基于ANN的光伏并网逆变器SVPWM研究

通过分析空间矢量脉宽调制的工作原理,提出基于人工神经网络的SWPWM调制策略这种基于ANN的光伏并网逆变器覆盖了SVPWM的欠调制和过调制两种模式,能实现从线性调制到六步模式非线性调制的平滑过渡由于神经网络具有很强的并行处理能力以及容错能力, ANN SVPWM控制器运行速度快,能有效提高逆变器功率开关的开关频率采用监督模式,通过固定权值分别对欠调制子网络和过调制子网络进行训练在MATLAB仿真平台上搭建光伏并网逆变器仿真模型,由神经网络工具箱实现ANN控制器,仿真结果表明：在 SVPWM过调制区用ANN控制方法简单、高效、控制效果良好     

光伏并网逆变器的控制策略研究及仿真(英文)

在分析光伏并网逆变器发展及结构的基础上,提出新的控制算法,确定采用电压型输入和电流型输出控制的逆变器。根据SVPWM的控制特点,提出空间矢量脉冲宽度调制方法,从而提高了直流电压的利用率,减少了注入电网的谐波。基于SVPWM的控制原理,通过Matlab建立系统模型,仿真验证了控制算法的可行性。     

空间矢量PWM数字化实现方法研究

对SVPWM常规算法和快速算法进行了综合分析,并给出了其数字化实现方法;针对不同的零矢量分配因子和不同的调制比,对三相SVPWM逆变器的调制信号及其输出电压谐波特性进行了比较分析.仿真和实验结果证明了SVPWM实现方法的正确、有效性.与SVPWM常规算法相比,快速算法直接利用三相参考电压瞬时值计算开关状态切换时间、不需进行复杂的坐标变换、三角函数运算、扇区判断和有效矢量作用时间计算,不仅更易于各种SVPWM方法的数字化实现而且在同样条件下其运算速度更快.     

基于最小二乘滞环电流控制的光伏并网逆变器研究

提出一种用于光伏并网逆变器的最小二乘法定频算法,它在每一开关周期到来之前,通过对前一周期的相关参数值进行采样,确定当前周期内开关触发的时间来实现开关频率稳定和滞环电流跟踪.与其他控制方法相比,该方法能有效降低对工频电网的谐波注入,使电流误差平均值控制在最小范围内,减少稳态误差,还可实现数字化控制.最后,利用MATLAB进行双环系统建模,外环通过曲线拟合法进行最大功率跟踪,内环采用最小二乘法定频算法和滞环电流控制,仿真结果证明了该方法的有效性.     

一种SVPWM过调制算法在永磁牵引逆变器中的应用研究

为了提高地铁牵引逆变器直流母线电压利用率,扩展电动机运行范围,改善电动机的动态特性,有关部门应采用叠加原理的过调制处理算法,并应用在永磁同步电动机控制系统中,减小电压谐波畸变率,减小转矩波动。本文首先详细介绍该过调制算法原理,然后给出永磁同步电动机的运行方式及各个同步区的调制模式,最后在MATLAB/Simulink环境下,建立永磁同步电动机控制系统的仿真模型,并对基于叠加原理的过调制算法和传统单模式过调制算法进行对比仿真。     

基于LCL滤波器的复合控制策略

对于LCL型并网逆变器,若直接采用比例积分(proportional integral, PI)和重复控制串联或者并联控制策略,则在动态补偿时会出现系统控制器相互干扰的问题.为此,设计了并网逆变器串并联复合控制策略,将PI控制动态响应快、准比例谐振(quasi-proportional resonance, QPR)抗干扰能力强与重复控制稳态精度高等优点相结合.动态时,由PI控制器迅速跟踪误差;稳态时,由重复控制器和QPR控制器来实现整个系统的无静差控制.此外,详细分析了各个控制器的设计原理并建立各个控制器的Matlab仿真模型.结果表明,采用串并联复合控制结构具有更快的动态响应速度和更高的稳态补偿性能.     

基于虚拟同步发电机的光伏并网系统及仿真分析

以三相光伏并网发电系统作为研究对象,并采用一种先进的控制策略即虚拟同步发电控制技术,该控制技术基于模拟同步发电机运行的思想,使得光伏并网系统具有同步发电机的外特性.本文首先建立光伏发电单元数学模型,然后建立虚拟同步发电机的数学模型,再在Matlab仿真软件中建立光伏并网发电系统结构,同时建立虚拟同步发电机控制仿真模块,最后通过仿真验证基于虚拟同步发电技术的光伏并网系统可行性.     

卫星通信系统中编码调制模式分配算法

在编码调制方式动态可变的FDMA卫星通信系统中,通过功率和带宽的均衡利用可提高资源利用效率,并能防止后续用户分配资源时功率或带宽受限而导致的系统容量降低.对卫星链路进行分析,建立基于编码调制模式动态可变的博弈模型,提出一种基于功率和带宽均衡利用的编码调制模式分配算法,提高了系统资源的利用效率.仿真表明,所提出的资源分配算法在资源受限情况下能显著提高系统信道容量.     

基于BCM降低OFDM系统PAPR的方法

简述了降低正交频分复用系统峰均功率比的研究进展,给出了基于分组编码调制降低峰均功率比的方法,提出了子载波数较大系统的搭建方法,分析了实现原理并进行了仿真研究,结果表明该方法不仅能有效降低正交频分复用系统的峰均功率比,而且具有前向纠错能力.     

一种微电网分布式电源的下垂控制策略

针对微电网中多个分布式电源之间的复杂协调控制问题,提出了一种微电网分布式电源的下垂控制策略,可实现微电网增切负载、微电网运行模式切换时对分布式电源电压和频率的平滑控制.该方法依据下垂控制原理,研究了P-f和Q-U下垂特性,设计了基于输出滤波器、功率控制器、电压电流双环控制器的下垂控制器,建立了下垂控制器的仿真模型及对等控制策略下的微电网仿真模型.通过Matlab/Simulink仿真结果,分析了微电网在孤岛、并网及运行模式切换时各分布式电源的频率、电压和功率的变化规律,验证了下垂控制策略的正确性和可行性.     

一种不定控制系统的强健神经网络控制器

探讨不定控制系统的强健神经网络控制器．这是一个由遗传运算法则确定的最佳隐藏神经数的前馈多层神经网络．它借助状态空间控制器和编入必要的最佳程序,进行非线性处理,以确保性能的强健性．混合的遗传运算法则和后繁殖神经培养,具有最佳网络结构和神经染色体接合权的双重目标,把最佳网络结构和神经权协调地聚合,从而得到与性能控制目标基本一致．     

一种新型控制器在轧机中的应用

为了满足轧机液压压下系统高响应、高精度的要求和解决系统非线性时变等不确定的压下液压伺服系统的跟踪控制问题,提出了一种基于模糊神经网络的滑模控制策略.该模糊神经网络滑模控制器用以控制液压轧机压下系统以提高其响应速度和控制精度.仿真与试验结果表明,新型控制器使轧机液压压下伺服系统具有较强的动态特性和稳态特性,并提高了轧机液...     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

综合智能温度控制策略在泡沫玻璃生产中的应用

通过对泡沫玻璃生产窑炉工作机理及温度控制系统的分析,提出了一种综合智能控制方案:首先利用人工神经网络对泡沫玻璃生产窑炉进行建模,再利用遗传算法对神经网络的权值和阈值进行优化,然后将此模型作为一个预估模型投入到控制系统中去.在控制器的设计过程中,不再使用单一的控制策略,而是在生产过程中根据坯料温度的输出误差大小来随时改变控制器的结构,从而达到对泡沫玻璃窑炉生产状态的最佳控制.     

一类非线性大系统的间接自适应分散神经网络控制

针对仿射非线性大系统,采用分散控制的思想,利用模糊神经网络辨识方法对各个子系统建立NARMA模型,运用自适应控制、滑模控制方法消除各子系统间的非线性关联项及不确定的外部干扰,并使用神经网络的辨识结果来调节控制器参数,形成间接自适应分散神经网络控制器.最后,将本文提出的控制方法运用于互连双倒立摆仿真中,结果表明所提出的算法是有效的.     

DC/DC变换器的一种神经网络控制方法

为了消除Buck—Boosl变换器为代表的DC／DC（直流，直流）变换器最小相位性质的影响．对其输出电压进行控制，分析模型特性．采用非线性反馈控制电流内环．用RBF（径向基函数）神经网络设计了神经网络控制器控制输出电压外环，分析了系统的稳定性．仿真结果表明．提出的控制器动、静态性能很好．对变换器中元件参数的变化和负载电阻的扰动有较好的鲁棒性．     

基于神经网络的一类非线性系统自适应滑模控制

对一类非线性系统进行简化处理后,结合神经网络逼近方法、自适应滑模控制提出一种新的自适应控制方法.所设计的控制器分为两部分,一部分是等效控制器,另一部分是滑模控制器.滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用.文中用神经网络逼近非线性函数,并将网络权值误差引入到神经网络权值的自适应律中用以改善系统的动态性能.最后给出的仿真算例证明所设计的控制器是十分有效的.     

超机动飞行的鲁棒自适应神经网络动态面控制

针对超机动飞行过程中气动参数变化剧烈、控制精度高的特点,提出了一种基于神经网络的鲁棒自适应动态面控制方法。模型不确定性和外界干扰由RBF神经网络在线补偿,控制律由动态面控制方法得到,降低了反推控制器的复杂性,改进的神经网络权值调整自适应率改善了系统的过渡过程品质。利用Lyapunov稳定性定理证明了闭环系统所有信号有界,系统跟踪误差和神经网络权值估计误差指数收敛到有界紧集内。对所研究的飞行控制系统进行了herbst机动仿真,结果验证了该系统在过失速机动条件下具有良好的控制性能。     

多层前馈人工神经网络结构研究

研究表明，由多层FNN的BP算法误差函数构成的非线性方程组的独立方程个数和FNN的待求未知变量的个数应该相等，该方程组才能有唯一组解．由此导出网络结构方程式，进而导出隐层层数判别式和每层神经元个数判别式．依据Kolmogorov定理，由该判别式得出求解FNN隐层层数和每个隐层神经元个数的具体算法．计算机仿真结果表明该方法简明实用．