IMC多机传动系统四篇

2024-08-12

IMC多机传动系统篇1

在电力系统中,大型发电机组的励磁控制是改善电力系统稳定性的有效而又经济的手段之一,近些年来随着全国各大区域电网互联的不断深入,电力系统遭遇各种干扰的可能性增大,因此找出合适的励磁控制方法对于提高电力系统暂态稳定性至关重要。

随着电力系统规模升级、远距离输电方式的出现以及快速励磁系统的引入,大量的研究集中在寻找新的发电机励磁调节规律问题上[1]。代表性的研究有:前苏联提出的强力式励磁调节器,美国提出的电力系统稳定器(PSS)[2],以及加拿大和中国学者提出的线性最优励磁控制器(LOEC)等[3]。这些研究存在的一个共同的问题是,由于采用线性模型来设计控制器,当实际系统的运行状态对于所设计的平衡状态有较大偏差时,这种励磁控制方法就会出现较大的误差,甚至不稳定,难以发挥应有的作用。因为电力系统是多变量非线性系统,为提高电力系统暂态稳定性应采用非线性励磁控制方式。文献[4]首次将微分几何方法应用于发电机励磁控制中,随后出现了自适应控制、滑模控制、非线性H∞控制等方法,但仍难以解决多机耦合非线性电力系统的稳定控制问题[5,6,7]。

模糊领域的研究发现,非线性系统能很好地用T-S模糊模型逼近。模糊控制系统具有较高的鲁棒性,干扰和参数变化对控制效果的影响被大大减弱,尤其适合于非线性、时变及纯滞后系统的控制。模糊控制已被应用于电力系统控制,但是控制精度不高且存在模糊规则优化问题[8,9]。本文采用模糊自适应控制方法,并针对工程中多变量非线性系统状态不可测的问题,设计状态观测器[10],得到了具有较强鲁棒性的输出反馈控制器。由于电力系统的多变量特性,模糊控制规则繁多,甚至出现规则爆炸的问题,对系统的设计和运行速度都带来了不利的影响。模糊控制规则的设计相当于一个组合优化问题,根据电力系统运行中的实际情况,运用蚁群算法的优化功能优化模糊规则,一定程度上减少了模糊规则的数量。仿真结果表明基于蚁群算法的模糊自适应控制器对提高电力系统暂态稳定性有很好的效果。

1 系统模型描述

考虑励磁控制的n台发电机组可用以下多变量非线性系统描述[11]。

式中:δi为转子运行角;ωi为发电机转子与同步转速之间的相对转速;TJi为机械转动惯量;iD为阻尼系数;Ei为暂态电抗后的电势;Gii为发电机内电势节点自电导;Gij为互电导;Bij为互电纳,

令F(x)=[f 1(x),…,fn(x)]T,G(x)=[(g1(x),…,A=diag[A1,…,An],B=diag[B1,…,Bn],CT=diag[CT1,…CTn]。

则式(1)可以表示成如下形式

给定输出参考向量:ym=[ym1,ym2,…,ymn]T,记状态参考向量:。定义跟踪误差e=ym-y,状态跟踪误差:E=Xm-x,状态跟踪误差估计:E=Xm-x。其中,x和E分别是x和E的估计向量。

2 输出反馈模糊控制器设计

由于F(x)常常是含有慢时变参数的非线性项,采用自适应模糊方法逼近,其中fi(x|θi)的模糊规则如下:

Ril:如果x1是Mi1k…xj是Mkij…x2n是Mi2nk,则是Gik,i=1,…,n,k=1,…,m,l=1,…,m2。

其中:Rik为模糊规则;μMijk是xj的隶属度函数;Mkij是xj的模糊集合;Gik是fi(x|θi)的模糊集合,并取单点模糊集。

由乘积推理和中心平均解模糊器可得模糊系统为:

其中:θi=[θi1,,θin2]T是在线调整的参数向量矩阵;ζi(x)=[ζi1(x),…,ζin2(x)]T是模糊基函数,如下。

设计模糊自适应观测器为:

式中:K0是一个观测增益矩阵,选取K0使得矩阵A-K0CT稳定;ua和us是辅助补偿项。

设观测误差为:,则由式(3)和式(4)得

令x和分别属于下面所定义的紧集Ux和,

定义Θ*最优参数估计值为:

其中,Ω为给定的有界的闭子集。

定义模糊最小逼近误差如式(6):

根据式(6),式(5)可以改写成

式中,。

假设1对于给定半正定矩阵Q1和Q2,存在正定矩阵P1和P2,分别满足下面的矩阵方程:

假设2模糊最小逼近误差有界,即‖w‖≤S。

设计模糊控制为

把式(10)代入式(4),运算得到

定理1对于非线性系统(3),如满足假设1、2,取模糊控制器为式(10)~(12),参数向量的自适应律为

式中,γ>0,则总体自适应模糊控制方案保证整个闭环系统稳定且。

证明:选取Lyapunov函数为

求V对时间的导数

把式(7)和式(13)代入式(16)得

由参数的自适应律(14),并根据

则式(17)变成

由于,并把式(8)和式

(9)代入式(18)得

记Q=diag[Q1,Q2],,则式(19)变成

所以,可以得到,u∈L∞,并且,由此和

3 蚁群算法优化模糊规则1

蚂蚁群在周游过程中所表现出来的运动行为是一种正反馈现象。能够很快地找到实物与蚁巢之间的最短路径。蚁群算法在模糊规则中的应用,是一个组合优化问题,即用最优判据来给每个规则分配结论[12]。

首先针对二机互联系统发电机转子运行角δ1,δ2(即x1和x3)对建立模糊规则。也可用同样的方法对建立模糊规则(略去)。

R1l:如果x1是M11k和13X是M13k,则是G1k,k=1,…,7,l=1,…,49。

模糊集的隶属函数选为

可看出采用两个变量,取7个模糊集,可建立49条模糊规则,其中会产生冗余规则。同时系统采用自适应方法调整后件参数,增加了系统调节功能,应当进一步减少模糊规则。下面采用蚁群算法优化模糊规则。建立数据集合I={I 1′,…,I n′},I决l′策={解x 1按,x式3}(,21存)在进∃I行l′∈随I机使选得择。每个

这里:PKij(t)表示周游t时刻在循环k中选项被选择的概率;τi(j)(t)表示周游t时刻中与选项相关的

信息素浓度;ηi(j)=max min(μM1(x1l)…μM7(x7l))表示局部启发式因子;α和β分别表示控制信息素相对重要性的指数参数和局部启发式因子的指数参数。

蚁群周游结束后,形成了m条可行解,在优质解上的信息素痕迹被加强。信息素更新方程形式为:

其中:τij(t+1)和τij(t)分别表示在周游t+1、t时信息素浓度;0≤ρ≤1表示信息素残留系数;Δτij表示与信息素变量。

评价函数决定了解的质量,考虑理想状态下相同规格的二台发电机在暂态后的运行角δ1和δ2,可看作δ1≈-δ2,则用方差函数估计为:

方差估计值越接近0,所得的解越优先被选择。

初始状态下最大规则基中有7×7=49条规则,C=[-90-60-30 0 30 60 90],优化后可得的模糊规则如下:

R11:如果x1是M111和x3是M131,则是G11;

R12:如果x1是M112和x3是M132,则是G12;

……

R17:如果x1是M117和x3是M137,则是G17。

整个系统的优化结果如表1所示。

结果验证。

本方案与模糊PID方案的仿真结果进行比较以显示方案的优越性。

设0 s在1号发电机和2号发电机联络线靠近1号电机母线处发生三相短路故障,0.2 s故障切除。

输出结果是转子运行角δi和发电机转子与同步转速之间的相对转速ωi。给定系统参数:

M1=3.5 M2=2.5;D1=1.85,D2=1.96;Xd1=0.146,Xd2=0.146;X′d1=0.0608,X′d2=0.1460;T1=1.8,T2=1.35;Pm1=1.76,Pm2=1.85;

初始条件:δ1=60,δ2=-60;γ1γ2=8×10-3;Kp1=Kp2=60,KI1=KI2=12,KD1=KD2=3;参考函数为01=ym,02=ym。

模糊PID仿真结果如图1~4所示。模糊自适应控制仿真结果如图5~8所示。

电力系统暂态稳定控制的目标是各台发电机趋于额定同步转速。仿真结果显示各发电机的转子运行角收敛到固定的角度值,各相对转速差收敛至零,验证了方案的有效性,并且结果显示模糊自适应控制比模糊PID控制具有更好的控制品质,采用模糊PID控制的调整时间为2.6 s而采用本文的模糊自适应方法调整时间为1.4 s,并且1ω振荡幅度减少了10rad⋅s-1,ω2振荡幅度减少了20rad⋅s-1。

4 结论

本文针对多机电力系统模型,首先采用了基于状态观测器的模糊自适应控制方案,该控制方法不需要系统的状态变量可测的条件,而是通过设计观测器获得它的估计值。其次成功地将蚁群算法应用到模糊规则的优化中,并在一定程度上解决了规则过多的问题,但是离线优化后得出的是固定数量的模糊规则,其灵活性较差。

最后对2台发电机系统进行的仿真研究结果表明,该方法对提高系统在大干扰下的暂态稳定性有显著作用。

参考文献

[1]孙元章,焦晓红,申铁龙.电力系统非线性鲁棒控制[M].北京:清华大学出版社,2007.SUN Yuan-zhang,JIAO Xiao-hong,SHEN Tie-long.Nonlinear robust control of power system[M].Beijing:Tsinghua University Press,2007.

[2]Kunder P.Power system stability and control[M].New York:McGraw-Hill,1994.

[3]卢强,王仲鸿,韩英铎.输电系统最优控制[M].北京:科学出版社,1984.LU Qiang,WANG Zhong-hong,HAN Ying-duo.Optimal control of transmission system[M].Beijing:Science Press,1984.

[4]卢强,孙元章.电力系统非线性控制[M].北京:科学出版社,1993.LU Qiang,SUN Yuan-zhang.Nonlinear control of power system[M].Beijing:Science Press,1993.

[5]Yu Y N,Vongsuriya K,Wedman L N.Application of an optimal control theory to a power system[J].IEEE Trans Auto Syst,1997,89(1):52-62.

[6]杨大志,杜正春,方万良.多机电力系统变结构励磁控制器的设计研究[J].电力系统保护与控制,2004,32(16):8-11,24.YANG Da-zhi,DU Zheng-chun,FANG Wan-liang.Design and study of variable-structure excitation controller for multi-machine power systems[J].Power System Protection and Control,2004,32(16):8-11,24.

[7]LU Q,Hu W,Song Y H.Decentralized nonlinear excitation control based on regulation linearization[J].IEE Proc-Gener,Trans,and Distrib,2000,147(4):245-251.

[8]金岫,邓志良,张鸿鸣.基于模糊PID控制的同步发电机励磁控制系统仿真研究[J].电力系统保护与控制,2007,35(19):13-15,21.JIN Xiu,DENG Zhi-liang,ZHANG Hong-ming.Simulation of synchronous excitation controller based on fuzzy-PID control[J].Power System Protection and Control,2007,35(19):13-15,21.

[9]揭海宝,郭清滔,康积涛,等.基于模糊自调整PID控制的同步发电机励磁研究[J].电力系统保护与控制,2009,37(9):89-92.JIE Hai-bao,GUO Qiang-tao,KANG Ji-tao,et al.Simulation of synchronous excitation controller based on fuzzy self-regulation PID control[J].Power System Protection and Control,2009,37(9):89-92.

[10]Tong S C,Tang J T,Wang T.Fuzzy adaptive control for multivariable nonlinear systems[J].Fuzzy Sets and Systems,2000,111(2):153-167.

[11]夏道止.电力系统分析[M].北京:中国电力出版社,1995.XIA Dao-zhi.Analysis of power system[M].Beijing:China Electric Power Press,1995.

IMC多机传动系统篇2

近年来随着无人机技术高速发展, 国内出现旋翼、固定翼、柔性翼、特种等各种机型, 在军民领域获得广泛的应用。与之配套的任务载荷近年来也取得巨大发展, 无人机可搭载高清可见光、红外、多光谱、雷达、通信等各种谱段各种频段的一种或多种载荷, 甚至搭载磁探测、辐射计等载荷执行特种任务, 形成一机多源、多机协同的全新信息获取网络。应用在监控、巡视、航拍、测绘、应急指挥、灾情评估、交通管理, 智能城市、勘探、环境保护等领域。

无人机的广泛应用也带来了信息过剩问题, 实时探测信息、历史信息的结合使数据量急剧上升。控制中心已经越来越难以及时处理无人机各种载荷传回来的海量信息。美国的高级官员抱怨说, 大量使用无人机, 应用者将很快“泡在传感器里, 被数据淹死”。

2 信息挖掘研究意义分析

采用多机协同、多传感器无人机系统获取的海量数据并不仅仅指其量之大, 更代表着其潜在的数据价值之大。研究证明, 有效地管理、使用数据能够提高无人机系统系统性能, 能够带来巨大的潜在价值。

海量的数据是决策的基础, 但是单纯的数据量的积累不会对系统产生任何益处, 只有建立适当的分析模型, 并运用相应的技术手段, 对大量的数据进行有效地深加工, 发现隐含在大量数据中的信息并加以利用, 进而指导指挥者做出相关决策, 才能将大数据的真正效用发挥到极致。

因此要想充分发挥无人机系统获取数据给系统带来的优势, 实现海量数据的价值增值, 挑战巨大。高质量的数据是海量数据发挥效能的前提和基础。对数据进行有效分析的前提是必须要保证数据的质量, 专业的数据分析工具只有在高质量的数据环境中才能提取出隐含的、准确的、有用的信息, 基于这些高质量分析结果所做出的各项决策才不至于偏离正常轨道。因此数据质量在海量数据环境下显得尤其重要。

我国目前投入巨大力量开展无人机前端信息基础数据的采集, 已经出现一机多种载荷、多机协同侦察等应用, 信息采集的越来越详细, 信息质量要求越来越高, 同时信息量也越来越大。通过无人机获得信息数据, 已经不缺少数据信息, 缺少的是对大量前端信息数据真正的精细管理, 如果没有很好的数据挖掘, 冗余的数据反倒会影响到指挥员的响应时间和决策, 造成贻误战机。所以在高度信息化的现在, 有效的信息挖掘具有非常重要的意义。

3 信息挖掘研究方法

无人飞行器获取的信息量庞大, 因此必须加强对信息的综合分析、处理, 本文提出一种基于无人机海量信息的信息挖掘方法, 对各种来源的信息统一归口, 汇集处理, 对零散的信息, 迅速进行综合分析和印证, 自动判断其可靠性和使用价值, 并对数据进行有效的管理。

3.1 信息实时采集和预处理

现阶段和未来可预见的无人飞行器原始信息主要有:可见光、紫外和不同波段的红外、激光测距、雷达等任务载荷获取的探测信息;高度、地理、定位、大气以及各种环境信息;甚至包括飞行器的导航、控制、姿态等各种状态数据等。针对各种原始信息输出的时序、载体和接口方式不同, 必须采用不同的技术手段准确、及时、可靠的采集、传输和存储各类信息, 同时由于不同传感器体制、性能、工作原理等方面的差异, 必须对获取的数据进行初步的预处理, 剔除垃圾数据, 获得高质量的初级信息数据。

3.2 高智能的信息理解技术

信息理解技术即对预处理后的初级信息, 采用数据建模、图像分析、信息感知、智能决策等技术, 进行分类、筛选、查新, 通过智能对比、提取、分析特定区域里信息的变化来监视和分析发展态势, 从数据中获取所需的规律性内容, 实现关键信息的提取。

3.3 多源信息的综合处理和融合技术

信息处理时开展信息融合技术研究, 主要是充分使用不同来源、不同模式、不同时间、不同空间的多源信息资源, 按一定准则加以自动分析、综合、支配和使用, 并结合不同时间段的信息的关联性, 历史数据与当前数据的关联性, 获得具有相关和集成特性的融合信息, 充分发挥多源数据相互补充、相互印证的作用, 获得对被测对象的一致性解释与精确的描述, 提高结果的准确性。

一般来说目标属性级融合有三种基本结构:数据层融合、特征层融合和决策层融合结构。数据层融合:针对同质传感器的融合, 将全部传感器的观测数据直接融合, 然后对融合的数据进行特征提取和特征说明, 并进行判断识别;特征层融合:每个传感器观测目标, 并从观测数据中提取有代表性的特征, 获得特征矢量, 而后融合这些特征矢量, 并做出基于联合特征矢量的属性说明;决策层融合:每个传感器观测目标, 并将采集的信息进行特征提取, 产生特征矢量, 完成关于目标的说明, 然后对各自传感器的说明结果进行融合, 得到目标的一致性解释与描述。

3.4 建立基于重点内容的智能检索和数据管理、分发系统

由于对信息进行融合处理的工作量巨大, 涉及的内容十分广泛, 建立基于重点内容的智能检索, 可有效提高信息融合的速度。同时设计自动分类、分发系统, 针对不同的需要, 建立多功能信息分发模型, 扩展信息的应用范围。

3.5 建立基于自动提取技术的信息综合管理数据库

建立目标的特征库, 并及时把新的信息加入到数据库中, 完善或添加新的特征元素, 通过自动提取技术, 从而自动识别出所需要的目标和信息, 以提高信息产品的时效性、准确性。

4 结束语

在当今无人机大量使用, 各种载荷获取大量信息, 信息挖掘已成为海量数据信息处理中的必要环节, 随着未来信息处理技术的不断发展, 信息挖掘技术也会相应的进步完善和提高。

参考文献

[1]宗伟, 吴锋.大数据时代下数据质量的挑战[J].西安交通大学学报 (社会科学版) , 2013 (05) .

IMC多机传动系统篇3

1、单片机技术在多机通信系统网络协议设计中的应用

网络技术、计算机技术、单片机技术在多机通信系统中的应用，可以优化操作，灵活的运用相关的技术和操作，为人们服务。为此我们针对基于单片机技术的多机通信系统的相关设计进行研究。

在基于单片机技术的多机通信系统，其网络协议自身正常运行的保障，同时也是计算机技术、网络技术等应用中数据交换而建立的规则，为了保证通信的正常进行，建立网络协议。针对多机通信系统而言，其采用多台通信机共用一个服务机，TCP/IP协议是其基础协议，为了实现多机通信，需要建立新的网络协议，实现多机通信系统服务端与客户端之间的多机数据通信。在数据传输通信中，服务端先进行数据发送命令的咨询，供进行两边，如果第一次咨询给出的答案与网络协议既定值不同，则进行第二次咨询，如果回答同上一次以上，则数据通信不会与该客户端进行传输，并切会绕过这个客户端，进行下一个客户端数据通信命令的咨询，指导数据通信咨询客户端的回答与网络协议既定信息一致，则可以进行数据的传输。如果客户端无法接受，则数据的传输失败，按照原路返回。

2、单片机技术在多机通信系统网络拓扑设计中的应用

基于单片机的多机通信系统的网络拓扑设计，选择的总线型为网络拓扑结构，且由服务机进行统一的管理，进行网络资源的分配。服务端会轮流的对每一个客户端进行数据的发送询问，如果存在分配发送时间，则会移交网络总线的使用权，否则将询问下一个客户端。在该系统中，任何一台机器发送的数据，在其他机器上显示的可见，且网络信号可靠，其是在网络拓扑的基础上实现的，而基于单片机技术的多机通信系统的网络拓扑设计结构如下：

3、单片机技术在多机通信系统接口电路功能设计中的应用

网络接口可以实现接收的数据的提交、中继等，并提供网络状态的信号，使得各个端口之间形成同构等，对其进行设计，对多机通信系统有重要的意义和作用。基于单片机技术的多机通信系统的设计，实现了功能和性能的优化，其网络接口电路的设计，需要满足其功能需求。在对其网络接口电路进行设计的过程中，需要采用4个单片机，共同的完成对数据的接收，每个单片机对应一个端口。在进行基于单片机技术的多机通信系统网络接口电路的设计中，需要增加了网络状态信号接口，在各个单片机没有工作的前提下，网络中没有数据的传输，网络信号接口则会变成低电平，与单片机进行相连，此时单片机可以对整个网络状态进行支撑，实现对数据的传输和接收。

4、其他结构设计

在基于单片机技术的多机通信系统的设计中，需要将该系统的功能完善，服务端的功能，需要讀取ADC数据，并显示电视角度数据、可以智能的控制风机的开启、可以对任意一台客户机进行网络的接管等，客户端的功能，需要可以接收服务机的咨询，并进行数据的发送确认，可以提供键盘控制，进行客户机地址的读取，可以显示环境温度等等。

在基于单片机技术的多机通信系统的设计中，其功能模块如下图，在基于单片机技术的多机通信系统中，每一个设备都有自己的驱动程序，且驱动程序只需要对自己多控制的设备进行控制和调用进行。通过对基于单片机的多机通信系统的设计，最终实现单片机多机通信系统的应用。基于单片机技术的多机通信系统的功能模块如下：

基于单片机的多机通信系统，其各项功能的实现，需要通过键盘程序完成，所以在该系统的设计中，键盘系统的设计也起着重要的作用。键盘系统设计的好坏，影响着整个多机通信系统的运行质量。在多机通信系统中，其每个组成部件，都与该系统的设计和实现有着密切的关系，将各个部件的参数，通过键盘程序输入，确定多机通信系统的性能参数，进而对系统的可靠性、稳定性等进行检验。

通过的基于单片机技术的多机通信系统的设计可以得出，单片机在多机通信系统中的应用，实现了多机通信系统功能的提升，完善了该系统的相关结构，通过简化了操作程序，为此实现了基于单片机技术的多机通信系统的简单、灵活操作和使用，进而减少了基于单片机技术的多机通信系统运行的负担。

结语

综上所述，基于单片机技术的多机通信系统的设计，将多机通信系统的性能提升，稳定性更高，为我国经济的发展提供了帮助，也满足了人们对多机通信系统性能的需求。

（作者单位：辽宁建筑职业学院）

作者简介