改进扰动观察法的最大功率点跟踪简

针对传统的扰动观察法在光伏电池最大功率点难以兼顾响应速度和稳态性能的问题,文章提出一种改进的扰动观察法。该方法的特点是,当光伏阵列的输出电压UK与前一时刻测得的最大功率点电压Um之差的绝对值大于电压的修正值△U时,将此时的输出电压UK替换为Um值,再进入下一循环,直至符合条件,重新采用传统扰动观察法进行检测。这样能够缩短最大功率跟踪时间,并能提高系统在最大功率点附近的稳定性。在Matlab环境下,建立了光伏电池和最大功率点跟踪（MPPT）算法的仿真模型,分析了温度及光照度对光伏电池输出特性的影响;对光伏电池控制系统进行仿真,对比了传统的和改进的扰动观察法的最大功率点跟踪曲线。结果表明,采用改进的扰动观察法时,光伏电池能更快地到达最大功率点,并且获得了更好的稳定性。     

局部阴影遮挡对大型并网光伏电站影响的研究

文章在理论分析的基础上,建立了局部阴影遮挡下光伏阵列的数学模型,仿真分析了传统单通道、单峰值最大功率跟踪算法在局部阴影遮挡下应用的局限性,提出了几种提高光伏阵列抗局部阴影遮挡能力的措施,为大型并网光伏电站在阴影遮挡情况下的仿真分析和系统优化设计提供参考。     

阴影遮挡下组串式MPPT应用研究

以光伏组件BP4170为研究对象,基于Matlab建立了仿真模型,分析了光伏组串、光伏阵列在阴影遮挡下的输出特性,对集中式MPPT（最大功率点跟踪）和组串式MPPT的输出功率进行了评估和对比,并通过计算和分析得到组串式MPPT技术的适用范围,为光伏发电系统的设计提供了理论依据。     

受限状态下的高速列车迭代学习控制方法研究

针对受限状态下的高速列车自动驾驶系统的跟踪控制问题,基于列车动力学模型,提出一种带饱和函数的迭代学习控制算法。根据Lyapunov稳定性原理,利用列车运行过程中的状态偏差,推导出基于迭代学习控制的列车自动运行控制律。建立类Lyapunov的复合能量函数,通过在迭代域的差分,证明了其差分负定性和有界性,所设计的算法能够控制列车在迭代域对期望运行轨迹达到渐近收敛。采用本文提出的迭代学习控制算法对列车的跟踪性能进行验证,并与PID控制和D型迭代学习控制算法进行比较,结果表明:相较于其他两种算法,本文提出的算法在第3次迭代中就能控制列车精确跟踪期望轨迹,说明算法具有较快的收敛速度和较高的跟踪精度,且能够将控制输入约束在允许范围内。     

基于三重化DC／DC变换器的光伏直流微网控制研究

以带有蓄电池单元的独立光伏发电直流微网为研究对象,采用一种三重化DC／DC模块作为接口变换器,提出电压外环、电流内环的双闭环来控制接口变换器。仿真与实验结果表明,三重化DC／DC模块能有效地减小电流纹渡和电流谐波,实现光伏阵列最大功率点的跟踪以及蓄电池单元能量双向流动,稳定了直流母线电压。     

基于双模块并联的500kW光伏并网逆变器

介绍了一种基于双模块并联的500kW光伏并网逆变器系统工程化设计及性能指标。该光伏并网逆变器具有基于单核分控的双路最大功率点跟踪（MPPT）、双模块系统并联发电的多模式优化运行以及高功率密度紧凑化、操作友好、全前端维护等特点,并具有较好的可靠性、可用性、可维护性和安全性。     

非线性动力学系统开闭环D型迭代学习控制器设计及其应用

对迭代学习控制算法进行了研究,针对非线性动力学模型,提出一种开闭环D型迭代学习律,给出了迭代学习控制算法收敛的充分性条件.计算机仿真结果表明,该方法具有优良的跟踪精度,可以用于机器人高精度轨迹控制.     

非线性动力学系统开闭环D型迭代学习控制器设计及其应用

对迭代学习控制算法进行了研究，针对非线性动力学模型，提出一种开闭环D型迭代学习律，给出了迭代学习控制算法收敛的充分性条件。计算机仿真结果表明，该方法具有优良的跟踪精度，可以用于机器人高精度轨迹控制。     

集中式逆变器直流侧并联协调控制策略

针对集中式光伏电站逆变器低功率运行下输出波形质量差且故障率高的问题,在光伏发电单元汇流箱与逆变器之间加入控制器,提出一种改善系统运行性能的控制策略。分析了集中式光伏电站直流侧并联结构,以光伏系统输出功率最大和输出电流谐波畸变率最小为优化目标,建立目标函数。控制器控制逆变器协调运行使目标函数最小,改善系统运行性能。分析了光伏单元传统连接方式下故障期间的损失以及本策略在此基础上可提高的效益。最后通过算例验证本策略的可行性。     

基于DSP的三相光伏并网控制器的设计与实现

介绍了一种基于数字信号处理器DSP2407A控制的数字化光伏并网控制器，其充电部分采用最大功率跟踪（MPPT）进行控制，逆变部分的前级采用SG3525进行高频升压，后级采用双极性SPWM调制实现工频逆变。控制器实现了光伏电池最大效率的利用，并且最大限度地降低了逆变部分的谐波畸变率。     

基于均值耦合的双振动台阵系统同步控制

对于双振动台系统,需要保证每个振动台的跟踪精度和2个振动台的同步精度。由于系统非线性耦合作用和负载质量偏心等问题,2个振动台的跟踪精度和同步精度都很差。为解决这一问题,提出一种基于均值耦合的振动台阵同步控制策略,将2个振动台的跟踪误差和同步误差组合成耦合误差,结合模糊PID控制算法将耦合误差补偿到控制回路中,实现台阵系统同步控制。最后,采用Adams和Matlab/Simulink软件进行联合仿真,结果表明,该控制策略可以使系统误差全局耦合,保证2振动台输出姿态同步的基础上,实现对期望信号的高精度波形复现。     

基于混合系统建模预测控制的列车自动驾驶优化运行

针对现有列车自动驾驶速度追踪精度不高的问题,提出一种基于混合系统神经网络反馈补偿控制的模型预测控制算法。根据混合系统建模的特点与优势,引入辅助变量,建立混合系统列车运行动力学模型。为了便于求解包含约束的预测控制律,采用二次规划方法求出满足列车各项性能指标的控制作用序列。神经网络反馈控制器用于对系统目标速度与实际速度之间的误差进行在线学习并求出一个补偿控制量,并将补偿后的控制力作用于列车系统模型。研究结果表明:该控制结构包含补偿控制策略,可以较大程度减小系统跟踪误差,保留模型预测控制的优势,同时提高系统的控制精度。     

基于PID型迭代学习控制的列车自动驾驶曲线跟踪算法研究

针对基于比例微分积分（PID,Proportional Integral Derivative）控制的列车速度跟踪算法在跟踪进度、收敛性和稳定性等方面存在的不足，提出一种基于PID型迭代学习控制（ILC,Iterative Learning Control）的列车自动驾驶（ATO,Automatic Train Operation）曲线跟踪算法。通过迭代学习控制，优化跟踪过程，减小跟踪误差，缩短收敛时间；设置典型场景对所设计的算法进行仿真试验，并将仿真结果与基于PID控制算法的跟踪效果进行对比分析。结果表明，PID型ILC算法对列车目标速度和目标位移具有较高的跟踪精度，能够在有限的迭代次数内实现精确跟踪，验证了所提算法的有效性。     

新型模糊预测控制及其在列车自动运行过程中的应用

此文提出一种新型模糊预测控制算法，并把它用于列车自动运行过程的计算机仿真。既有的ＡＴＯ系统通常使用常规控制方法跟踪既定的列车速度模式，在简要分析其缺陷的基础上，提出了采用ＮＦＰＣ的新型ＡＴＯ系统方案。ＮＦＰＣ实质上是模糊决策和预测控制方法的有机结合，其中采用模糊逻辑来实现被控过程／对象的逆动态特性，并在控制算法设计中引入了预测思想，另外还以ＡＴＯ过程为背景，针对ＮＦＰＣ算法做了仿真研究，仿真结果初     

光伏并网逆变器分数阶滑模二自由度内模控制

为提高光伏并网逆变器的动态品质和鲁棒性能，削减传统滑模控制中存在的系统抖振，改善一自由度内模控制无法兼顾系统跟随性和抗干扰性的局限性，通过引入分数阶微积分算子和二自由度内模控制算法，提出一种光伏并网逆变器分数阶滑模二自由度内模控制方法。经仿真测试结果表明，相较于传统滑模一自由度内模控制算法，该控制方法具有较好的并网跟随性，在网压波动时可有效削减系统抖振，改善系统抗干扰能力，提升系统的鲁棒性。     

基于模糊自适应PID控制的ATO系统控制算法

为了研究ATO系统控制算法的智能性和高效性,在传统PID算法的基础上,充分考虑到列车系统的非线性和复杂性,结合模糊控制理论能进行实时非线性调节的优点,提出了模糊自适应PID控制算法。并在Matlab/Simulink中建立了ATO系统的仿真模型和算法控制模块。将两种算法分别运用到ATO系统中,对目标速度曲线进行跟踪,从停车精度、追溯性、准时性、节能性、舒适性五个方面对二者的控制性能进行比较分析。仿真结果表明,将模糊自适应PID算法运用到ATO系统中,列车的控制性能能够很好地满足ATO系统的各个性能指标要求。     

一种基于内嵌建模计算的列车自动运行等级实时调整算法

提出了一种基于内嵌建模计算的ATO系统运行等级实时调算法。通过对通用调整算法缺陷的克服,使用真实的速度控制算法与不断完善的列车模型,高度仿真了当前车辆的运行轨迹,从而提高了ATO运行等级调整算法的精度、实时性及可移植性。     

基于扩张状态观测器的列车轨迹跟踪控制及其在CMC环境的测试

在列车运行过程中,存在着复杂且不确定的外部环境,很难获得阻力的表达式和阻力系数,因此,准确的外部阻力估计直接影响到列车轨迹跟踪精度。设计一种新型的基于扩张状态观测器的列车轨迹跟踪控制算法,将外部阻力和内部干扰扩展为一个新的状态变量,并进行精确估计。采用遗传算法对扩张状态观测器的参数进行优化。最后,在国产CMC芯片的硬件环境下进行测试。测试结果表明,基于扩张状态观测器的控制策略比现有广泛使用的PID算法具有更好的跟踪性能。得出以下结论:所设计控制算法通过补偿各种干扰的影响达到列车位置和速度的精确追踪,具有较强的抗干扰性。     

基于分数阶PID控制器的地铁列车优化控制研究

城市轨道交通运力需求的快速增长,使得地铁列车的行车间隔不断缩小,准点要求越来越高,这对列车运行控制算法的精度和鲁棒性提出了更高要求。本文将分数阶PID控制器引入地铁列车的速度控制,并进行优化研究。建立地铁列车的运动模型,该模型参考牵引制动特性,采用遗传算法修正列车基本阻力系数。基于该模型将分数阶PID控制算法应用于ATO系统的速度控制中。仿真对比分数阶PID控制算法与传统PID控制算法,采用现场数据对建立的模型和算法进行检验。研究结果表明新模型能够更加准确地描述列车的运动特性,当分数阶PID控制算法应用于调速控制后,可以使列车实现更优的速度控制和稳定性。     

输入受约束的高速列车鲁棒自适应动态面控制

实现高速列车对期望速度与位移的精确跟踪至关重要。考虑输入饱和约束以及由于不确定的运行阻力、未知的黏滞摩擦系数和未测量的运行状态等引起的系统不确定性,提出高速列车的鲁棒自适应动态面控制算法。建立考虑牵引与制动转矩产生动态过程的高速列车动力学模型;引入扩张状态观测器在线估计和补偿系统总的不确定性,应用跟踪微分器代替动态面控制中的一阶滤波器,构造附加系统处理输入约束问题,设计了高速列车的鲁棒自适应动态面控制律;基于李雅普诺夫稳定性理论证明了闭环系统的稳定性以及高速列车速度跟踪误差和位移跟踪误差的半全局一致最终有界性。仿真结果验证了所提算法的有效性。