多重信号分类(multiple signal classification,MUSIC)算法采用全向天线作为阵列阵元,为提升算法的抗干扰能力和定位精度,针对变电站局部放电检测采用定向天线阵列进行定位的具体应用,将天线方向图增益作为阵列流形系数,提出并推导了用...
详细信息
多重信号分类(multiple signal classification,MUSIC)算法采用全向天线作为阵列阵元,为提升算法的抗干扰能力和定位精度,针对变电站局部放电检测采用定向天线阵列进行定位的具体应用,将天线方向图增益作为阵列流形系数,提出并推导了用于定向天线阵列定位的MUSIC算法,在运用克拉美罗界和二阶统计信噪比估计理论分析算法定位误差基础上,通过搭建仿真模型进一步验证算法的性能。仿真结果表明,对于常规选定频带的局部放电信号,基于定向天线的MUSIC算法可在天线方向图增益大于1的来波方向范围内提升定位精度,且定位精度与天线增益大小成正相关。采用所设计的方向图增益达6 dB的定向天线阵列,在信噪比为0 dB的条件下信源定位误差为0.806°,而经典MUSIC算法的定位误差达到17.403°。
工业系统中广泛存在一类由多个相互关联的子系统组成的大系统.尽管分布式控制结构的性能没有集中式控制好,但由于其具有较高的灵活性和容错性,相对于集中控制更加适合控制上述系统.在保持容错性的情况下如何提高系统的整体性能是分布式控制的一个难点问题.本文提出了一种分布式预测控制(Distributed model predictive control,DMPC)方法,该方法通过在各子系统预测控制器的性能指标中加入输入变量对其下游子系统的影响的二次函数,来扩大分布式预测控制的协调度,进而在不增加网络连通度,不改变系统容错性的前提下,提高系统的性能.另外,本文给出了基于该协调策略的带输入约束的分布式预测控制器的设计方法,在初始可行的前提下,该方法相继可行并可保证系统渐近稳定.
暂无评论