以及其与被控过程的单位阶跃输入的实际过程响应数据之间的差值的平方积分ESI作为误差，通过改变纯滞后值，相当于将上述的斜线以交点D为圆心进行旋转，不断得到ZN模型参数，在误差ESI最小情况的ZN模型作为所述过程的最优ZN模型，可以使得ZN模型的准确率最高。
具体地，在一个实施例中，得到的过程的实际对象传递函数为：
Figure BDA0003192012830000052
这里的P(s)为实际对象传递函数。假如阶跃输入为u＝ASI，则PVAP(s)＝P(s)*ASI/s；单位阶跃输入u＝1，PVP(s)＝P(s)*ASI/s。这里的PVAP(s)，PVP(s)分别是PVAP(t)，PVP(t)拉氏变换。
根据上述传递函数，可以得到对应的过程的单位阶跃输入的过程响应数据的稳态增益SV＝1.2，稳态时间ST＝960s，其中，稳态时间具体指PVP(t)进入到0.99SV的时间。通过在稳态时间的范围内，不断改变ZN模型的纯滞后，具体得到ESI的最小值ESI:min＝1.7532，对应的纯滞后为193s，由于T0.5SV＝396.5S，则通过式(4)可知，TZN＝407s，因此，得到的过程最优ZN模型传递函数为：
Figure BDA0003192012830000053
其中，OZNM(s)为过程最优ZN模型传递函数。如图4所示，为最终得到的最优ZN模型在单位阶跃输入的过程响应数据PVOZNM(t)，以及被控过程的单位阶跃输入的实际过程响应数据PVP(t)的示意图。
进一步地，本实施例中，得到最优ZN模型用于设置二阶滤波PID的参数。具体地，所述二阶滤波PID包括PID和二阶惯性滤波器(Second order inertia filter,SOIF)；其传递函数为：
Figure BDA0003192012830000061
其中，PID(s)、KP、TI、TD分别为PID的传递函数、串级比例增益、积分时间、微分时间，TSOIF为二阶惯性滤波器的时间常数，TSOIF＝0.1TD；上述得到的最优ZN模型传递函数可以用于设置二阶滤波PID的参数，具体地，所述二阶滤波PID的参数被设置为：
Figure BDA0003192012830000062
综上所述，本发明提供了一种获取过程最优ZN模型的方法，通过在稳态时间内，改变模型的纯滞后，并计算误差各个纯滞后对应的ZN模型的单位阶跃输入的过程响应数据与所述过程的单位阶跃输入的被控过程响应数据之间的误差，将误差最小的ZN模型作为过程最优ZN模型，通过获取最优ZN模型，提高了采用ZN模型表达过程模型的准确性，得到的ZN模型可以用于设置二阶滤波PID的参数，提高过程控制的性能。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种获取过程最优ZN模型的方法，其特征在于，所述ZN模型的表达式为：
Figure DEST_PATH_IMAGE002
；
其中，ZNM(s)为ZN模型的传递函数，K ZN为ZN模型的增益、τZN为ZN模型的纯滞后，T ZN为ZN模型的时间常数；
所述方法包括以下步骤：
S1、获取过程的实际阶跃输入的实际过程响应数据，并转换为单位阶跃输入的实际过程响应数据PVP（t）；
S2、获取单位阶跃输入的过程响应数据的稳态时间和稳态增益，以及单位阶跃输入的过程响应数据在0.5倍稳态增益的相对时间，确定ZN模型的参数；
S3、在稳态时间内，改变ZN模型的纯滞后，计算不同纯滞后条件下对应ZN模型在单位阶跃输入的过程响应数据，以及其与被控过程的单位阶跃输入的实际过程响应数据之间的误差，将误差最小时的纯滞后对应的ZN模型作为最优ZN模型。
2.根据权利要求1所述的一种获取过程最优ZN模型的方法，其特征在于，所述步骤S1中，单位阶跃输入的过程响应数据PVP（t）的计算公式为：
Figure DEST_PATH_IMAGE004
；
其中，PV AP(t)为实际过程响应数据，ASI为实际阶跃输入。
3.根据权利要求1所述的一种获取过程最优ZN模型的方法，其特征在于，所述步骤S2中，ZN模型的参数具体为：
Figure DEST_PATH_IMAGE006
；
其中，SV为单位阶跃输入的过程响应数据的稳态增益，T0.5SV为单位阶跃输入的过程响应数据在0.5倍稳态增益的相对时间。
4.根据权利要求1所述的一种获取过程最优ZN模型的方法，其特征在于，所述步骤S3中，所述误差ESI的计算公式为：
Figure DEST_PATH_IMAGE008
；
其中，t为当前时间，ST为稳态时间，PV ZNM(t)为所述ZN模型在单位阶跃输入的过程响应数据。
5.根据权利要求1所述的一种获取过程最优ZN模型的方法，其特征在于，所述最优ZN模型用于设置二阶滤波PID的参数。
6.根据权利要求5所述的一种获取过程最优ZN模型的方法，其特征在于，所述二阶滤波PID包括PID和二阶惯性滤波器；其传递函数为：
Figure DEST_PATH_IMAGE010
其中，PID(s)、K P、T I、T D分别为PID的传递函数、串级比例增益、积分时间、微分时间，T SOIF为二阶惯性滤波器的时间常数，TSOIF=0.1TD；
所述二阶滤波PID的参数被设置为：
Figure DEST_PATH_IMAGE012
。
7.一种获取过程最优ZN模型的装置，其特征在于，用于实施权利要求1~6中任一项所述的一种获取过程最优ZN模型的方法。
CN202110880994.0A 2021-08-02 2021-08-02 一种获取过程最优zn模型的方法及装置 Active CN113485094B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110880994.0A CN113485094B (zh) 2021-08-02 2021-08-02 一种获取过程最优zn模型的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110880994.0A CN113485094B (zh) 2021-08-02 2021-08-02 一种获取过程最优zn模型的方法及装置

Publications (2)

Publication Number Publication Date
CN113485094A true CN113485094A (zh) 2021-10-08
CN113485094B CN113485094B (zh) 2022-06-21

Family

ID=77943991

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110880994.0A Active CN113485094B (zh) 2021-08-02 2021-08-02 一种获取过程最优zn模型的方法及装置

Country Status (1)

Country Link
CN (1) CN113485094B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115291528A (zh) * 2022-10-08 2022-11-04 中认国证(北京)评价技术服务有限公司 模型不确定性等级确定方法、装置、系统及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63311502A (ja) * 1987-06-15 1988-12-20 Hitachi Ltd 調節計
EP3349075A1 (en) * 2017-01-13 2018-07-18 Omron Corporation Control device, control method, and control program for determining an abnormality
CN109856978A (zh) * 2019-03-26 2019-06-07 广东电网有限责任公司 一种获取被控对象模型的方法及装置
CN110069013A (zh) * 2019-03-19 2019-07-30 广东电网有限责任公司 一种高阶过程控制方法和装置
CN110231772A (zh) * 2019-07-22 2019-09-13 广东电网有限责任公司 一种获取过程模型的方法、装置及设备
CN110440778A (zh) * 2019-07-25 2019-11-12 中北大学 一种mems陀螺仪无超调保性能模糊小波神经控制方法
US20200100394A1 (en) * 2018-09-21 2020-03-26 Johnson Controls Technology Company Optimized thermal control of data center
CN112162483A (zh) * 2020-09-23 2021-01-01 广东电网有限责任公司云浮供电局 一种比例-积分控制器的最优参数获取方法
CN112286043A (zh) * 2020-10-13 2021-01-29 国网浙江省电力有限公司电力科学研究院 基于被控对象阶跃响应特性数据的pid参数整定方法
CN113139291A (zh) * 2021-04-23 2021-07-20 广东电网有限责任公司电力科学研究院 一种获取被控过程最优滑动窗滤波模型的方法及装置
CN113162567A (zh) * 2021-05-26 2021-07-23 广东电网有限责任公司 一种惯性组合滤波器的设计方法、装置及终端设备

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001285029A (ja) * 2000-03-31 2001-10-12 Pioneer Electronic Corp ディジタルフィルタおよびディジタルフィルタを用いた基準信号キャンセル装置
CN202189240U (zh) * 2011-06-15 2012-04-11 湖南工业大学 一种参数优化的pid控制装置
CN110609478B (zh) * 2019-10-21 2023-03-03 常州大学 一种基于改进遗传算法的气压自适应在线pid整定方法
CN112099358B (zh) * 2020-09-23 2023-01-06 广东电网有限责任公司云浮供电局 一种三阶控制器的最优参数获取方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63311502A (ja) * 1987-06-15 1988-12-20 Hitachi Ltd 調節計
EP3349075A1 (en) * 2017-01-13 2018-07-18 Omron Corporation Control device, control method, and control program for determining an abnormality
US20200100394A1 (en) * 2018-09-21 2020-03-26 Johnson Controls Technology Company Optimized thermal control of data center
CN110069013A (zh) * 2019-03-19 2019-07-30 广东电网有限责任公司 一种高阶过程控制方法和装置
CN109856978A (zh) * 2019-03-26 2019-06-07 广东电网有限责任公司 一种获取被控对象模型的方法及装置
CN110231772A (zh) * 2019-07-22 2019-09-13 广东电网有限责任公司 一种获取过程模型的方法、装置及设备
CN110440778A (zh) * 2019-07-25 2019-11-12 中北大学 一种mems陀螺仪无超调保性能模糊小波神经控制方法
CN112162483A (zh) * 2020-09-23 2021-01-01 广东电网有限责任公司云浮供电局 一种比例-积分控制器的最优参数获取方法
CN112286043A (zh) * 2020-10-13 2021-01-29 国网浙江省电力有限公司电力科学研究院 基于被控对象阶跃响应特性数据的pid参数整定方法
CN113139291A (zh) * 2021-04-23 2021-07-20 广东电网有限责任公司电力科学研究院 一种获取被控过程最优滑动窗滤波模型的方法及装置
CN113162567A (zh) * 2021-05-26 2021-07-23 广东电网有限责任公司 一种惯性组合滤波器的设计方法、装置及终端设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GUSTAVO MAIA DE ALMEIDA 等: "Application of Genetic Programming for Fine Tuning PID Controller Parameters Designed through Ziegler-Nichols Technique", 《CONFERENCE PAPER》 *
叶政: "PID控制器参数整定方法研究及其应用", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
翟霄雁 等: "Ziegler-Nichols方法在发动机怠速控制器孔整定中的应用", 《内燃机》 *
苏晨 等: "600MW超临界机组主汽温调节器参数优化设计", 《自动化仪表》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115291528A (zh) * 2022-10-08 2022-11-04 中认国证(北京)评价技术服务有限公司 模型不确定性等级确定方法、装置、系统及存储介质
CN115291528B (zh) * 2022-10-08 2023-02-17 中认国证(北京)评价技术服务有限公司 模型不确定性等级确定方法、装置、系统及存储介质

Also Published As

Publication number Publication date
CN113485094B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
CN111766777A (zh) 一种pid控制器及pid控制方法
CN113485094B (zh) 一种获取过程最优zn模型的方法及装置
CN104734588B (zh) 一种生物质气内燃发电机组转速控制方法
CN103576711B (zh) 基于定量单参数pid控制的化工反应器温度控制方法
CN109960149A (zh) 用于pH中和过程的自抗扰控制参数整定方法
CN112578670B (zh) 一种热工过程自抗扰时滞控制器的参数整定方法及控制器
CN105511262A (zh) 分数阶鲁棒控制器的参数快速整定方法及系统
CN113138552A (zh) 基于阶跃响应数据和临界比例度法的pid参数整定方法
CN102087531B (zh) 液体泵的流量控制方法
CN110209122B (zh) 一种多轴运动平台的控制方法、装置、介质及设备
CN111413865A (zh) 一种扰动补偿的单回路过热汽温自抗扰控制方法
CN103279034A (zh) 一种分数阶鲁棒控制器的参数整定方法
CN115051600A (zh) 一种无刷直流电机伺服系统跟踪控制方法
CN110850709A (zh) 用于pid参数的渐进式整定方法
CN105549385B (zh) 多变量时滞非最小相位非方系统的解耦内模控制器、控制系统和控制方法
CN110347038B (zh) 一种水泥熟料冷却过程的二自由度Smith预估控制方法
CN111965969B (zh) 直流电机速度-位置双闭环抗扰pid控制方法及系统
CN112650051B (zh) 一种广义二自由度pid控制器的预期动态整定方法
CN116442223A (zh) 一种机械手系统轨迹跟踪的非线性动态控制器设计方法
WO2019087554A1 (ja) フィードバック制御方法、及びモータ制御装置
CN110209055B (zh) 基于参考模型和扰动观测的二阶系统控制器及控制方法
Hu et al. Simple analytic formulas for PID tuning
CN107979317A (zh) 永磁同步电主轴弱磁调速方法
CN109066645B (zh) 一种设施农业直流供电网络的负荷控制方法及装置
Schrödel et al. Expanding the parameter space approach to multi loop control with multi time delays

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