能降低端电压和容量的有源电力滤波器并联混合补偿拓扑结构研究

提出了一种能够同时降低端电压和容量的有源电力滤波器（ＡＰＦ）并联混合补偿拓扑结构．理论分析和仿真结果表明,ＡＰＦ并联混合补偿拓扑结构是合理可行的,能大大降低ＡＰＦ的端电压和容量,使得ＡＰＦ技术在电力系统中和铁道电气化供电系统中应用成为可能．     

基于ELM的单相有源电力滤波器的内模控制

为了克服单相有源电力滤波器的非线性特性,在基于数据的基础上,由极限学习机建立有源滤波器非线性系统的内模和逆模,实现基于极限学习机的内模控制.根据内模控制系统稳态误差,评估内模控制系统的性能,并将极限学习机的内模控制系统与神经网络、核岭回归、支持向量机等方法进行比较分析.试验仿真表明,基于极限学习机的内模控制系统具有系统稳态误差小、鲁棒性强等特点.     

并联有源电力滤波器电流预测控制

采用预测控制对并联有源电力滤波器电流进行控制.根据预测控制的3个基本特征,即预测模型、滚动优化和反馈校正对有源电力滤波器(APF)的电流闭环进行设计,使电网中的谐波电流得到了很好的补偿.通过对并联有源电力滤波器的时域分析,得到了电流预测控制的内部模型结构,并根据预测控制理论对并联有源电力滤波器的电流控制环进行了研究和实现.电流预测控制采用实际输出与预测模型输出之间的误差进行反馈校正和滚动优化,克服了系统中存在的不确定性,提高了控制系统的精度和鲁棒性.仿真实验结果表明了该方法的正确性和可行性.     

无源-有源混合滤波器在电气化铁路谐波治理中的应用

在研究电气化铁路谐波治理各种方案的基础上,提出了用于电气化铁路谐波治理的并联有源混合滤波方案及混合滤波器容量设计方法。并以某牵引变电气为例进行了容量设计。分析和计算结果表明,并联型混合滤波器中有源滤波器的容量只占单独采用有源滤器方案的１５．３％。占患联型混合滤波器中ＡＦＰ容量的６５．４％,所以,本文提出孤混合滤波器用于电气化铁路的谐波综合治理是可行的。     

基于DSP的单周控制三相有源电力滤波器控制系统设计

单周控制有源电力滤波器无需检测和计算负载的谐波和无功电流,具有控制简单、可靠、动态性能好、控制精度高等优点.经典单周控制方法多基于分立器件.以DSP为核心控制器,设计了单周控制三相并联型有源电力滤波器控制系统,并制作了实验装置,进行了实验研究.实验结果证明了该方法的正确性和可行性.     

并联混合型有源电力滤波器的研究

介绍了一种由LC无源滤波器与有源滤波器串联构成的并联混合型有源电力滤波器．针对该滤波器提出了一种控制方法，这种方法无需复杂的谐波检测，从而使整个控制系统得以简化，最后通过仿真对所提出的方法进行了验证，仿真表明这种方法具有良好的无功电流和谐波电流补偿效果．     

综合有源电力滤波系统研究

有源电力滤波器是当前对电网中谐波污染的有效手段,文中对综合式有源电力滤波系统的工作原理进行了理论研究和分析,提出了基于８０Ｃ１９６ＫＣ系统的控制电路,以大功率ＭＯＳＦＥＴ作为主电路实现电压源ＰＷＭ逆变器,采用一种高次谐波和无功电流同时能被检测的方法,由有源电力滤波器与无源滤波器相串联构成综合有源滤波系统,结果表明系统加入小容量的有源滤波器,系统滤波和补偿特性得以明显提高。     

基于DSP控制的电力系统有源滤波器硬件设计研究

探讨了DSP控制的有源电力滤波器硬件设计,以DSP芯片TMS320LF2407为主要核心控制芯片,配合采样周期信号发生电路以及A/D、D/A等辅助外围电路设计了有源电力滤波器的控制系统;给出了主逆变电路的实现方案;对设计出的样机进行了实验,实验结果表明:补偿电流几乎实时跟踪谐波电流,系统的补偿速度和精度大大提高,体现了数字控制系统的优势,同时,随着采样周期的减小,补偿效果会更加明显.本文提出的以TMS320LF2407为核心的有源电力滤波器在技术上是可行的.     

四桥臂有源滤波器零序电流解耦预测电流控制

针对应用于三相四线制系统中的三相四桥臂有源电力滤波器的特点,研究了一种基于零序电流解耦的预测电流控制方法,分析了零序电流解耦的原理,设计了控制系统.该方法有效地解除了第四桥臂和前三桥臂的耦合,对中线电流进行独立补偿,与三相三桥臂的控制方法兼容,简单易行,易于对三桥臂有源电力滤波器进行改造后应用于三相四线系统.仿真分析表明,与其他方法相比,基于零序电流解耦的预测电流控制可使有源电力滤波器获得更好的补偿性能,电源电流总谐波畸变率和中线电流正负峰值均达到最小.     

单相串联型直流侧有源电力滤波器

提出了一种单相串联型直流侧有源电力滤波器。与传统的单相有源电力滤波器相比,有源开关的数量减少了一半,简化了电路结构,降低了成本。串联型直流侧有源电力滤波器采用双环控制,电流控制跟踪电源电压变化,电压控制调整有源电力滤波器的能量流向。通过改变有源电力滤波器上储能电容电压极性,实现对电感电流的连续可控,提供负载所需要的谐波电压,使电源电流成为与电源电压同频同相的正弦波,从而实现谐波治理。这种控制方法具有结构简单、补偿效果好等优点。仿真结果验证了所提出理论的正确性。     

多层局部回归网络的非线性系统预测模型

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经 网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩 阵．仿真试验表明这种动态神经网络的预测模型具有较高的精度．     

基于BP神经网络的CVC冷连轧机板形预测控制模型

将ＢＰ神经网络建模方法与预测控制思想相结合用于宽带钢板形自动控制,研究并建立了基于ＢＰ神经网络的板形预测控制数学模型,经用宝钢１４２０ｍｍ冷轧实测数据仿真验证表明该模型具有很高的预测精度。     

基于BP神经网络的广义预测控制算法的研究与应用

本文提出了1种基于BP神经网络的广义预测控制算法,其实质是利用BP神经网络来求取广义预测控制的最优控制律.神经网络选用了具有良好逼近性能的BP结构.该算法对广义预测控制算法进行了简化,使其可以应用于快速系统的控制.最后,选用倒立摆系统作为研究的对象,将新算法应用于倒立摆的控制,取得了较好的控制效果.     

基于航迹误差预测模型的船舶自适应控制

为提高船舶控制精度,根据船舶航迹、航向、航速、舵角特性和历史数据,采用卡尔曼滤波进行误差预测估计,利用反传多层感知器自适应网络建立船舶航迹误差预测模型,并采用舵角、航向、航迹三层串级回路系统结构,完成自动舵控制功能.在风浪干扰、改变船舶模型的回转性指数、追随性指数、延迟因子和积分因子情况下,该系统以较少的舵角动作迅速收敛,减小了航迹的波动幅度和次数,使船舶航迹与预定航线更加拟合.仿真结果表明,在模型失配情况下,该系统仍可保持稳定的输出和光滑的控制作用,具有较好的鲁棒稳定性和良好的动态调节品质.     

基于动态递归神经网络的动态矩阵控制

给出了利用动态递归神经网络 (DRNN)重构一个非线性动态过程的方法 ,对权值调整算法进行了推导。采用的动态递归神经网络具有非线性系统状态观测器的结构特征 ,容易实现并进行稳定性分析。利用训练好的网络作为预估模型 ,设计了基于DRNN的动态矩阵控制算法。仿真结果表明了权值调整算法和控制策略的有效性     

基于小波网络的非线性多变量约束预测控制

为了解决非线性多变量系统的建模、控制和优化问题 ,论文扩展基于小波神经网络的单变量系统辨识到多变量系统辨识 ,并用它实现非线性预测控制。对开环稳定过程 ,引入一个具有输入约束的基于小波神经网络模型的区域预测控制方案 ,它的闭环稳定性能够通过适当选择它的预测水平来保证。基于上述动态控制方案 ,提出了一个稳态状态优化方案。通过对一个聚酯生产过程的仿真研究 ,证实了上述方法的有效性。由于能够通过线性最小二乘 (L S)估计方法来辨识 ,该模型易于实现并可用作通用模型。仿真研究的结果表明了该模型的通用性、辨识和控制方法的简单性 ,所提出方案能够被用于过程工业的非线性系统的建模和控制     

基于人工神经元网络模型的预测控制研究

研究了基于人工神经元网络模型的非线性预测控制，所采用的网络为一种将线性模型与多层前向网络相结合的ＤＬＦ网络，仿真结果表明，该“混合网络”易训练，收敛速度可大大加快，在ＤＬＦ模型的基础上，本文研究了一种非线性预测控制算法，它的显著特点是在线计算量小。对于一非线性过程－球形罐液位的仿真结果表明，基于ＤＬＦ的非线性预测控制效果颇佳。     

不确定时滞系统的自适应支持向量机Smith预估控制

针对不确定时滞系统提出了一种自适应支持向量机Smith预估控制新方法．首先采用支持向量机对被控对象进行建模,然后设计了一个自适应支持向量机Smith智能预估器,解决了传统Smith预估控制需要预先知道被控对象精确数学模型的问题,克服了基于神经网络的Smith预估控制的不足．仿真实验结果表明,自适应支持向量机Smith预估控制方法充分利用了支持向量机的非线性映射能力,在被控对象数学模型未知的情况下对不确定时滞对象进行控制,具有良好的控制品质,特别是当对象特性发生变化时,还具有良好的适应性。     

基于无迹卡尔曼滤波神经网络的光伏发电预测

针对光伏发电系统在不同天气状况下发电功率预测精度不高的问题,在分析传统方法的基础上,提出一种无迹卡尔曼滤波神经网络光伏发电预测方法。该方法利用无迹卡尔曼滤波实时更新神经网络模型的权重,以直流电压和电流作为系统的输入,以有功功率和无功功率作为系统的输出,分别建立两个独立的双输入单输出功率预测模型。实验结果表明:所提出的方法对有功功率和无功功率的预测精度分别为97.3%和94.2%,并且对天气具有良好的鲁棒性。     

大滞后非线性系统PID型多步预测控制

简要概述了基于神经网络的大滞后非线性系统多步预测器的实现,在分析直接多步预测中的误差自关联问题的基础上,提出一种较为准确的去误差直接预测方法,引用鲁棒性好的PID型多步预测目标函数对滞后非线性系统实现预测控制.在控制中,采用适用于动态系统的递归神经网络.仿真实验表明了所提方法的有效性.