针对模块化多电平统一电能质量调节器(modular multilevel unified power quality conditioner, MMC-UPQC)六桥臂结构下的单相桥臂故障问题,提出了一种五桥臂拓扑,这种新型拓扑可实现故障情况下的电能质量补偿。首先,对MMC-UPQC串并联...针对模块化多电平统一电能质量调节器(modular multilevel unified power quality conditioner, MMC-UPQC)六桥臂结构下的单相桥臂故障问题,提出了一种五桥臂拓扑,这种新型拓扑可实现故障情况下的电能质量补偿。首先,对MMC-UPQC串并联侧的数学模型进行分析,提出了一种复合模型预测控制(hybrid model predictive control,H-MPC),所提控制方法结合了有限集模型预测控制(finite-control-set model predictive control, FCS-MPC)以及快速模型预测控制(fast model predictive control, F-MPC)。然后,通过构建两侧独立的价值函数减少了控制方法的计算量,同时也实现了五桥臂解耦控制。最后,相比传统线性(例如PI)和非线性(例如无源控制passivity-based control,PBC)的控制策略,所提复合模型预测控制在电压补偿、负序电压抑制以及谐波电流补偿等方面具有一定优势,并在一定程度上避免了复杂的参数整定及坐标变化环节。仿真实验结果证明了所提控制方法的可行性和优越性。展开更多
为了实现超冗余机械臂动力学模型的精确辨识,提出了一种基于迭代优化和神经网络补偿的半参数动力学模型辨识方法。首先,介绍了超冗余机械臂的动力学模型和最小参数集,建立了关节非线性摩擦模型,使用遗传算法优化回归矩阵条件数生成激励...为了实现超冗余机械臂动力学模型的精确辨识,提出了一种基于迭代优化和神经网络补偿的半参数动力学模型辨识方法。首先,介绍了超冗余机械臂的动力学模型和最小参数集,建立了关节非线性摩擦模型,使用遗传算法优化回归矩阵条件数生成激励轨迹。然后建立了机械臂动力学模型物理可行性约束,基于迭代优化方法设计了两层循环网络对超冗余机械臂的惯性参数和关节摩擦模型进行辨识。最后,利用数据集训练BP神经网络,得到超冗余机械臂半参数动力学模型,并与多种算法进行了比较分析。实验结果表明:相较于传统的最小二乘算法和加权最小二乘算法,通过使用本文提出的辨识算法,关节辨识力矩残差均方根(Root Mean Square,RMS)之和分别提高了32.81%和23.76%,半参数动力学模型相比于全参数动力学模型力矩残差均方根之和提高了23.56%,辨识结果验证了辨识方法的有效性和优越性。展开更多
文摘针对模块化多电平统一电能质量调节器(modular multilevel unified power quality conditioner, MMC-UPQC)六桥臂结构下的单相桥臂故障问题,提出了一种五桥臂拓扑,这种新型拓扑可实现故障情况下的电能质量补偿。首先,对MMC-UPQC串并联侧的数学模型进行分析,提出了一种复合模型预测控制(hybrid model predictive control,H-MPC),所提控制方法结合了有限集模型预测控制(finite-control-set model predictive control, FCS-MPC)以及快速模型预测控制(fast model predictive control, F-MPC)。然后,通过构建两侧独立的价值函数减少了控制方法的计算量,同时也实现了五桥臂解耦控制。最后,相比传统线性(例如PI)和非线性(例如无源控制passivity-based control,PBC)的控制策略,所提复合模型预测控制在电压补偿、负序电压抑制以及谐波电流补偿等方面具有一定优势,并在一定程度上避免了复杂的参数整定及坐标变化环节。仿真实验结果证明了所提控制方法的可行性和优越性。
文摘为了实现超冗余机械臂动力学模型的精确辨识,提出了一种基于迭代优化和神经网络补偿的半参数动力学模型辨识方法。首先,介绍了超冗余机械臂的动力学模型和最小参数集,建立了关节非线性摩擦模型,使用遗传算法优化回归矩阵条件数生成激励轨迹。然后建立了机械臂动力学模型物理可行性约束,基于迭代优化方法设计了两层循环网络对超冗余机械臂的惯性参数和关节摩擦模型进行辨识。最后,利用数据集训练BP神经网络,得到超冗余机械臂半参数动力学模型,并与多种算法进行了比较分析。实验结果表明:相较于传统的最小二乘算法和加权最小二乘算法,通过使用本文提出的辨识算法,关节辨识力矩残差均方根(Root Mean Square,RMS)之和分别提高了32.81%和23.76%,半参数动力学模型相比于全参数动力学模型力矩残差均方根之和提高了23.56%,辨识结果验证了辨识方法的有效性和优越性。
