CN115076019B - 一种用于波浪发电装置的控制方法、装置和电子设备 - Google Patents

一种用于波浪发电装置的控制方法、装置和电子设备 Download PDF

Info

Publication number
CN115076019B
CN115076019B CN202210725410.7A CN202210725410A CN115076019B CN 115076019 B CN115076019 B CN 115076019B CN 202210725410 A CN202210725410 A CN 202210725410A CN 115076019 B CN115076019 B CN 115076019B
Authority
CN
China
Prior art keywords
prediction
control sequence
wave power
power generation
kth
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
Application number
CN202210725410.7A
Other languages
English (en)
Other versions
CN115076019A (zh
Inventor
肖曦
林泽川
黄宣睿
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN202210725410.7A priority Critical patent/CN115076019B/zh
Publication of CN115076019A publication Critical patent/CN115076019A/zh
Application granted granted Critical
Publication of CN115076019B publication Critical patent/CN115076019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03B—MACHINES OR ENGINES FOR LIQUIDS
    • F03B15/00—Controlling
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03B—MACHINES OR ENGINES FOR LIQUIDS
    • F03B13/00—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates
    • F03B13/12—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy
    • F03B13/14—Adaptations of machines or engines for special use; Combinations of machines or engines with driving or driven apparatus; Power stations or aggregates characterised by using wave or tide energy using wave energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/30—Energy from the sea, e.g. using wave energy or salinity gradient

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Control Of Electrical Variables (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供了一种用于波浪发电装置的控制方法、装置和电子设备，采用内点法得到每一时刻的波浪发电装置输出的预测控制序列，处理过程简单，能够极大地加速得到波浪发电装置优化控制的效率。

Description

一种用于波浪发电装置的控制方法、装置和电子设备
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种用于波浪发电装置的控制方法、装置和电子设备。
背景技术
目前，在对波浪发电装置进行控制的过程中，为了取得理想的功率提取效率，控制必须能够实时自适应不规则的波浪变化情况；但传统的波浪发电装置的控制方法如阻尼、谐振、闭锁等均很难达到上述目的。
发明内容
为解决上述问题，本发明实施例的目的在于提供一种用于波浪发电装置的控制方法、装置和电子设备。
第一方面，本发明实施例提供了一种用于波浪发电装置的控制方法，包括：
获取第k时刻的所述波浪发电装置的系统状态以及第k-1时刻的所述波浪发电装置的优化预测控制序列，并将第k-1时刻的所述波浪发电装置的优化预测控制序列作为第k时刻的第一预测控制序列；
对所述第一预测控制序列进行时间校正，得到第k时刻的所述波浪发电装置的第二预测控制序列；
对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列；
对所述第k时刻的所述波浪发电装置的第三预测控制序列进行位置校正，得到第k时刻的所述波浪发电装置的第四预测控制序列；
使用内点法对所述第四预测控制序列进行处理，得到第k时刻的所述波浪发电装置输出的优化预测控制序列。
第二方面，本发明实施例还提供了一种用于波浪发电装置的控制装置，包括：
获取模块，用于获取第k时刻的所述波浪发电装置的系统状态以及第k-1时刻的所述波浪发电装置的优化预测控制序列，并将第k-1时刻的所述波浪发电装置的优化预测控制序列作为第k时刻的第一预测控制序列；
第一校正模块，用于对所述第一预测控制序列进行时间校正，得到第k时刻的所述波浪发电装置的第二预测控制序列；
第二校正模块，用于对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列；
第三校正模块，用于对所述第k时刻的所述波浪发电装置的第三预测控制序列进行位置校正，得到第k时刻的所述波浪发电装置的第四预测控制序列；
优化求解模块，用于使用内点法对所述第四预测控制序列进行处理，得到第k时刻的所述波浪发电装置输出的优化预测控制序列。
第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面所述的方法的步骤。
第四方面，本发明实施例还提供了一种电子设备，所述电子设备包括有存储器，处理器以及一个或者一个以上的程序，其中所述一个或者一个以上程序存储于所述存储器中，且经配置以由所述处理器执行上述第一方面所述的方法的步骤。
本发明实施例上述第一方面至第四方面提供的方案中，在第k时刻，通过获取第k-1时刻的波浪发电装置的优化预测控制序列并作为第k时刻的第一预测控制序列，对第k时刻的第一预测控制序列进行时间校正，得到第k时刻的所述波浪发电装置的第二预测控制序列，对第k时刻的波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列，然后利用第k时刻的所述波浪发电装置的系统状态和第k时刻的所述波浪发电装置的第三预测控制序列，得到第k时刻的所述波浪发电装置的第四预测控制序列，最后使用内点法对所述第四预测控制序列进行处理，得到第k时刻的波浪发电装置输出的优化预测控制序列，与相关技术中如阻尼、谐振、闭锁等波浪发电装置的控制方法相比，通过以上的时间校正、控制校正、位置校正等这样热启动的方式，来对第k时刻的所述波浪发电装置输出的预测控制序列进行初始化，然后再传递给内点法求解，能够极大地加速得到第k时刻的波浪发电装置优化预测控制序列的效率。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本发明实施例1所提供的一种用于波浪发电装置的控制方法的流程图；
图2示出了本发明实施例2所提供的一种用于波浪发电装置的控制装置的结构示意图；
图3示出了本发明实施例3所提供的一种电子设备的结构示意图。
具体实施方式
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
目前，在对波浪发电装置进行控制的过程中，为了取得理想的功率提取效率，控制必须能够实时自适应不规则的波浪变化情况；但传统的波浪发电装置的控制方法如阻尼、谐振、闭锁等均很难达到上述目的。
基于此，本实施例提出一种用于波浪发电装置的控制方法、装置和电子设备，在第k时刻，通过获取第k-1时刻的波浪发电装置的优化预测控制序列并作为第k时刻的第一预测控制序列，对第k时刻的第一预测控制序列进行时间校正，得到第k时刻的所述波浪发电装置的第二预测控制序列，对第k时刻的波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列，然后利用第k时刻的所述波浪发电装置的系统状态和第k时刻的所述波浪发电装置的第三预测控制序列，得到第k时刻的所述波浪发电装置的第四预测控制序列，最后使用内点法对所述第四预测控制序列进行处理，得到第k时刻的波浪发电装置输出的预测控制序列，通过以上的时间校正、控制校正、位置校正等这样热启动的方式，来对第k时刻的所述波浪发电装置输出的预测控制序列进行初始化，然后再传递给内点法求解，能够极大地加速得到第k时刻的波浪发电装置优化预测控制序列的效率。
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请做进一步详细的说明。
实施例1
本实施例提出的用于波浪发电装置的控制方法，执行主体是波浪发电装置的控制器。
参见图1所示的一种用于波浪发电装置的控制方法的流程图，本实施例提出一种用于波浪发电装置的控制方法，包括以下具体步骤：
步骤100、获取第k时刻的所述波浪发电装置的系统状态以及第k-1时刻的所述波浪发电装置的优化预测控制序列，并将第k-1时刻的所述波浪发电装置的优化预测控制序列作为第k时刻的第一预测控制序列。
在上述步骤100中，第k时刻的所述波浪发电装置的系统状态，包括：浮体位置z(k|k)、浮体速度
Figure BDA0003713046010000051
和辐射力子系统状态ξ(k|k)，即
Figure BDA0003713046010000052
第k时刻的所述波浪发电装置的系统状态是所述控制器从所述波浪发电装置中获取到的。
所述第k-1时刻的所述波浪发电装置的优化预测控制序列，是第k-1时刻执行本实施例提出的用于波浪发电装置的控制方法后得到的。
所述第k-1时刻的所述波浪发电装置的优化预测控制序列，可以表示为：u(k-1|k-1)，u(k|k-1)，…，u(k+N-2|k-1)，分别表示在k-1时刻所得到的分别在k-1时刻，k时刻，…，k+N-2时刻应采取的控制量。将这个优化预测控制序列作为第k时刻的第一预测控制序列并记为u1；将u1的第一个预测控制量记为u1[1]，即u1[1]＝u(k-1|k-1)，将u1的第二个预测控制量记为u1[2]，即u1[2]＝u(k|k-1)，…，以此类推。其中，i＝1,……,N。
步骤102、对所述第一预测控制序列进行时间校正，得到第k-1时刻的所述波浪发电装置的第二预测控制序列。
在上述步骤102中，按照以下公式对u1进行时间校正得到u2：
u2[1]＝u1[2]
u2[2]＝u1[3]
…
u2[N-1]＝u1[N]
u2[N]＝0
其中，u1[i]为第一预测控制序列的第i个预测控制量，u2[i]为时间校正之后的第二预测控制序列的第i个预测控制量。上式的物理意义是将u1[i]向前进行一步时移，并在末端补零，得到u2[i]。时间校正的目的是使控制序列的时间对齐。
当然，对所述第一预测控制序列进行时间校正，得到第k时刻的所述波浪发电装置的第二预测控制序列的具体过程也可以采用现有技术中的任何时移技术得到，这里不再赘述。
步骤104、对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列。
在上述步骤104中，通过以下公式对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列：
Figure BDA0003713046010000071
其中，u2[i]表示第二预测控制序列中的第i个预测控制量；u3[i]表示第三预测控制序列中的第i个预测控制量；um表示预测控制量的最大值；∈表示修正值。
上述步骤104进行控制校正的目的是使控制序列满足预测控制量的最大值这个约束条件。
步骤106、对所述第k时刻的所述波浪发电装置的第三预测控制序列进行位置校正，得到第k时刻的所述波浪发电装置的第四预测控制序列。
在上述步骤106中，为了对u3[i]进行位置校正得到u4[i]，其目的是使所述第k时刻的所述波浪发电装置的系统状态中的浮体位置序列满足位置最大值的约束条件。
为了实现这一点，首先建立以下系统运动方程：
x(k+1)＝Ax(k)+Bw(k)+Bu(k)
式中，x(k)为第k时刻的所述波浪发电装置的系统状态；w(k)为第k时刻的波浪激励力；u(k)为第k时刻的电机推力；A、B为浮体运动的状态方程矩阵。
A、B这两个矩阵可以根据浮体的水动力学参数和机械参数得到，属于现有技术。
对于任何预测控制序列u，使用上述系统方程可以计算得到第k+1时刻的所述波浪发电装置的系统状态预测值：
x(k+1|k)＝Ax(k|k)+Bw(k|k)+Bu[1]
式中，x(k+1|k)为第k+1时刻的所述波浪发电装置的系统状态预测值，x(k|k)为已知的第k时刻所述波浪发电装置的系统状态，w(k|k)为第k时刻预测的第k时刻的波浪激励力，u[1]为预测序列u的第1个预测控制量。同理，可以计算得到第k+2时刻的系统状态预测值：
x(k+2|k)＝Ax(k+1|k)+Bw(k+1|k)+Bu[2]
式中，x(k+2|k)为第k+2时刻的所述波浪发电装置的系统状态预测值，x(k+1|k)为第k时刻得到的第k+1时刻的所述波浪发电装置的系统状态预测值，w(k+1|k)为第k时刻预测的第k+1时刻的波浪激励力，u[2]为预测序列u的第2个预测控制量。以此类推，直至第k+N时刻的所述波浪发电装置的系统状态预测值：
x(k+N|k)＝Ax(k+N-1|k)+Bw(k+N-1|k)+Bu[N]
上述公式可以统一地写为以下矩阵形式：
Figure BDA0003713046010000081
进一步地，记
Figure BDA0003713046010000082
为依赖状态的状态预测矩阵，
Figure BDA0003713046010000083
Figure BDA0003713046010000084
为依赖控制的状态预测矩阵。
所以，为了得到第k时刻的所述波浪发电装置的第四预测控制序列，上述步骤106可以执行以下步骤(1)至步骤(4)：
(1)获取在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力；
(2)利用所述第k时刻的所述波浪发电装置的系统状态以及在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力建立系统状态预测模型，并根据系统状态预测模型，得到第k时刻的系统状态预测序列；其中，所述第k时刻的系统状态预测模型通过以下公式表示：
Figure BDA0003713046010000091
其中，
Figure BDA0003713046010000092
表示第k时刻的系统状态预测序列；x(k|k)表示第k时刻的所述波浪发电装置的系统状态；
Figure BDA0003713046010000093
表示在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力；A表示依赖状态的状态预测矩阵；B表示依赖控制的状态预测矩阵；u3表示包括u3[1],…,u3[N]这N个预测控制量的第三预测控制序列；
(3)从所述第k时刻的系统状态预测模型中提取出第k时刻的浮体位置预测模型，并根据第k时刻的浮体位置预测模型，得到第k时刻的浮体位置预测序列；其中，所述第k时刻的浮体位置预测模型通过以下公式表示：
Figure BDA0003713046010000094
其中，
Figure BDA0003713046010000095
表示所述第k时刻的浮体位置预测序列，Az表示依赖于状态的位置预测矩阵；Bz表示依赖于控制的位置预测矩阵；
(4)利用得到的所述第k时刻的浮体位置预测模型，计算得到所述第三预测控制序列中所产生的浮体位置预测序列，并根据得到的所述第三预测控制序列中所产生的浮体位置预测序列，对所述第三预测控制序列中的预测控制量进行修正，得到第k时刻的所述波浪发电装置的第四预测控制序列。
在上述步骤(1)中，在k时刻分别预测k、k+1、…、k+N-1时刻的波浪激励力，并将得到的k时刻分别预测k、k+1、…、k+N-1时刻的波浪激励力缓存在所述控制器中。
在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力的具体过程是现有技术，这里不再赘述。
在上述步骤(2)中，公式的左侧是第k时刻的系统状态预测序列，公式的右侧是第k时刻的系统状态预测模型。
通过以上步骤(1)至步骤(2)的描述，递推地使用系统方程得到了系统状态预测模型。该系统状态预测模型描述了如何根据当前系统状态x(k|k)，当前波浪激励力预测值w(k|k),w(k+1|k),w(k+2|k),…,w(k+N-1|k)，和某一预测控制序列u，来得到浮体状态预测序列x(k+1|k),x(k+2|k),…,x(k+N|k)的过程。
在上述步骤(3)中，公式的左侧是第k时刻的浮体位置预测序列，公式的右侧是第k时刻的浮体位置预测模型。
进一步地，因为浮体位置是系统状态中的第二个元素，因此从总状态序列中提取出浮体位置序列：
Figure BDA0003713046010000101
式中，x(k+1|k){2}表示x(k+1|k)的第二个元素，其余同理。因此，浮体位置预测序列计算公式如下表示：
Figure BDA0003713046010000111
式中，(A){2,:}表示矩阵A的第2行，其余同理。记
Figure BDA0003713046010000112
为依赖于状态的位置预测矩阵，
Figure BDA0003713046010000113
为依赖于控制的位置预测矩阵。
通过以上的描述可知，所述控制器从所述第k时刻的系统状态预测模型中提取出第k时刻的浮体位置预测模型。
在上述步骤(4)中，利用得到的所述第k时刻的浮体位置预测模型，计算得到所述第三预测控制序列中的浮体位置预测序列的具体过程是现有技术，这里不再赘述。
在计算得到所述第三预测控制序列中的浮体位置预测序列后，所述根据得到的所述第三预测控制序列中的浮体位置预测序列，对所述第三预测控制序列中的预测控制量进行修正，得到第k时刻的所述波浪发电装置的第四预测控制序列，包括：
通过以下公式对所述第三预测控制序列中的预测控制量进行修正，得到第k时刻的所述波浪发电装置的第四预测控制序列：
Figure BDA0003713046010000121
p＝max{1，i-l0+1}
Figure BDA0003713046010000122
其中，u4{p:i}表示第四预测控制序列中的第p个预测控制量u4[p]到第i个预测控制量u4[i]之间的多个预测控制量；u3{p:i}表示第三预测控制序列中的第p个预测控制量u3[p]到第i个预测控制量u3[i]之间的多个预测控制量；vi表示校正量；l0表示预设数值；sign()表示符号函数：若z(k+i|k)≥0，则sign(z(k+i|k))＝1，若z(k+i|k)<0，则sign(z(k+i|k))＝-1；∑Bz{i,p:i}表示Bz中第i行的第p个数值到第i个数值的累加之和；zm表示浮体位移最大值。
在通过上述步骤106得到第k时刻的所述波浪发电装置的第四预测控制序列后，可以建立如下模型预测控制问题：
下面从位置校正之后的第四预测控制序列出发，计算优化控制序列u5(即第k时刻的所述波浪发电装置最终输出的预测控制序列u5)中的i个预测控制量u5[i]；即从第四预测控制序列出发进一步计算一个第k时刻的所述波浪发电装置输出的预测控制序列u5的i个预测控制量，使得一个未来N步内的波浪发电装置输出能量取得最大值，并且满足约束条件。
具体地，首先，使用上述第k时刻的系统状态预测模型得到在u4[i]控制下的系统状态预测序列：
Figure BDA0003713046010000123
式中，x(k+1|k)、x(k+2|k)、…、x(k+N|k)分别为在k时刻预测的k+1，k+2、…、k+N时刻的波浪发电装置的系统状态；x(k|k)为已知的第k时刻的波浪发电装置的系统状态；w(k|k)、w(k+1|k)、…、w(k+N-1|k)分别为在k时刻预测的k、k+1、…、k+N-1时刻的波浪激励力；u4为第k时刻的所述波浪发电装置第四预测控制序列；A、B分别为依赖状态的状态预测矩阵和依赖控制的状态预测矩阵。
按以下公式计算波浪发电装置N步内输出能量E并作为优化目标：
Figure BDA0003713046010000131
式中，x(k+i|k)为在第k时刻预测的第k+i时刻的波浪发电装置的系统状态；x(k+i|k){1}表示x(k+i|k)的第一个元素，即在k时刻预测的第k+i步的浮体速度；u4[i]为第k时刻的所述波浪发电装置输出的第四预测控制序列的第i个预测控制量，
优化的目标是使得在N步之内波浪发电装置的总输出能量E最大化。
建立以下约束条件：
u5[i]应满足电机最大推力约束条件：
-um≤u5[i]≤um
式中，um为波浪发电装置中的电机推力最大值。
优化预测控制序列中的i个预测控制量u5[i]应使得其所产生的浮体满足最大位移约束条件，即对i＝0,…,N-1满足：
-zm≤x(k+i|k){2}≤zm
式中，x(k+i|k){2}表示x(k+i|k)的第二个元素，即在k时刻预测的、第k+i步的浮体位置。
由此就得到了模型预测控制优化问题。然后，可以继续执行以下步骤108，得到第k时刻的所述波浪发电装置输出的预测控制序列。
步骤108、使用内点法对所述第四预测控制序列进行处理，得到第k时刻的所述波浪发电装置输出的优化预测控制序列。
在上述步骤108中，对所述第四预测控制序列使用内点法，得到第k时刻的所述波浪发电装置输出的预测控制序列的具体过程属于现有技术，这里不再赘述。
将所得到的第k时刻的所述波浪发电装置输出的优化预测控制序列的第一个预测控制量u5[1]作为第k时刻的电机推力指令。同时将u5[i]的整个序列传递给下一步求解，即作为第k+1时刻的初始预测控制序列。
通过以上的内容可以看出，本实施例提出的所提出的快速求解策略将极大地加快波浪发电系统模型预测控制计算速度，使之更易于实际应用。
综上所述，本实施例提出一种用于波浪发电装置的控制方法，在第k时刻，通过将第k-1时刻的波浪发电装置的优化预测控制序列作为第K时刻的波浪发电装置的第一预测控制序列，对第K时刻的第一预测控制序列进行时间校正，得到第K时刻的所述波浪发电装置的第二预测控制序列，对第k时刻的波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列，然后利用第k时刻的所述波浪发电装置的系统状态和第k时刻的所述波浪发电装置的第三预测控制序列，得到第k时刻的所述波浪发电装置的第四预测控制序列，最后使用内点法对所述第四预测控制序列进行处理，得到第k时刻的波浪发电装置输出的优化预测控制序列，与相关技术中如阻尼、谐振、闭锁等波浪发电装置的控制方法相比，通过以上的时间校正、控制校正、位置校正等这样热启动的方式，来对第k时刻的所述波浪发电装置输出的预测控制序列进行初始化，然后再传递给内点法求解，能够极大地加速得到第k时刻的波浪发电装置优化预测控制序列的效率。
实施例2
本实施例提出一种用于波浪发电装置的控制装置，用于执行上述实施例1提出的用于波浪发电装置的控制方法。
参见图2所示的一种用于波浪发电装置的控制装置的结构示意图，本实施例提出一种用于波浪发电装置的控制装置，包括：
获取模块200，用于获取第k时刻的所述波浪发电装置的系统状态以及第k-1时刻的所述波浪发电装置的优化预测控制序列，并将第k-1时刻的所述波浪发电装置的优化预测控制序列作为第k时刻的所述波浪发电装置的第一预测控制序列；
第一校正模块202，用于对所述第一预测控制序列进行时间校正，得到第k时刻的所述波浪发电装置的第二预测控制序列；
第二校正模块204，用于对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列；
第三校正模块206，用于对所述第k时刻的所述波浪发电装置的第三预测控制序列进行位置校正，得到第K时刻的所述波浪发电装置的第四预测控制序列；
优化求解模块208，用于使用内点法对所述第四预测控制序列进行处理，得到第k时刻的所述波浪发电装置输出的预测控制序列。
具体地，所述第二校正模块204，具体用于：
通过以下公式对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列：
Figure BDA0003713046010000151
其中，u2[i]表示第二预测控制序列中的第i个预测控制量；u3[i]表示第三预测控制序列中的第i个预测控制量；um表示预测控制量的最大值；∈表示修正值。
具体地，所述系统状态，包括：浮体位置；所述第一处理模块206，具体用于：
获取在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力；
利用所述第k时刻的所述波浪发电装置的系统状态以及在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力建立得到第k时刻的系统状态预测模型，并根据系统状态预测模型，得到第k时刻的系统状态预测序列；其中，所述第k时刻的系统状态预测模型通过以下公式表示：
Figure BDA0003713046010000161
其中，
Figure BDA0003713046010000162
表示第k时刻的系统状态预测模型；x(k|k)表示第k时刻的所述波浪发电装置的系统状态；
Figure BDA0003713046010000163
表示在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力；A表示依赖状态的状态预测矩阵；B表示依赖控制的状态预测矩阵；u3表示包括u3[1],…,u3[N]这N个预测控制量的第三预测控制序列；
从所述第k时刻的系统状态预测模型中提取出第k时刻的浮体位置预测模型，并根据第k时刻的浮体位置预测模型，得到第k时刻的浮体位置预测序列；其中，所述第k时刻的浮体位置预测模型通过以下公式表示：
Figure BDA0003713046010000164
其中，
Figure BDA0003713046010000165
表示所述第k时刻的浮体位置预测序列，Az表示依赖于状态的位置预测矩阵；Bz表示依赖于控制的位置预测矩阵；
利用得到的所述第k时刻的浮体位置预测模型，计算得到所述第三预测控制序列中所产生的浮体位置预测序列，并根据得到的所述第三预测控制序列中所产生的浮体位置预测序列，对所述第三预测控制序列中的预测控制量进行修正，得到第k时刻的所述波浪发电装置的第四预测控制序列。
进一步地，所述第一处理模块206，用于根据得到的所述第三预测控制序列中的浮体位置预测序列，对所述第三预测控制序列中的预测控制量进行修正，得到第k时刻的所述波浪发电装置的第四预测控制序列，包括：
通过以下公式对所述第三预测控制序列中的预测控制量进行修正，得到第K时刻的所述波浪发电装置的第四预测控制序列：
Figure BDA0003713046010000171
其中，u4{p:i}表示第四预测控制序列中的第p个预测控制量u4[p]到第i个预测控制量u4[i]之间的多个预测控制量；u3{p:i}表示第三预测控制序列中的第p个预测控制量u3[p]到第i个预测控制量u3[i]之间的多个预测控制量；vi表示校正量；l0表示预设数值；sign()表示符号函数：若z(k+i|k)≥0，则sign(z(k+i|k))＝1，若z(k+i|k)<0，则sign(z(k+i|k))＝-1；∑Bz{i,p:i}表示Bz中第i行的第p个数值到第i个数值的累加之和；zm表示浮体位移最大值。
综上所述，本实施例提出一种用于波浪发电装置的控制装置，在第k时刻，通过获取第k-1时刻的波浪发电装置的优化预测控制序列并作为第k时刻的第一预测控制序列，对第k时刻的第一预测控制序列进行时间校正，得到第k时刻的所述波浪发电装置的第二预测控制序列，对第k时刻的波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列，然后利用第k时刻的所述波浪发电装置的系统状态和第k时刻的所述波浪发电装置的第三预测控制序列，得到第k时刻的所述波浪发电装置的第四预测控制序列，最后使用内点法对所述第四预测控制序列进行处理，得到第k时刻的波浪发电装置输出的优化预测控制序列，与相关技术中如阻尼、谐振、闭锁等波浪发电装置的控制方法相比，通过以上的时间校正、控制校正、位置校正等这样热启动的方式，来对第k时刻的所述波浪发电装置输出的预测控制序列进行初始化，然后再传递给内点法求解，能够极大地加速得到第k时刻的波浪发电装置优化预测控制序列的效率。
实施例3
本实施例提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例1描述的用于波浪发电装置的控制方法的步骤。具体实现可参见方法实施例1，在此不再赘述。
此外，参见图3所示的一种电子设备的结构示意图，本实施例还提出一种电子设备，上述电子设备包括总线51、处理器52、收发机53、总线接口54、存储器55和用户接口56。上述电子设备包括有存储器55。
本实施例中，上述电子设备还包括：存储在存储器55上并可在处理器52上运行的一个或者一个以上的程序，经配置以由上述处理器执行上述一个或者一个以上程序用于进行以下步骤(1)至步骤(5)：
(1)获取第k时刻的所述波浪发电装置的系统状态以及第k-1时刻的所述波浪发电装置的优化预测控制序列，并将第k-1时刻的所述波浪发电装置的优化预测控制序列作为第k时刻的第一预测控制序列；
(2)对所述第一预测控制序列进行时间校正，得到第k时刻的所述波浪发电装置的第二预测控制序列；
(3)对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列；
(4)对所述第k时刻的所述波浪发电装置的第三预测控制序列进行位置校正，得到第k时刻的所述波浪发电装置的第四预测控制序列；
(5)使用内点法对所述第四预测控制序列进行处理，得到第k时刻的所述波浪发电装置输出的优化预测控制序列。
收发机53，用于在处理器52的控制下接收和发送数据。
其中，总线架构(用总线51来代表)，总线51可以包括任意数量的互联的总线和桥，总线51将包括由处理器52代表的一个或多个处理器和存储器55代表的存储器的各种电路链接在一起。总线51还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本实施例不再对其进行进一步描述。总线接口54在总线51和收发机53之间提供接口。收发机53可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。例如：收发机53从其他设备接收外部数据。收发机53用于将处理器52处理后的数据发送给其他设备。取决于计算系统的性质，还可以提供用户接口56，例如小键盘、显示器、扬声器、麦克风、操纵杆。
处理器52负责管理总线51和通常的处理，如前述上述运行通用操作系统。而存储器55可以被用于存储处理器52在执行操作时所使用的数据。
可选的，处理器52可以是但不限于：中央处理器、单片机、微处理器或者可编程逻辑器件。
可以理解，本发明实施例中的存储器55可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本实施例描述的系统和方法的存储器55旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器55存储了如下的元素，可执行模块或者数据结构，或者它们的子集，或者它们的扩展集：操作系统551和应用程序552。
其中，操作系统551，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序552，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序552中。
综上所述，本实施例提出一种电子设备和计算机可读存储介质，在第k时刻，通过获取第k-1时刻的波浪发电装置的优化预测控制序列并作为第k时刻的第一预测控制序列，对第k时刻的第一预测控制序列进行时间校正，得到第k时刻的所述波浪发电装置的第二预测控制序列，对第k时刻的波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列，然后利用第k时刻的所述波浪发电装置的系统状态和第k时刻的所述波浪发电装置的第三预测控制序列，得到第k时刻的所述波浪发电装置的第四预测控制序列，最后使用内点法对所述第四预测控制序列进行处理，得到第k时刻的波浪发电装置输出的优化预测控制序列，与相关技术中如阻尼、谐振、闭锁等波浪发电装置的控制方法相比，通过以上的时间校正、控制校正、位置校正等这样热启动的方式，来对第k时刻的所述波浪发电装置输出的预测控制序列进行初始化，然后再传递给内点法求解，能够极大地加速得到第k时刻的波浪发电装置优化预测控制序列的效率，
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种用于波浪发电装置的控制方法，其特征在于，包括：
获取第k时刻的所述波浪发电装置的系统状态以及第k-1时刻的所述波浪发电装置的优化预测控制序列，并将第k-1时刻的所述波浪发电装置的优化预测控制序列作为第k时刻的第一预测控制序列；
对所述第一预测控制序列进行时间校正，得到第k时刻的所述波浪发电装置的第二预测控制序列；
对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列；
对所述第k时刻的所述波浪发电装置的第三预测控制序列进行位置校正，得到第k时刻的所述波浪发电装置的第四预测控制序列；
使用内点法对所述第四预测控制序列进行处理，得到第k时刻的所述波浪发电装置输出的优化预测控制序列。
2.根据权利要求1所述的方法，其特征在于，所述对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列，包括：
通过以下公式对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列：
Figure FDA0004067647240000011
其中，u2[i]表示第二预测控制序列中的第i个预测控制量；u3[i]表示第三预测控制序列中的第i个预测控制量；um表示预测控制量的最大值；∈表示修正值。
3.根据权利要求2所述的方法，其特征在于，所述系统状态，包括：浮体位置；
所述对所述第k时刻的所述波浪发电装置的第三预测控制序列进行位置校正，包括：
获取在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力；
利用所述第k时刻的所述波浪发电装置的系统状态以及在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力建立系统状态预测模型，并根据系统状态预测模型，得到第k时刻的系统状态预测序列；其中，所述第k时刻的系统状态预测模型通过以下公式表示：
Figure FDA0004067647240000021
其中，
Figure FDA0004067647240000022
表示第k时刻的系统状态预测序列；x(k|k)表示第k时刻的所述波浪发电装置的系统状态；
Figure FDA0004067647240000023
表示在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力；A表示依赖状态的状态预测矩阵；B表示依赖控制的状态预测矩阵；u3表示包括u3[1],…,u3[N]这N个预测控制量的第三预测控制序列；
从所述第k时刻的系统状态预测模型中提取出第k时刻的浮体位置预测模型，并根据第k时刻的浮体位置预测模型，得到第k时刻的浮体位置预测序列；其中，所述第k时刻的浮体位置预测序列通过以下公式表示：
Figure FDA0004067647240000024
其中，
Figure FDA0004067647240000031
表示所述第k时刻的浮体位置预测序列，Az表示依赖于状态的位置预测矩阵；Bz表示依赖于控制的位置预测矩阵；
利用得到的所述第k时刻的浮体位置预测模型，计算得到所述第三预测控制序列中所产生的浮体位置预测序列，并根据得到的所述第三预测控制序列中所产生的浮体位置预测序列，对所述第三预测控制序列中的预测控制量进行修正，得到第k时刻的所述波浪发电装置的第四预测控制序列。
4.根据权利要求3所述的方法，其特征在于，所述根据得到的所述第三预测控制序列中所产生的浮体位置预测序列，对所述第三预测控制序列中的预测控制量进行修正，得到第k时刻的所述波浪发电装置的第四预测控制序列，包括：
通过以下公式对所述第三预测控制序列中的预测控制量进行修正，得到第k时刻的所述波浪发电装置的第四预测控制序列：
Figure FDA0004067647240000032
p＝max{1，i-l0+1}
Figure FDA0004067647240000033
其中，u4{p:i}表示第四预测控制序列中的第p个预测控制量u4[p]到第i个预测控制量u4[i]之间的多个预测控制量；u3{p:i}表示第三预测控制序列中的第p个预测控制量u3[p]到第i个预测控制量u3[i]之间的多个预测控制量；vi表示校正量；l0表示预设数值；sign()表示符号函数：若z(k+i|k)≥0，则sign(z(k+i|k))＝1，若z(k+i|k)<0，则sign(z(k+i|k))＝-1；∑Bz{i,p:i}表示Bz中第i行的第p个数值到第i个数值的累加之和；zm表示浮体位移最大值。
5.一种用于波浪发电装置的控制装置，其特征在于，包括：
获取模块，用于获取第k时刻的所述波浪发电装置的系统状态以及第k-1时刻的所述波浪发电装置的优化预测控制序列，并将第k-1时刻的所述波浪发电装置的优化预测控制序列作为第k时刻的第一预测控制序列；
第一校正模块，用于对所述第一预测控制序列进行时间校正，得到第k时刻的所述波浪发电装置的第二预测控制序列；
第二校正模块，用于对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列；
第三校正模块，用于对所述第k时刻的所述波浪发电装置的第三预测控制序列进行位置校正，得到第k时刻的所述波浪发电装置的第四预测控制序列；
优化求解模块，用于使用内点法对所述第四预测控制序列进行处理，得到第k时刻的所述波浪发电装置输出的优化预测控制序列。
6.根据权利要求5所述的装置，其特征在于，所述第二校正模块，具体用于：
通过以下公式对所述第k时刻的所述波浪发电装置的第二预测控制序列进行控制校正，得到第k时刻的所述波浪发电装置的第三预测控制序列：
Figure FDA0004067647240000041
其中，u2[i]表示第二预测控制序列中的第i个预测控制量；u3[i]表示第三预测控制序列中的第i个预测控制量；um表示预测控制量的最大值；∈表示修正值。
7.根据权利要求6所述的装置，其特征在于，所述系统状态，包括：浮体位置；
所述第三校正模块，具体用于：
获取在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力；
利用所述第k时刻的所述波浪发电装置的系统状态以及在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力建立第k时刻的系统状态预测模型，并根据系统状态预测模型，得到第k时刻的系统状态预测序列；其中，所述第k时刻的系统状态预测模型通过以下公式表示：
Figure FDA0004067647240000051
其中，
Figure FDA0004067647240000052
表示第k时刻的系统状态预测序列；x(k|k)表示第k时刻的所述波浪发电装置的系统状态；
Figure FDA0004067647240000053
表示在k时刻分别预测的k、k+1、…、k+N-1时刻的波浪激励力；A表示依赖状态的状态预测矩阵；B表示依赖控制的状态预测矩阵；u3表示包括u3[1],…,u3[N]这N个预测控制量的第三预测控制序列；
从所述第k时刻的系统状态预测模型中提取出第k时刻的浮体位置预测模型，并根据第k时刻的浮体位置预测模型，得到第k时刻的浮体位置预测序列；其中，所述第k时刻的浮体位置预测模型通过以下公式表示：
Figure FDA0004067647240000061
其中，
Figure FDA0004067647240000062
表示所述第k时刻的浮体位置预测序列，Az表示依赖于状态的位置预测矩阵；Bz表示依赖于控制的位置预测矩阵；
利用得到的所述第k时刻的浮体位置预测模型，计算得到所述第三预测控制序列中所产生的浮体位置预测序列，并根据得到的所述第三预测控制序列中所产生的浮体位置预测序列，对所述第三预测控制序列中的预测控制量进行修正，得到第k时刻的所述波浪发电装置的第四预测控制序列。
8.根据权利要求7所述的装置，其特征在于，所述第三校正模块，用于根据得到的所述第三预测控制序列中所产生的浮体位置预测序列，对所述第三预测控制序列中的预测控制量进行修正，得到第k时刻的所述波浪发电装置的第四预测控制序列，包括：
通过以下公式对所述第三预测控制序列中的预测控制量进行修正，得到第k时刻的所述波浪发电装置的第四预测控制序列：
Figure FDA0004067647240000063
p＝max{1，i-l0+1}
Figure FDA0004067647240000064
其中，u4{p:i}表示第四预测控制序列中的第p个预测控制量u4[p]到第i个预测控制量u4[i]之间的多个预测控制量；u3{p:i}表示第三预测控制序列中的第p个预测控制量u3[p]到第i个预测控制量u3[i]之间的多个预测控制量；vi表示校正量；l0表示预设数值；sign()表示符号函数：若z(k+i|k)≥0，则sign(z(k+i|k))＝1，若z(k+i|k)<0，则sign(z(k+i|k))＝-1；∑Bz{i,p:i}表示Bz中第i行的第p个数值到第i个数值的累加之和；zm表示浮体位移最大值。
9.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1-4任一项所述的方法的步骤。
10.一种电子设备，其特征在于，所述电子设备包括有存储器，处理器以及一个或者一个以上的程序，其中所述一个或者一个以上程序存储于所述存储器中，且经配置以由所述处理器执行权利要求1-4任一项所述的方法的步骤。
CN202210725410.7A 2022-06-24 2022-06-24 一种用于波浪发电装置的控制方法、装置和电子设备 Active CN115076019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210725410.7A CN115076019B (zh) 2022-06-24 2022-06-24 一种用于波浪发电装置的控制方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210725410.7A CN115076019B (zh) 2022-06-24 2022-06-24 一种用于波浪发电装置的控制方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN115076019A CN115076019A (zh) 2022-09-20
CN115076019B true CN115076019B (zh) 2023-05-16

Family

ID=83254620

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210725410.7A Active CN115076019B (zh) 2022-06-24 2022-06-24 一种用于波浪发电装置的控制方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN115076019B (zh)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6314473B1 (en) * 1998-03-05 2001-11-06 Convolve, Inc. System for removing selected unwanted frequenices in accordance with altered settings in a user interface of a data storage device
CN102377192B (zh) * 2011-10-31 2013-11-06 清华大学 一种直驱型海浪发电储能装置及控制方法
CN103324083B (zh) * 2013-06-14 2014-11-05 哈尔滨工程大学 基于鲁棒观测器的非线性船舶运动控制方法
CN104570738B (zh) * 2014-12-30 2017-09-08 北京工业大学 基于Skinner操作条件反射自动机的机器人轨迹跟踪方法
EP3243001B1 (en) * 2015-01-09 2019-07-03 Wello Oy Method and system for adjusting the torque of a mass and spinning wheel rotator in a wave power plant
CN110676150B (zh) * 2019-09-06 2020-08-04 清华大学 质谱仪自适应校正方法及装置
CN111176115B (zh) * 2019-12-27 2022-04-22 合肥工业大学 基于模糊神经网络和仿人智能控制的阀位控制方法
CN111930015B (zh) * 2020-09-16 2021-06-04 北京三快在线科技有限公司 一种无人车控制方法及装置
CN114185270A (zh) * 2021-11-26 2022-03-15 中国科学院微电子研究所 用于精密运动平台的模型预测运动控制方法及其系统

Also Published As

Publication number Publication date
CN115076019A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
US10733501B2 (en) Environment prediction using reinforcement learning
US20090164178A1 (en) Crashworthiness design methodology using a hybrid cellular automata algorithm for the synthesis of topologies for structures subject to nonlinear transient loading
CN112365885B (zh) 唤醒模型的训练方法、装置和计算机设备
CN111547039A (zh) 基于深度强化学习的混合动力车辆油门控制方法及系统
CN111914069A (zh) 训练方法和装置、对话处理方法和系统及介质
CN115076019B (zh) 一种用于波浪发电装置的控制方法、装置和电子设备
CN116306156A (zh) 车身优化方法、装置、存储介质及电子设备
CN114528638A (zh) 基于强化学习的船舶运动大多步实时预测混合方法及系统
CN116880184A (zh) 无人船轨迹追踪预测控制方法、系统及存储介质
CN113985870B (zh) 一种基于元强化学习的路径规划方法
CN115690202A (zh) 信息处理方法以及记录介质
CN113255208B (zh) 用于机器人的串联弹性执行器的神经网络模型预测控制方法
CN114715331A (zh) 一种浮式海洋平台动力定位控制方法及系统
CN112734125A (zh) 一种光伏出力预测方法、装置和电子设备
CN113805485B (zh) 一种暖启动c/gmres方法、系统、设备及介质
CN115077549B (zh) 车辆状态跟踪方法、系统、计算机及可读存储介质
CN116451511B (zh) 基于roms模型的海冰数值仿真方法、装置及设备
CN113221387B (zh) 一种波浪能转换装置的最大能量输出控制方法及系统
CN113830168B (zh) 一种基于故障估计的车辆前轮转角容错控制方法、系统
CN112835373A (zh) 在线建模及预测控制一体化方法及装置
CN112379688B (zh) 一种基于膜计算的多机器人有限时间同步控制方法
CN117195552A (zh) 一种估计波浪发电装置发电功率的方法、装置和电子设备
CN111105019B (zh) 一种神经网络运算装置和运算方法
CN115600508A (zh) 一种化学储能装置辅助火电机组一次调频的方法及装置
CN115293003A (zh) 一种海洋油气管柱系统动力响应计算方法、介质及系统

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