线性自抗扰控制(linear active disturbance rejection control,LADRC)是不依赖于被控对象的数学模型,在工业过程中具有极大的应用前景,LADRC参数整定是其在工业过程中能否应用的重要环节.鉴于实际工业控制中大都采用PID控制器,通过对二...
详细信息
线性自抗扰控制(linear active disturbance rejection control,LADRC)是不依赖于被控对象的数学模型,在工业过程中具有极大的应用前景,LADRC参数整定是其在工业过程中能否应用的重要环节.鉴于实际工业控制中大都采用PID控制器,通过对二阶LADRC结构与其状态观测器的传递函数进行分析,得到二阶LADRC与PID控制器具有较强的联系,且LADRC比PID有着更好的控制性能.提出一种通过现有PID参数直接得到LADRC参数初始值的方法,以达到更好的控制性能,并基于一阶惯性加时延模型,得到将现有PID整定方法转化为二阶线性自抗扰控制参数整定方法.最后通过基准系统仿真表明所提出方法的有效性.
将反馈控制器/扩张状态观测器闭环极点配置在同一位置是线性自抗扰控制器(linear active disturbance rejection control,LADRC)最常用的整定方法.该方法只需调整两个参数,在工程应用上极为方便.但是,由于极点配置在同一位置的限制,整定...
详细信息
将反馈控制器/扩张状态观测器闭环极点配置在同一位置是线性自抗扰控制器(linear active disturbance rejection control,LADRC)最常用的整定方法.该方法只需调整两个参数,在工程应用上极为方便.但是,由于极点配置在同一位置的限制,整定的LADRC可能达不到期望的性能.本文提出以现有控制器参数为基础的LADRC调参方法.该方法以现有控制器参数为基础,通过降阶及逼近,保证LADRC控制能接近现有控制系统的性能.仿真设计表明采用高阶控制器设计的LADRC可以取得与原有控制系统相当的控制性能.该方法不受带宽法调参的需使反馈控制器及扩张观测器极点配置在同一位置的限制,因此可以期望获得比带宽法更好的性能.同时,该方法为已经熟悉掌握其他控制器设计方法的工程控制人员提供了一种便捷的调整线性自抗扰控制参数的方案,具有较好的应用价值.
提出一种智能水滴(intelligent water drops,IWD)算法优化Elman神经网络的光伏电站输出功率预测模型。利用智能水滴算法对Elman神经网络的权值和阈值进行优化,可提高网络的训练效率。将IWD优化Elman神经网络模型、传统Elman神经网络模型...
详细信息
提出一种智能水滴(intelligent water drops,IWD)算法优化Elman神经网络的光伏电站输出功率预测模型。利用智能水滴算法对Elman神经网络的权值和阈值进行优化,可提高网络的训练效率。将IWD优化Elman神经网络模型、传统Elman神经网络模型和BP神经网络模型的预测结果分别与光伏电站的实际出力数据进行对比。结果表明,所提出的IWD-Elman神经网络模型具有较高的预测精度。
暂无评论