导读:本文包含了多步预测控制论文开题报告文献综述及选题提纲参考文献，主要关键词:多步,模型预测电流控制,电感观测,模型自校正
多步预测控制论文文献综述
孙怡菲[1]（2019）在《带有模型自校正的永磁同步电动机多步模型预测电流控制》一文中研究指出模型预测电流控制方法具有动态响应快和约束条件灵活多变等优点,引起了众多学者的广泛关注。模型预测电流控制方法所选的最优电压矢量是一个控制周期内的最优,未考虑到未来多个控制周期对当前时刻系统性能的影响,从而导致系统稳态性能较差。针对这一问题,本文以永磁同步电动机为控制对象,研究了一种多步模型预测电流控制方法,该方法同时考虑了最优电压矢量和其他电压矢量所包含的最优信息,确保所选电压矢量在两个控制周期内最优。模型预测电流控制方法是一种依赖预测模型的方法,电动机参数的准确性会直接影响系统的控制性能。同时,为了提高多步模型预测电流控制方法的参数鲁棒性,本文研究了一种带有模型自校正的多步模型预测电流控制方法,利用电感观测算法在线观测出定子电感等效值并校正预测模型,进而通过多步模型预测电流控制算法选择电压矢量输出给逆变器。为了验证带有模型自校正的多步模型预测电流控制方法的可行性和有效性,本文以永磁同步电动机为控制对象,分别在MATLAB仿真软件和两电平电压型逆变器平台上进行了仿真和实验验证。仿真和实验结果表明:相比于模型预测电流控制方法,带有模型自校正的多步模型预测电流控制和多步模型预测电流控制两种方法均减小了直交轴电流脉动;与模型预测电流控制和多步模型预测电流控制方法相比,带有模型自校正的多步模型预测电流控制方法降低了系统对永磁同步电动机定子电感的敏感度,提高了系统的参数鲁棒性。此外,模型预测电流控制、多步模型预测电流控制和带有模型自校正的多步模型预测电流控制叁种方法的平均开关频率大致相同。(本文来源于《西安理工大学》期刊2019-06-30）
徐红城,沈忱,倪之越,张强[2]（2019）在《并网逆变器两步预测功率控制策略研究》一文中研究指出模型预测功率控制具有动态响应快、约束条件处理简单、稳定性高等优点,广泛应用在并网逆变器的控制中。传统的控制过程存在延时、计算量大、功率波动大等问题。因此,在传统模型预测功率控制理论的基础上,基于单步预测功率控制提出两步预测功率控制方法,并在Matlab/Simulink中搭建仿真模型,对单步预测与两步预测进行对比分析,仿真结果表明,单步预测与两步控制都可以对参考功率进行准确追踪,但两步预测的功率波动和畸变率更小,控制性能更好。(本文来源于《河北电力技术》期刊2019年02期）
胡美臣[3]（2019）在《基于分段Lyapunov函数的网络化系统多步预测控制研究》一文中研究指出预测控制是流程工业领域行之有效且使用范围比较广的一种控制策略,已经成为处理复杂约束多变量问题的公认方法。但是,目前流程工业中应用的常规预测控制算法不能处理传感器信号和控制器信号在网络环境下传输时必然会遇到的丢包、量化误差等问题。常规预测控制算法的工业过程对系统的控制品质易造成不利影响,所以引入多步预测控制,利用其良好的稳定性和抗干扰能力,可以更精确地逼近预测值,来克服单步预测一系列不好效果,实现长期最优控制效果。本论文以网络化控制系统为研究对象,以多步预测控制为基本方案,以解决数据量化和数据丢包这两类网络控制系统的典型问题为目标,在基于Lyapunov稳定性理论和分段Lyapunov方法下系统地研究网络环境下的多步预测控制方法。本论文的研究内容包含以下几个方面:1.研究了存在网络丢包、量化的基于分段Lyapunov函数模糊模型的网络化预测控制。使用马尔可夫过程来模型化数据丢包的过程,采用扇形界的方法来处理量化误差。结合T-S模糊模型和拓展分段Lyapunov函数,得到了保守性更低且稳定性更好的预测控制方法。利用线性矩阵不等式(LMI)工具,在无限时域内将最小-最大模型的优化问题转换为求解最小化性能指标函数。以工业中的DC伺服控制系统为例,验证了所提方法的有效性。2.研究了网络丢包与量化环境下的T-S模糊模型网络化多步预测控制。采用马尔可夫过程对数据丢包进行建模。为了克服单步预测一系列不好效果,实现长期最优控制,采取多步预测控制。由多步预测模型理论可知该模型计算量是单步预测模型计算量的几何倍数,故可得保守性更低的预测模型。应用闭环多步控制策略以扩大控制器的可行范围从而改善系统控制性能。以工业中的DC伺服控制系统为例,验证了此算法能够很好地保证闭环不确定网络控制系统渐近稳定。3.研究了基于分段Lyapunov函数的T-S模糊模型网络化多步预测控制。首先采用对数量化器描述系统中的数据量化过程,由此建立了数据量化和丢包网络环境下的线性时变网络控制系统的数学模型。然后,结合T-S模糊模型并引入分段Lyapunov函数来对稳定性条件进行处理,使用多步预测模型获得较好的控制性能和较大的系统可行性范围。满足了约束条件下多步预测控制保证稳定性的要求。最后,系统仿真验证了预测控制算法的有效性。(本文来源于《重庆邮电大学》期刊2019-03-28）
王海宇[4]（2018）在《基于多步预测误差的自相关过程统计质量控制》一文中研究指出研究了采用多步预测误差构造多变量控制图对自相关过程进行统计质量监控的问题。建立了基于多步预测误差的Hotelling T~2和MEWMA控制图模型,通过仿真分析对这种多变量控制图方法与以往的单变量控制图方法在监控自相关过程时的运行长度进行比对,用以评价控制图的效率.最后通过一个简单的算例说明该方法的使用。(本文来源于《数理统计与管理》期刊2018年02期）
王治国,郑泽东,李永东,李贵彬[5]（2018）在《叁相异步电机电流多步预测控制方法》一文中研究指出模型预测控制(MPC)具有概念简单、容易处理包含约束条件的多变量控制问题等优点,已成为电力传动领域研究的热点。针对叁相异步电机磁场定向控制,研究了基于连续控制集模型预测控制的电流控制方法。首先,以同步坐标系(转子磁场定向)下电压方程为基础建立电机的增广模型,实现了电流无静差预测控制;其次,利用系统闭环极点研究了预测域长度和权重系数的确定方法,并分析了控制方法的参数鲁棒性。无静差是控制方法需要研究的基本问题,讨论了采用增广模型实现无静差预测控制的方法。确定预测域长度和权重系数是MPC设计的主要内容,重点分析了这些参数对系统闭环极点位置的影响,并讨论了这些参数的确定方法。实验结果表明,该方法能够完全替代PI调节器实现异步电机电流控制。(本文来源于《电工技术学报》期刊2018年09期）
刘向杰,冯乐[6]（2017）在《基于多步反馈的变桨距风力发电系统随机模型预测控制》一文中研究指出风力发电系统具有强非线性、多输入多输出、强干扰等特性。传统的控制策略对于其中干扰的处理过于保守。本文针对变桨距风力发电系统建立了随机模型,对输出设置了概率约束,设计了基于多步反馈的随机模型预测控制策略.为优化统计性能指标和保证概率约束满足,利用了模型中风速的随机信息,在多步反馈控制率下,设计时变的状态概率分布椭圆不变集,控制系统未来的随机状态.利用5MW风力发电机组的仿真结果实例验证了算法的有效性.(本文来源于《2017中国自动化大会（CAC2017）暨国际智能制造创新大会（CIMIC2017）论文集》期刊2017-10-20）
刘婷,姜顺,潘丰[7]（2017）在《网络控制系统前向通道随机时延的在线多步预测》一文中研究指出针对网络控制系统中前向通道随机时延带来的不确定性问题,在时序分析的基础上,提出一种基于自回归(AR)模型的时延在线预测模型.采用True Time构建闭环仿真系统,由反馈通道采集执行器端的时延信息,经预处理后用于建立AR模型,并由递推最小二乘法在线更新模型参数;最后,通过滚动预测实现前向通道时延的多步预测.实验结果表明:与基于广义回归神经网络的在线预测模型相比,本文提出的前向通道随机时延的在线预测模型具有更好的预测性能.(本文来源于《信息与控制》期刊2017年05期）
刘勇,秦志萌,余宏明,胡宝丹[8]（2017）在《基于ENN广义预测控制算法的滑坡位移多步预测》一文中研究指出针对滑坡位移预测时变性和复杂性的特点,将具有动态反馈特性的Elman神经网络(ENN)引入到分析研究中,充分发挥ENN对非线性情况的适应性。同时将之与广义预测控制算法相结合,以ENN作为广义预测控制算法的预测模块,结合滚动优化和反馈校正,提出了基于ENN广义预测控制算法的滑坡位移多步预测模型。将该方法应用于重庆市巫山县龙井乡白泉村大水田滑坡的位移预测,证实多步预测能够对位移变化趋势进行良好的拟合,同时高精度地实现了邻近时步的预测;通过与ENN多步预测进行对比,验证了模型的有效性。(本文来源于《地质科技情报》期刊2017年04期）
郭鹏,何志兴,罗安,徐千鸣,周发云[9]（2017）在《基于多步模型预测控制的模块化多电平换流器环流控制策略》一文中研究指出模块化多电平换流器(MMC)以其结构模块化、低谐波输出以及冗余控制等优点在中高压领域得到了广泛的关注与研究。推导了MMC离散数学模型,提出了基于多步模型预测控制的MMC环流控制方法,能够实现桥臂环流的多步优化控制并有效地降低预测控制计算量。首先利用环流电流离散状态方程进行单步环流预测,再选取满足单步预测效果的投入模块数进行多步环流预测,最终求解出桥臂投入模块数的优化解,实现环流电流的多步优化控制,从而有效地抑制环流中的谐波电流。所提多步预测控制利用单步预测得到的优化解构建多步预测的有限控制集,可以大幅减少多步预测所需要的循环预测次数,有效地降低控制器的计算量。最后在PSCAD/EMTDC中搭建了201电平MMC时域仿真控制系统,仿真结果验证了所提方法的正确性与有效性。(本文来源于《电力系统自动化》期刊2017年16期）
张浪文,谢巍[10]（2017）在《执行器饱和受限不确定系统的次序优化多步预测控制》一文中研究指出设计一种次序优化机制,提出一类饱和受限不确定系统的次序优化多步预测控制方法.将系统的输入分解成多个子集合,在各采样周期仅对其中一个集合的输入进行优化,待优化的输入保持上一优化值.针对每个输入集合,确定闭环系统的不变集条件,将次序优化预测控制器设计问题转化成"最小-最大"优化问题,通过求解一组线性矩阵不等式问题得到控制器.仿真算例表明,采用次序优化预测控制方法可以减少控制器的设计时间.(本文来源于《控制与决策》期刊2017年08期）
多步预测控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
模型预测功率控制具有动态响应快、约束条件处理简单、稳定性高等优点,广泛应用在并网逆变器的控制中。传统的控制过程存在延时、计算量大、功率波动大等问题。因此,在传统模型预测功率控制理论的基础上,基于单步预测功率控制提出两步预测功率控制方法,并在Matlab/Simulink中搭建仿真模型,对单步预测与两步预测进行对比分析,仿真结果表明,单步预测与两步控制都可以对参考功率进行准确追踪,但两步预测的功率波动和畸变率更小,控制性能更好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多步预测控制论文参考文献
[1].孙怡菲.带有模型自校正的永磁同步电动机多步模型预测电流控制[D].西安理工大学.2019
[2].徐红城,沈忱,倪之越,张强.并网逆变器两步预测功率控制策略研究[J].河北电力技术.2019
[3].胡美臣.基于分段Lyapunov函数的网络化系统多步预测控制研究[D].重庆邮电大学.2019
[4].王海宇.基于多步预测误差的自相关过程统计质量控制[J].数理统计与管理.2018
[5].王治国,郑泽东,李永东,李贵彬.叁相异步电机电流多步预测控制方法[J].电工技术学报.2018
[6].刘向杰,冯乐.基于多步反馈的变桨距风力发电系统随机模型预测控制[C].2017中国自动化大会（CAC2017）暨国际智能制造创新大会（CIMIC2017）论文集.2017
[7].刘婷,姜顺,潘丰.网络控制系统前向通道随机时延的在线多步预测[J].信息与控制.2017
[8].刘勇,秦志萌,余宏明,胡宝丹.基于ENN广义预测控制算法的滑坡位移多步预测[J].地质科技情报.2017
[9].郭鹏,何志兴,罗安,徐千鸣,周发云.基于多步模型预测控制的模块化多电平换流器环流控制策略[J].电力系统自动化.2017
[10].张浪文,谢巍.执行器饱和受限不确定系统的次序优化多步预测控制[J].控制与决策.2017