基于T-S模糊模型的非线性励磁系统控制研究

基于T-S模糊模型的非线性励磁系统控制研究

论文摘要

电力系统的稳定是电网安全运行的关键,一旦遭到破坏,必将造成巨大的经济损失和灾难性的后果,世界各国不乏惨痛教训之例。在诸多改善发电机稳定性的措施中,提高励磁系统的控制性能被公认为有效、经济的措施之一。然而励磁系统控制中的鲁棒性、快速性和有效性问题却一直未曾得到很好的解决。基于T-S模糊模型的非线性励磁控制器,把整体非线性的励磁系统看成是多个局部线性模型的模糊逼近,并对每个子系统设计局部控制器,使其子系统稳定后给出一个判断全局系统稳定的充分条件,系统的总控制器为各个局部控制器的加权和。本文在对水轮发电机组三阶模型进行偏差化、线性化的基础上,研究了基于T-S模糊模型的非线性励磁系统控制器的设计,并给出了设计方法和设计步骤。通过仿真模拟,证明了这种基于T-S模糊系统的非线性励磁系统设计的正确性和有效性。文中应用了MATLAB软件的LMI(线性矩阵不等式)工具箱来解决系统的稳定性与控制问题,从而避免了求解公共矩阵P的困难。通过使用LMI工具箱求取我们所需要的矩阵,最后得出系统总的控制器的增益,这种利用MATLAB/LMI工具箱解题及进行控制器参数优化的方法,使得计算简单、方便,更有利于实际应用。并利用了MATLAB/Simpower这个针对电力系统仿真的软件平台工具箱,完成了对电力系统的数字仿真,构造了含有励磁控制器的单机无穷大系统仿真模型。通过仿真比较,发现基于T-S模糊模型的控制器既可使系统很快平息振荡,有效的提高系统暂态稳定,改善系统的动态性能,又能满足故障切除后电压精度的要求。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 选题的目的和意义
  • 1.2 同步发电机励磁系统控制技术的发展现状及方向
  • 1.3 本文的主要工作
  • 2 基于LMI的H∞鲁棒控制
  • 2.1 系统性能分析
  • 2.1.1 系统增益指标
  • 2性能'>2.1.2 H2性能
  • 2.1.3 H∞性能
  • 2.2 H∞控制问题
  • 2.2.1 H∞控制问题描述
  • 2.2.2 状态反馈H∞控制
  • 2.3 线性矩阵不等式(LMI)概述
  • 2.3.1 LMI定义
  • 2.3.2 LMI标准化问题
  • 2.3.3 LMI工具箱介绍
  • 2.4 小结
  • 3 T-S模糊模型的介绍
  • 3.1 引言
  • 3.2 T-S模糊模型的特点
  • 3.3 T-S模糊模型的构成
  • 3.4 基于动态模型的设计方法
  • ∞控制'>3.5 非线性系统基于T-S模型的鲁棒H控制
  • ∞控制器的设计'>3.5.1 采用并行分配补偿法的H控制器的设计
  • 3.5.2 应用到的主要定理
  • 3.6 小结
  • 4 基于T-S模糊模型的非线性励磁控制系统的设计
  • 4.1 引言
  • 4.2 励磁系统数学建模
  • 4.3 基于系统数学模型的励磁控制系统的设计
  • 4.4 小结
  • 5 仿真研究
  • 5.1 MATLAB/SIMULINK/SPB简介
  • 5.1.1 MATLAB简介
  • 5.1.2 Simulink简介
  • 5.1.3 SPB电力系统模块工具箱简介
  • 5.2 仿真模型的建立
  • 5.2.1 基于SPB建立的励磁系统仿真模型
  • 5.2.2 励磁系统仿真模型的参数设定
  • 5.2.3 基于T-S模糊模型的励磁控制系统的建立
  • 5.2.4 PID励磁控制系统的建立
  • 5.3 仿真研究
  • 5.4 小结
  • 6 结论和展望
  • 6.1 结论
  • 6.2 展望
  • 致谢
  • 参考文献
  • 在校期间发表的论文
  • 相关论文文献

    • [1].基于遗传算法的气动肌肉T-S模糊逻辑控制优化[J]. 液压与气动 2020(04)
    • [2].不确定多时滞广义T-S模糊系统保性能控制[J]. 湖南理工学院学报(自然科学版) 2016(04)
    • [3].基于T-S模糊控制的步进电机抗干扰研究[J]. 东华大学学报(自然科学版) 2019(06)
    • [4].T-S模糊模型在单级倒立摆中的控制研究[J]. 现代电子技术 2020(08)
    • [5].T-S模糊神经网络模型训练样本构建及其在鸣翠湖水质评价中的应用[J]. 水动力学研究与进展(A辑) 2020(03)
    • [6].航空发动机T-S分布式系统自适应鲁棒滑模控制[J]. 推进技术 2016(12)
    • [7].基于T-S模型的随机切换模糊系统的稳定性研究[J]. 沈阳大学学报(自然科学版) 2017(02)
    • [8].基于T-S模糊控制的燃料电池客车能量管理策略及仿真分析[J]. 客车技术与研究 2017(04)
    • [9].基于T-S模糊模型的混沌控制方法的复杂网络的广义同步[J]. 北京生物医学工程 2012(04)
    • [10].温室草莓灰霉病T-S模糊控制模型[J]. 辽宁科技大学学报 2015(04)
    • [11].基于T-S模型的奇异摄动系统的采样鲁棒H_∞控制[J]. 数学的实践与认识 2013(21)
    • [12].基于T-S模糊神经网络模型的榆林市土壤风蚀危险度评价[J]. 地理科学 2013(06)
    • [13].理想气体多方过程的T-S图的研究[J]. 重庆三峡学院学报 2012(03)
    • [14].基于T-S模糊神经网络的凝汽器故障诊断[J]. 上海电力学院学报 2011(06)
    • [15].基于新模糊系统与T-S模糊系统的比较与研究[J]. 计算机工程与应用 2009(22)
    • [16].基于T-S模型的网络化控制系统的鲁棒容错控制[J]. 华中科技大学学报(自然科学版) 2008(03)
    • [17].基于T-S模糊神经网络模型的极移预报方法[J]. 测绘通报 2020(S1)
    • [18].基于T-S模型的一步输出反馈抗饱和补偿设计[J]. 华中科技大学学报(自然科学版) 2019(11)
    • [19].基于区间T-S模糊模型的自适应故障检测算法研究[J]. 新疆大学学报(自然科学版) 2017(02)
    • [20].基于T-S模糊神经网络模型的钦州市主要河流水质评价[J]. 人民珠江 2017(08)
    • [21].基于区间2型T-S模糊系统的自适应逆控制[J]. 模糊系统与数学 2016(03)
    • [22].最大交互数对非齐次T-S模糊系统的潜在影响[J]. 山东大学学报(理学版) 2015(08)
    • [23].T-S模糊门在因果图中的应用[J]. 重庆工商大学学报(自然科学版) 2015(11)
    • [24].基于T-S模糊模型的半主动悬架非线性控制方法[J]. 兰州理工大学学报 2013(04)
    • [25].基于T-S模型的烧结终点广义预测自适应控制[J]. 电气传动 2012(04)
    • [26].基于T-S模糊模型的网络化控制系统的鲁棒容错控制[J]. 辽宁工业大学学报(自然科学版) 2012(02)
    • [27].T-S图在化工热力学中的应用[J]. 化学工程与装备 2012(12)
    • [28].水下机器人T-S型模糊神经网络控制[J]. 电机与控制学报 2010(07)
    • [29].焦炉燃烧过程T-S模糊数学模型研究[J]. 电子设计工程 2019(23)
    • [30].基于T-S模糊建模方法的近空间飞行器姿控系统传感器故障调节技术研究[J]. 河北科技大学学报 2013(06)

    标签:;  ;  ;  

    基于T-S模糊模型的非线性励磁系统控制研究
    下载Doc文档

    猜你喜欢