自适应延时控制 篇1
电力系统是一种具有复杂非线性、多维数的大系统,存在着极其丰富的动力学行为,其混沌和分岔现象频繁发生。如果混沌振荡不能及时消除,就会造成电力系统的电压崩溃和相角崩溃,导致大面积停电和其他严重的电力系统事故。
混沌是确定非线性系统产生的对初值极其敏感的,具有长期不可预测性的,表面上似乎随机的非周期动力学运动形态。人们一开始认为混沌是不可控的,但随着对混沌这一现象的不断了解,对其抑制的方法也不断出现。文献[1]提出了参数微扰法(OGY法)并受到了广泛关注。针对OGY法控制量只能加在不稳定周期轨(Unstable Periodic Orbits,UPOs)附近的不足,文献[2]提出了延时反馈控制法(Time-delayed Feedback Control,DFC),文献[3]在混沌电路中实现了DFC在实际中的应用,证明了此种控制方法的可行性。
随着控制理论的不断发展,人们对电力系统混沌的研究也在不断加强,文献[4]用延时反馈控制方法对电力系统混沌振荡进行了抑制,但其不足之处是反馈控制增益的选取带有一定的主观性。文献[5]应用基于微分几何的反馈精确线性化方法控制了电力系统混沌振荡,但这种方法的数学推导比较复杂,而且要求被控对象的数学模型是精确的,因而限制了这种方法的工程推广。文献[6]应用T-S模糊模型对电网混沌进行了控制。文献[7]用模糊延时反馈方法对超声波电机混沌进行了抑制。
本文应用带积分的Mamdani模糊模型,并结合编写的S-函数对量化因子和比例因子在线调整,避免了对延时反馈增益K的求取。提高了控制速度,减小了初始控制量。用滤波器将周期振荡控制在了平衡点。
1电力系统的混沌数学模型
为简单起见,本文采用互联电力系统数学模型,如图1。
图中,1为系统S1的等值发电机;2为系统S2的等值主发电机;3为系统S1的等值主变压器;4为系统S2的等值变压器;5为负荷;6为断路器;7为系统联络线。
其数学模型如下:
式(1)中δ、ω为等值发电机的功角和角速度增量;H,D为等值转动惯量和等值阻尼系数;Ps,Pm为电磁功率和机械功率;Pe为扰动功率幅值;β为扰动功率的频率。
由文献[8]可知,简单互联电力系统可以转化为周期扰动下的Hamilton系统,用Melnikov方法得出,当系统的稳定流形和不稳定流形横截相交时,就会出现Smale马蹄下的混沌,造成系统混沌振荡的产生,其数学表达式如式(2)。
式(2)中各参数意义同式(1)。
由式(2)知,对于式(1),若Pe较小时,系统不会产生混沌振荡,当Pe达到一定幅度时,电力系统出现混沌振荡,如图2。而混沌振荡的出现是我们不愿意看到的。研究当Pe进入式(2)所表示的混沌振荡产生区域时,采用模糊自适应加滤波器的方法将混沌振荡抑制到平衡点上。
从图2中可以看到,当Pe=3时,系统的相图运行有规律性,此时未发生混沌振荡,当Pe=45时,表现出了无规律的混沌振荡,接下来的研究就对以Pe=45时出现的混沌振荡进行抑制。
2电力系统混沌振荡的抑制
2.1延时反馈控制器
延时反馈控制是将系统的输出及其延时之差做为控制信号,再经过反馈增益形成,其控制框图如图3,具有如下数学形式:
F(t)=K[ω(t-τ)-ω(t)] (3)
式(3)中,ω(t),ω(t-τ)分别为角速度增量和其延迟量,K为延时反馈增益。将式(3)直接加到式(1)的第二项上,得到
延时反馈方法所控制的变量中包含着其他变量的不稳定分量,这样就不必在每个变量上都加入控制量,所以只控制一个变量ω(t)就可以将系统控制在目标状态。
2.2模糊自适应延时反馈控制器设计
由于此电力系统所受外力是周期性的,其延迟时间τ可以选择为干扰周期,所以在本文中延迟时间τ=1。
在延迟反馈控制中反馈增益K的选取往往是很困难的,当K确定后,其大小不能够变化,如果系统遭到噪声干扰或者参数发生变化就可能导致控制的失败。为了克服K选择的困难,本文用带积分的模糊逻辑控制器来代替参数K,从而避免了对其的求取,其中模糊逻辑控制器采用双输入单输出的形式,其两个输入分别是被控电力系统的角速度和其延时的差值e(t)=ω(t-τ)-ω(t),以及差值的导数
由图4可以看出,传统延时反馈控制中的反馈控制增益K被模糊控制器所代替,模糊控制器中要对量化因子Ke,Kec和比例因子Ku以及积分增益KI进行求取,其中Ke,Kec和Ku这三个参数对模糊控制器的性能有着很大的影响。图中虚线框所围的即为带积分器的自适应模糊控制器。
2.2.1 量化因子和比例因子的选取与调整
设e、ec以及输出变量论域均为[-6, 6],其模糊子集为{NB, NM, NS, ZO, PS, PM, PB},即{负大,负中,负小,零,正小,正中,正大}。e和模糊控制器输出的隶属度函数为高斯型函数,ec的隶属度函数为三角型函数,设计的模糊规则如表1,解模糊采用重心法。
针对量化因子Ke,Kec和比例因子Ku的调整,根据文献[9]可知,一般地说,随着Ke的增大,系统的上升速率加快,稳态误差减小,但调节时间变长。如果Ke继续增大,将会使系统产生大的超调,以致振荡,造成系统不能稳定工作的后果。Kec增大会使系统反应变慢,但可以改善系统稳态特性,若Kec减小,会使系统反应加快,但Kec过小会导致系统超调变大,调节时间变长,最终使系统不能稳定工作。Ku增大会使系统精度提高,响应加快,但Ku过大会使系统产生较大超调,甚至发散,而Ku过小会使系统过渡时间变长。
综上所述,当误差e和误差变化率ec较大时采用较小的Ke,Kec和较大的Ku以降低对输入量e和ec的分辨率并加快系统的响应速度。当误差e和误差变化率ec较小时采用较大的Ke,Kec和较小的Ku以增的对输入量e和ec的分辨率,减小控制量的变化,以抑制超调。根据这一原则,本文编写了S-函数用来自适应调整参数的变化,具体过程如下:
2.2.2 积分器的引入
传统的模糊控制器相当于PD控制器,当误差e和误差变化率ec同时大于零或小于零时,模糊控制器就不能很好地完成控制任务,如果加入积分控制器,其控制效果将会大大改善[10,11],这就需要我们设计一个工况选择器,其工作状况如表2。
注:1表示积分器工作, 0表示积分器不工作。
积分器的作用是消除系统的稳态误差,随着控制时间的增加积分项会变大,即使系统存在很小的误差,其也会增大。这样系统的稳态误差会逐渐减小,最终为零。但如果积分控制始终存在会导致系统响应过慢,所以加入积分器的时机要选择恰当。从2表可知,当e、ec同时大于零或小于零时加入积分时,会使系统调节速度和精度提高,当e、ec向不同方向变化时,令积分控制不工作,只需e、ec就可以使系统达到调节的目的。
2.3滤波器的设计
由于模糊控制器的输入是系统的角速和其延时的差值,及其变化率,理想的效果是将系统控制在周期运动上,但周期运动还不是我们希望达到的效果,如何将周期运动控制到平衡点是我们希望达到的控制目标。由式(1)可知,周期振荡出现的原因是周期扰动项的存在,而且周期扰动的大小是无法确定的。根据文献[12]设计滤波器的形式如下:
此滤波器直接加在被控对象上就可以达到预期效果。其控制框图为图5。
图5中带积分的自适应模糊控制器即为图4中虚线框所示。
3数值实验分析及结果
下面用MATLAB中的Simulink进行仿真,其参数仍为H=100,D=2,Ps=100,Pm=20,β=1,Pe=45通过反复仿真实验分析,在Ke,Kec,Ku为0.5,0.3,1.5以及KI=10.3,M=5.46时实验效果最好。
没有加入积分器时,和加入积分器的ω(t)和δ(t)的对比曲线图如图6。
从图5中可以看出加入积分器后系统在t=20 s后进入了周期运动,控制效果明显优于没有加入积分控制器的效果。
针对周期振荡,我们将滤波器加入到模糊延时反馈控制其中,其控制曲线图如图7。
从图7中可以看出系统在t=20 s是进入了平衡点,说明了这种控制方法的有效性。
4结论
本文用模糊逻辑控制器取代了延迟反馈控制器中延时反馈增益K,避免了对K的求取。编写S-函数实现了对量化因子和比例因子的在线调整。针对一般的模糊控制器控制不佳的缺点,加入了带有工况选择作用的积分控制器,达到了控制效果改善的目的,滤波器的加入将周期运动控制到平衡点上。最后通过仿真实验证明了这种控制方法的快速性和有效性。
摘要：电力系统是一种典型的非线性系统,在周期扰动下可能发生混沌振荡,严重影响到电力系统的安全运行。以二阶互联电力系统为应用背景,当出现混沌振荡现象时,应用延时反馈控制(DFC)原理,针对传统延时反馈控制方法反馈控制增益K选择的困难,采用带积分的模糊控制器。在线调整量化因子Ke,Kec和比例因子Ku,积分器根据所设计的工况选择表来确定是否工作,从而达到对控制器的优化,此方法避免了对反馈控制增益K的求取。施加控制后,系统的混沌行为得到抑制,但仍存在周期振荡。对这种振荡,采用了一种滤波器,该滤波器根据系统中的周期扰动进行设计,形式简单,有效地将周期振荡控制到了平衡点。通过仿真实验验证了这种方法的有效性。
关键词：电力系统,混沌控制,自适应模糊,延时反馈,平衡点
参考文献
[1] Ott E,Grebogi C,Yorke J A.Controlling chaos.Physical ReviewLetters,1990;64(11):1196—1199图7Pe=45时加入滤波器后受控系统的δ(t)和ω(t)曲线图
[2] Pyragas K.Continuous control of chaos by self-controlling feedback.Physics Letters A,1992;170:421—428
[3] Pyragas K,Tamaevic ius A.Experimental control of chaos by de-layed self-controlling feedback.Physics Letters A,1993;180:99—102
[4]张强,王宝华.应用延时反馈控制电力系统混沌振荡.电网技术,2004;28(7):23—26
[5]常超艳.基于反馈精确线性化的电力系统混沌振荡控制.科学技术与工程,2010;10(25):6194—6199
[6]李向群,刘浩,罗诗敏,等.电力系统的T-S模糊非线性PI控制.电力系统及其自动化学报,2012;24(2):119—123
[7]史敬灼,李文娟.基于模糊延时反馈的超声波电机混沌控制.微电机,2012;45(1):61—63
[8]李世作,康世瑜.电力系统在周期扰动下的混沌研究.广西大学学报:自然科学版,2009;,34(4):580—585
[9]王川川,赵锦成,齐晓慧.模糊控制器设计中量化因子、比例因子的选择.四川兵工学报,2009;,30(1):61—63
[10] Yu Yongquan,Huang Ying,Zeng Tao.The intelligent fuzzy con-troller with dynamic integral term.Hong Kong:IEEE InternationalConference on Industrial Technology,2005:698—702
[11] Lim G H,Chua P S K,He Y B.Comparison and application ofthree integral-improved methods on conventional fuzzy control strate-gy.Bangkok:IEEE International Conference on Industrial Technol-ogy,2002:214—219
随机IFS的自适应神经网络控制 篇2
【关键词】：分形几何; IFS; 神经网络
中图分类号：TP391 文献标识码：A 文章编号：1997-0668 (2008)0110070-02
前言
由Barnsley给出的IFS编码系统[1]是绘制分形的重要方法，在IFS方法中，变换W(wi,i=0,1,2,…,n)确定了吸引子，如果变换选择恰当，迭代的结果可使目标图像与吸引子任意接近。在实现IFS的随机迭代算法中，每一个变换都具有一个概率，从理论上讲，如果变换系数一旦给定，则吸引子唯一确定，吸引子与概率无关。但是，在生成实际图像和图像的效果调整时,概率起到了很重要的作用,控制每一变换相应的概率的数值，就控制了拼帖图形各部份的落点密度。
用人工的方法对某一变换对应的概率作相应的调整，并对其它变换的概率作相应的改变，以保证对应于每一个变换的概率的总和为1，将会给分形图像的调整带来极大的不便。文献[2]中，虽然实现了概率分布的自动分配，但对概率的分布还没有做到有目的地调整与自动分布相结合，且所用的数学工具较为复杂。在图像效果的处理方面, 在实现IFS算法的过程中,有预先给定几组概率值,然后随机地选取某一组概率值,以达到控制分形图像的生成效果,这一方法的不足之处在于某一组概率值的设定没有做到概率的自动分布，不便于图像效果的随意调整。
为了能更好地选择和调整对应于各变换wi的概率值，改变目标图像的落点密度，使目标图像在有限步迭代中止时显现出浓淡虚实不同的层次,尽可能地达到自然景物描绘中所追求的效果，文章将运用自适应线性神经元网络，建立随机IFS概率分布的人工调节与自动分布相结合的数学模型，并在随机IFS的算法中，引入一个起到调节概率分布的虚拟变换，使IFS算法中概率数值的人工调节与自动分布相结合。
1．概率分布自动调节的自适应神经元网络设置
自适应线性神经元（Adaline）网络[3]是一个自适应可调的网络，把该神经网络应用于随机IFS概率分布的自动调节将是灵活、简单的。
对于二维压缩仿射变换：
其中：a，b，c，d，e，f是实数，rx、ry分别为x和y方向的压缩因子，θx、θy分别为x和y轴的旋转角，且逆时针方向为正，顺时针方向为负。在随机IFS算法中，仿射变换系数决定了迭代点的落点区域范围(S：si=aidi-bici=rxiryicos(θxi-θyi))，对应于每一个变换wi的概率pvi可由式(2)确定：
如果出现某一si=0,可按需要给pvi设置一个大于零的数值，并对其它变换中对应的概率作适当的调整。一般情况下，按式(2)决定的pvi进行迭代运算，在落点区域内，迭代点将处于较理想的均匀分布的状态。
用自适应神经元网络对概率值进行自动调节，可容易改变迭代点的落点密度。在设置单层自适应神经元网络时，设Pv(pvi)为输入向量，M(mi)为权向量，Yk为输出模拟量，Yp为理想响应值，给定Yp=1。此时，对应于各变换的概率取值为：pi=pvimi ,其中，设概率p0=pv0m0为阈值,并设对应于概率p0的变换w0为虚拟变换，该虚拟变换在随机IFS算法中只起到调节概率分布的作用。在自适应神经网络的学习过程中，选择LMS算法修改网络连接权的数值M，在达到误差要求后,确定最终的权值M输出。
2．随机IFS概率分布的自动调节机制
自适应线性神经元网络是一个自适应可调的网络，通过有目的地或随机地改变初始连接权和阈值的数值大小，就可以在随机IFS的算法中实现概率分布的自动调节。在随机IFS的算法中，要求对应于每一变换的概率值必须大于零，即pi>0，而在网络对连接权的调整后，会出现某一连接权的数值mi≤0的情况，该权值所对应的变换的概率pi也将小于或等于零。如果出现某一变换所对应的概率pi≤0，则可认为该变换在拼帖图形中不起作用，由此改变拼帖图形的图象效果。
2.1 随机全反馈概率调节
给定mi=1作为初始权值，由(2)式计算出pvi,并给定pv0=0。在神经网络自适应学习时，如果给定pv0=0,则阈值p0的数值恒为零，p0对网络没有任何影响。如果调整某一权值mj的数值，则相应的概率pj将减少或增加，此时，对其它变换的概率将由神经网络的自适应学习作自动调整，并使概率pi=mipvi的总和为1，由此，实现随机全反馈的概率调节。
2.2 随机局部反馈概率调节
给定mi=1作为初始权值，由(2)式计算出pvi（i=1,．．．，n)，并给定pv0一个任意的数值。在网络自适应学习时，阈值p0=m0pv0的数值对整个网络影响。通过调整任一权值mi，这将在网络的自适应学习中，对其它变换的概率自动调整到合理的数值，并使概率pi=mipvi的总和为1。因为阈值对应的权值m0参加网络的自适应学习的权值调整，所以，在给定pv0≠0的情况下，随机IFS算法的概率分布自动调节为随机局部反馈概率调节。
2.3 随机无反馈概率调节
给定mi=1作为初始权值，由(2)式计算出pvi（i=1,．．．，n)，并按需要给定pv0（pv0<1）一个任意值,作为输入向量。在网络自适应学习时，不改变权值m0的数值,阈值p0=m0pv0的数值将保持不变，使得对拼帖图形起作用的变换所对应的概率的总和减少。如果迭代次数不变，拼帖图形的落点数量将会减少。任一权值mi初始值的改变，网络都将对其它变换的概率进行自动调节，并使输出概率pi=mipvi的总和为1。此时，对应于随机IFS算法的概率分布调节的网络自适应学习机制为随机无反馈概率调节。同理，在网络自适应学习中，使某一变换对应的权值固定不变，就可以固定某一变换对应的概率的数值。
2.4 动态随机局部反馈概率调节
给定mi=1作为初始权向量，由(2)式计算出pvi，并动态地给pv0赋值作为网络输入值。通过阈值p0=m0pv0的数值影响整个网络，由网络的自适应学习对变换对应的概率作动态地调整，并保持随机IFS的每一次迭代时的概率pi=mipvi总和为1，由此，而实现动态随机局部反馈概率分布的调节。由于各变换所对应的概率分布在每一次迭代是动态变化的，如果某次迭代变换中出现概率小于或等于零，则对应该概率的变换在此次变换中不起作用，这样也就改变了拼帖图形的图象效果。
3．应用实例
以带梗的植物叶子典型例子[4]为例，说明把自适应神经网络应用于随机IFS中，对拼帖图形图像效果的控制所起的作用。图1、2、3和4给出了在随机全反馈概率调节中，对设置不同的初始权值和阈值时，所得到的分形图象效果。设置网络时，1）取a=0.65,由(2)式确定的仿射变换各参量的数值见表1；2）当si=0时，第i个变换对应的概率预设为p00；3）初始权值mi和阈值所对应的概率pv0和最终得到的变换所对应的概率值pi见表2。
4．结论
把自适应线性神经元网络的自适应学习机理应用于随机IFS算法中，可使变换对应的概率调整做到人工与自动调节相结合。在算法中，通过调整神经网络连接权以达到概率分布的重新组合，由神经网络阈值的取值来决定概率调节的机制，在控制随机IFS的图像效果将是十分方便的。
参考文献
[1] 金以文，鲁世杰. 分形几何原理及应用，浙江大学出版社，1998.
[2] 赵永红，谭建荣.IFS系统的模糊混沌算法，计算机学报，1996(增刊):76~82.
[3] 焦以成. 神经网络系统理论，西安电子科技大学出版社，1990．
自适应控制学习心得 篇3
在八周的自适应控制学习中，我了解了自适应控制的基本概念和定义，自适应控制的原理和数学模型以及发展状况。其中，老师重点给我们讲了李亚普诺夫稳定理论设计MRAC系统和MIT方案，波波夫超稳定理论设计MRAC系统和MIT方案和自校正控制系统。虽然这些理论知识掌握的不是很牢固，理解的也不够透彻，但是这为我以后的学习和实践奠定了一定的基础。
自适应控制的定义：(1)不论外界发生巨大变化或系统产生不确定性，控制系统能自行调整参数或产生控制作用，使系统仍能按某一性能指标运行在最佳状态的一种控制方法。(2)采用自动方法改变或影响控制参数，以改善控制系统性能的控制。
自适应控制的基本思想是：在控制系统的运行过程中，系统本身不断的测量被控系统的状态、性能和参数，从而“认识”或“掌握”系统当前的运行指标并与期望的指标相比较，进而做出决策，来改变控制器的结构、参数或根据自适应规律来改变控制作用，以保证系统运行在某种意义下的最优或次优状态。
按这种思想建立起来的控制系统就称为自适应控制系统。自适应控制是主动去适应这些系统或环境的变化，而其他控制方法是被动地、以不变应万变地靠系统本身设计时所考虑的稳定裕度或鲁棒性克服或降低这些变化所带来的对系统稳定性和性能指标的影响。好的自适应控制方法能在一定程度上适应被控系统的参数大范围的变化，使控制系统不仅能稳定运行，而且保持某种意义下的最优或接近最优。
自适应控制也是一种基于模型的方法，与基于完全模型的控制方法相比，它关于模型和扰动的先验知识比较少，自适应控制策略可以在运行过程中不断提取有关模型的信息，自动地使模型逐渐完善。
李亚普诺夫稳定理论设计MRAC系统和MIT方案的学习中，如果要设计一个关于李雅普诺夫函数的MRAC系统。首先构造出系统的李亚普诺夫函数，然后用李雅普诺夫稳定性理论的设计方法，能够成功地设计稳定的模型参考自适应系统。在这一章的学习中，理解李亚普诺夫稳定性理论和构造系统的李亚普诺夫函数是重点。
超稳定性概念是波波夫于六十年代初研究非线性系统绝对稳定性时发展起来的。当时，波波夫对某种类型的非线性系统的渐近稳定性问题，提出了一个具有充分条件的频率判据，对研究的这类非线性系统的稳定性提供了比较实用的方法。波波夫所研究的这类非线性系统，是由线性时不变部分与非线性无记忆元件相串联而构成的反馈系统。波波夫超稳定性理论来设计模型参考自适应系统，它可以给出一族自适应规律，并且有一整套设计理论。因此，有利于学习掌握这种自适应控制的设计方法和结合实际系统灵活选择适当的自适应控制规律。
自校正控制系统又称为参数自适应系统,它源于随机调节问题，该系统有两个环路,一个环路由参数可调的调节器和被控系统所组成,称为内环,它类似于通常的反馈控制系统；另一个环路由递推参数估计器与调节器参数计算环节所组成,称为外环。自校正控制系统与其它自适应控制系统的区别为其有一显性进行系统辨识和控制器参数计算(或设计)的环节这一显著特征。自校正控制的思想是将在线参数估计与调节器的设计有机的结合在一起。自适应控制常常兼有随机性、非线性和时变等特征,内部机理也相当复杂,所以分析这类系统十分困难。目前,已被广泛研究的理论课题有稳定性、收敛性和鲁棒性等,但取得的成果与人们所期望的还相差甚远。
在传统的控制理论与控制工程中，当对象是线性定常、并且完全已知的时候，才能进行分析和控制器设计。无论是采用频域方法还是状态空间方法对象一定是已知的。这类方法称为基于完全模型的方法。在模型能够精确的描述实际对象时，基于完全模型的控制方法可以进行各种分析、综合，并得到可靠、精确和满意的控制效果。因此，在控制工程中，要成功设计一个良好的控制系统，不论是通常的反馈控制系统或是最优控制系统，都需要掌握好被控系统的数学模型。
然而，有一些实际被控系统的数学模型是很难事先通过机理建模或离线系统辨识来确知的，或者它们的数学模型的某些参数或结构是处于变化之中的。对于这些事先难以确定数学模型的系统，通过事先鉴定好控制器参数的常规控制难以应付。
面对这些系统特性未知或经常处于变化之中而无法完全事先确定的情况，如何设计一个满意的控制系统，使得能主动适应这些特性未知或变化的情况，这就是自适应控制所要解决的问题。
自适应控制技术在20世纪80年代即开始向产品过渡，在我国得到了较好的推广应用，取得了很大的经济效益。且理论研究也有一些开创性的成果。但总的来说推广应用还很有限，主要是由于其通用性和开放性严重不足。
虽然现已能设计出安全、有效、稳定、快速且现场操作比较简单的自适应控制系统，但今后较长一段时期内，相对简单实用的反馈、反馈加前馈或其他一些成熟的控制技术仍将继续占据实际应用的主流。
自适应控制理论必须有新的突破，才能在工程应用中对PID控制等传统方法取得显著的优势，结合人工智能技术，尤其是神经网络技术与模糊理论，或许是最终实现这一远景的可能途径。
自适应延时控制 篇4
关键词： 自适应控制； 继电保护； 距离保护； 整定值
伴随着计算机技术的飞速发展， 现代自动控制理论正日渐深入应用到各个领域， 形成了各种成熟的计算机控制系统。它具有不同的控制方式： 程序控制、数字控制、实时控制， 也可以充分发挥其计算机软件功能与分时特性， 实现多变量、多回路、多对象、多工况、变参数和自适应的综合控制。电力系统的运行状态处于频繁的变化中， 且可能发生各种类型的短路故障， 如瞬时的、永久的、金属性的、非金属性的故障， 以及可能出现的各种极端运行方式等。
1 自适应控制模型
设计自适应控制系统的目标： 即使参数发生变化，这个系统也能保持它的标准特性。它可以通过反馈控制， 比较性能指标后修改控制参数来实现对某一系统的控制。自适应控制系统分为参数自适应控制系统和性能自适应系统。后者最典型的模型参考自适应控制系统（ 如图1 所示） 。
图1 自适应控制模型
在图1 中， 输入信号可同时加到可调系统和参考模型， OM代表期望的响应， OS为系统当时的实际响应， e 为期望响应与实际响应的误差。自适应控制的任务是， 当可调系统受到干扰时， 使可调系统的输出和参考模型之差e 为最小。为实现这个要求， 自适应机构根据性能指标， 按预定策略进行参数调整或综合出一个辅助输入信号（ 虚线所示） ， 以实现可调系统的最优响应。
2 自适应在继电保护中的应用
以继电保护中最常用的且很重要的线路距离保护为例， 说明自适应保护的特点及应用过程。
2.1 距离保护设置的难点
作为高压、超高压输电线路的主保护， 距离保护基本不受电力系统运行方式和结构变化的影响，因而保护范围较长且稳定， 适合于远距离、重负荷的高压线路， 但在保护构成上仍存在如下一些问题：
a） 避越最小负荷阻抗， 防止保护误动的能力；
b） 避越非金属性短路， 过渡电阻的影响， 防止保护拒动的能力；
c） 外部短路伴随系统振荡时， 防止保护误动的能力。
2.2 自适应距离保护方案
自适应距离保护的构成见图2。
图2 自适应距离保护模型
如图2， 自适应控制回路的主要作用是根据被保护线路和系统有关部分所提供的输入量， 识别系统所处的状态， 进一步作出自适应的控制决策， 如改变距离保护的整定值、动作特性等。距离保护本身包括测量回路和逻辑回路， 输入量主要包括输电线路本端的电流、电压及序分量， 根据自适应距离保护具体的要求， 除信息从本端获得外， 还需通过远方线路或调度中心获得。
2.3 自适应距离保护方案举例
2.3.1 在自动重合闸过程中的自适应控制
在距离保护中， 第I段采用方向阻抗继电器以保证在反向故障时保护不误动。为解决方向阻抗继电器在线路正方向出口处发生故障时存在“死区”，保护不动作的问题， 广泛采用记忆回路和引入非故障相电压的方法。但在220 kV及以上电压等级的输电线路， 其距离保护的电压通常是由线路侧的电压互感器（ TV） 上引入的。在这种条件下， 当故障线路两端断路器跳开后， 在自动重合闸的过程中，由于线路上的电压和继电器中记忆回路作用已消失， 因而线路正方向出口永久故障保护跳闸， 自动重合闸后， 保护不能再跳闸， 形成“重合闸于故障”的现象。为解决这一问题， 在重合闸过程中采用自动改变阻抗继电器动作特性的自适应方案， 将方向阻抗继电器的阻抗特性（ 虚线） 改变为包含阻抗平面坐标原点（ 即对应线路正方向出口短路点） 的偏移特性（ 实线） ， 以使包含出口短路的所有正向短路测量阻抗均落在动作圆内， 如图3 所示。
图3 阻抗继电器复平面向量图
2.3.2 消除分支电流影响的自适应控制
由于电力系统网络的复杂性及运行结构的变化， 在构成距离保护时， 往往需要考虑分支电流对距离Ⅰ， Ⅱ段的整定和保护范围产生不利的影响，图4 给出3 种代表性的网络。
如图4， 设距离保护装设在a 和b 端， 则故障时测量阻抗为：
（a）助增电源电流的影响
（b）助增电流的影响
（c）汲出电流的影响
图4 分支电流的影响
其中， K f z称为分支因数， 它与电网运行方式有关， 当K fz> 1 时， 称助增因数， 当K f z< 1 时称汲出因数。这时由于b 端主保护不能切除故障，需要上级a 端Ⅱ段距离保护动作跳闸时， 保护的配合关系中实际电流值有差异， 必须把分支因数考虑进去， 否则保护范围将会变化， 引起拒动和误动， 因此采用相应的自适应控制方式， 根据电网的运行方式实时确定分支因数K f z和保护的整定值。实际上可采用较简单的方法， 如将b， c 端断路器的状态信息通过通信工具传送到a 端， 此时可以确定保护的整定值：
式中 KK——可靠因数， 可取0.8；
端主保护距离Ⅰ段整定值；
端距离Ⅱ段作为b 端主保护的后备保护的整定值。
这样， 只需将三端a， b 和c 的断路器状态进行互相的传送， 不要求经常和实时传送信息， 即可避免分支电流对保护范围的影响。
3 结束语
自适应延时控制 篇5
绕飞慢旋目标参数自适应积分滑模控制
针对满足一定条件的一类不确定部分上界不确知的.系统,提出了一种参数自适应积分滑模控制策略.通过在切换函数中引入跟踪误差积分项,消除了传统滑模变结构控制需要被跟踪信号导数已知的假设.同时基于Lyapunov方法引入参数自适应律,使系统能够抑制干扰.采用该控制方法,进行大椭圆轨道慢旋目标同步绕飞跟踪控制器设计.仿真结果表明,该方法具有较强的鲁棒性以及良好的跟踪性能.
作 者：刘智勇 何英姿 LIU Zhiyong HE Yingzi 作者单位：北京控制工程研究所,北京100190;空间智能控制技术国家级重点实验室,北京100190刊 名：空间控制技术与应用英文刊名：AEROSPACE CONTRD AND APPLICATION年，卷(期)：35(4)分类号：V448.2关键词：慢旋目标 椭圆轨道 积分滑模控制 自适应控制
自适应延时控制 篇6
精密转台系统非线性动态自适应控制器设计
提出了一种用于精密转台平滑鲁棒自适应控制器.通过基于σ改进方案的自适应律估计得到未知摩擦参数和非线性项的常值上界,并且利用一种平滑预测算法来改进用于估计不可测摩擦状态的双观测器.为了抑制不确定非线性项,加入了无抖振滑模控制项.通过Lyapunov方法证明了系统的.位置跟踪误差是一致最终有界的.仿真研究表明了该控制方案的有效性.
作 者：王忠山 王毅 苏宝库 WANG Zhong-shan WANG Yi SU Bao-ku 作者单位：哈尔滨工业大学空间控制与惯性技术研究中心,哈尔滨,150001刊 名：航空精密制造技术 ISTIC英文刊名：AVIATION PRECISION MANUFACTURING TECHNOLOGY年，卷(期)：44(2)分类号：V249.12关键词：精密转台系统 摩擦补偿 不确定非线性项 平滑鲁棒自适应控制器