毕业论文：小研多变量系统的解耦与控制.doc

毕业论文：小研多变量系统的解耦与控制 1引言 随着工业生产规模的不断扩大，需要控制的变量常常不止一对，这些变量常以这种或那种形式互相关联着，对某一个参数的控制不可避免地要考虑另一些有关联的参数或操纵变量的影响，在设计时就不应像单变量控制系统那样逐一进行，而须从整体上考虑。为了使系统能独立进行控制，应对多变量系统进行解耦研究。传统的单变量控制系统设计方法显然无法满足要求,工程中常常引入多变量的解耦设计。 2多变量体统的分析 2.1多变量系统的耦合性分析通常，耦合系统关联的类型可分为单向关联(半耦合)和双向关联(耦合)。以2I2O系统为例，如果回路1对回路2有关联，也就是说回路1的变化会影响到回路2的运行，而回路2的变化不会影响回路1，那么这种关联称为单向关联;而如果回路2的变化反过来也会影响回路1的运行，那么这种关联称为双向关联。中国硕士论文网提供大量金融硕士论文,如有业务需求请咨询网站客服人员! 2.2三相电压型PWM整流器耦合性分析为了提高功率因数，抑制谐波污染，结合PWM技术的新型整流器PWM整流器倍受关注。这种整流器克服了传统整流器输入电流谐波含量高，功率因数低的缺点，可获得可控的升压型AC/DC变换性能，实现网侧单位功率因数和正弦波电流控制及电能的双向传输，实现PWM整流器三相电压和电流的解耦控制，是近年来学术界关注和研究的热点。对于多变量、非线性、强耦合的控制对象，诸多文献提出了多种不同的解耦控制策略，其中利用旋转坐标变换方法的矢量控制，是一种比较成功的解耦控制策略，但矢量变换后仍存在有功电流分量和无功电流分量之间交义耦合电势的作用。 三相电压型PWM整流器拓扑结构如下。 多变量解耦控制随着被控系统越来越复杂，多变量系统应用越来越多，多个变量之间相互关联，即耦合，传统的单变量控制系统设计方法显然无法满足要求，工程中常引入多变量的解耦设计。在工程实际中，往往由于算法太复杂而难以实现较好的解耦，因而，寻求简单易行的有效解耦方法是目前普通关注的问题，同时，将各种解耦方法有效融合也是实现解耦的好途径。本章将对多变量的各种解耦方法进行简单的介绍和比较。近而找出方便易行的解偶方法。 3.1传统解耦控制 3.1.1前馈解耦 以PWM整流器为例介绍前馈解耦方法，由图2可知d轴和q轴分量间存在交叉耦合,使得两分量不能独立调节。前馈补偿即在输入给定电压中补偿系统产生的耦合电动势，以消除输入交流电流交叉耦合影响，前馈解耦控制原理。 3.1.2对角矩阵解偶法 在PWM整流器中，对角矩阵的主对角线元素为PWM整流器的d轴和q轴上的传递函数。 3.1.3反馈解耦法为了克服上述解耦方法的缺点，可将解耦电压项中的给定电流*和换成实际电流和q来实现解耦，即反馈解耦。反馈解耦的去耦项为和。以PI1、PI2i为核心组成电流分量的两个控制闭环，这将有助于电流的动态响应。 3.3智能解耦控制 3.3.1神经网络解耦法 智能解耦方法以神经元网络解耦方法为代表。由于神经网络可实现多输入到多输出的映射，以任意精度逼近任意函数，并具有自学习功能，因此适用于时变、非线性、特性的对象。目前，神经网络解耦在非线性系统中的应用已有了一些研究成果，但更多的解耦策略带有尝试性，通常依靠大量仿真实验来研究。 神经网络解耦控制系统的结构通常采用以下三种形式： (1)神经网络解耦补偿器置于被控制对象与控制器之间; (2)神经网络解耦补偿器置于控制器之前; (3)神经网络解耦补偿器置于反馈回路。 以上解耦方法在理论上是成立的，但是在实际的控制系统中应用难度很大，其主要问题是解耦器的设计依赖被控对象的数学模型，要求被控对象的数学模型已知且为线性时不变。相关推荐：英语毕业论文的提纲范文本科毕业论文提纲中学语文教学开题报告样本高中生德育互动模式研究开题报告 1引言 随着工业生产规模的不断扩大，需要控制的变量常常不止一对，这些变量常以这种或那种形式互相关联着，对某一个参数的控制不可避免地要考虑另一些有关联的参数或操纵变量的影响，在设计时就不应像单变量控制系统那样逐一进行，而须从整体上考虑。为了使系统能独立进行控制，应对多变量系统进行解耦研究。传统的单变量控制系统设计方法显然无法满足要求,工程中常常引入多变量的解耦设计。 2多变量体统的分析 2.1多变量系统的耦合性分析通常，耦合系统关联的类型可分为单向关联(半耦合)和双向关联(耦合)。以2I2O系统为例，如果回路1对回路2有关联，也就是说回路1的变化会影响到回路2的运行，而回路2的变化不会影响回路1，那么这种关联称为单向关联;而如果回路2的变化反过来也会影响回路1的运行，那么这种关联称为双向关联。中国硕士论文网提供大量金融硕士论文,如有业务需求请咨询网站客服人员! 2.2三相电压型PWM整流器耦合性分析为了提高功率因数，抑制谐波污染，结合PWM技术的新型整流器PWM整流器倍受关注。这种整流器克服了传统整流器输入电流谐波含量高，功率因数低的缺点，可获得可控的升压型AC/DC变换性能，实现网侧单位功率因数和正弦波电流控制及电能的双向传输，实现PWM整流器三相电压和电流的解耦控制，是近年来学术界关注和研究的热点。对于多变量、非线性、强耦合的控制对象，诸多文献提出了多种不同的解耦控制策略，其中利用旋转坐标变换方法的矢量控制，是一种比较成功的解耦控制策略，但矢量变换后仍存在有功电流分量和无功电流分量之间交义耦合电势的作用。 三相电压型PWM整流器拓扑结构如下。 多变量解耦控制随着被控系统越来越复杂，多变量系统应用越来越多，多个变量之间相互关联，即耦合，传统的单变量控制系统设计方法显然无法满足要求，工程中常引入多变量的解耦设计。在工程实际中，往往由于算法太复杂而难以实现较好的解耦，因而，寻求简单易行的有效解耦方法是目前普通关注的问题，同时，将各种解耦方法有效融合也是实现解耦的好途径。本章将对多变量的各种解耦方法进行简单的介绍和比较。近而找出方便易行的解偶方法。 3.1传统解耦控制 3.1.1前馈解耦 以PWM整流器为例介绍前馈解耦方法，由图2可知d轴和q轴分量间存在交叉耦合,使得两分量不能独立调节。前馈补偿即在输入给定电压中补偿系统产生的耦合电动势，以消除输入交流电流交叉耦合影响，前馈解耦控制原理。 3.1.2对角矩阵解偶法 在PWM整流器中，对角矩阵的主对角线元素为PWM整流器的d轴和q轴上的传递函数。 3.1.3反馈解耦法为了克服上述解耦方法的缺点，可将解耦电压项中的给定电流*和换成实际电流和q来实现解耦，即反馈解耦。反馈解耦的去耦项为和。以PI1、PI2i为核心组成电流分量的两个控制闭环，这将有助于电流的动态响应。 3.3智能解耦控制 3.3.1神经网络解耦法 智能解耦方法以神经元网络解耦方法为代表。由于神经网络可实现多输入到多输出的映射，以任意精度逼近任意函数，并具有自学习功能，因此适用于时变、非线性、特性的对象。目前，神经网络解耦在非线性系统中的应用已有了一些研究成果，但更多的解耦策略带有尝试性，通常依靠大量仿真实验来研究。 神经网络解耦控制系统的结构通常采用以下三种形式： (1)神经网络解耦补偿器置于被控制对象与控制器之间; (2)神经网络解耦补偿器置于控