高欢 中文翻译Word格式.docx

高欢 中文翻译Word格式.docx

《高欢 中文翻译Word格式.docx》由会员分享，可在线阅读，更多相关《高欢 中文翻译Word格式.docx（8页珍藏版）》请在冰豆网上搜索。

从一开始的电力历史,直流输电线路和电缆比那些更便宜和更有利的三相交流传播。

随着发电和需求在增加,为了权力处理大型散货,我们需要利用直流输电所提供的储蓄。

不仅用于长距离输电,也被用作交流网络的一部分来增强系统的稳定性。

但直流环节的操作和控制构成挑战的设计师在不同操作条件下选择适当的控制策略。

直流系统传统上使用PI控制器来控制直流电流从而保持当前的订单所需的水平。

然而,在控制非线性植物如火直流系统整流侧角,等模型控制模糊控制器显示更好的性能比传统PI控制器的动态干扰。

提出了一种新的方法来设计一个模糊PI控制申请成功地直流。

一般来说,系统自动控制器设计存在的问题,寻找合适的控制器结构和控制器参数对于一个给定的过程。

另外困难的是,控制器必须调整不仅仅是一个营业点,也为整个范围的操作点。

[1],[2]为了解决上面的问题,一种新的模糊自适应控制,介绍了粗糙集理论的援助计划。

介绍了粗糙集理论来处理困境。

由于粗糙集理论可以建立一个决策效用,接近控制工程师的知识如何调优系统的控制器,以改善其行为,粗糙集可用于设计一个自适应控制器。

然而“impreciseness”攻击问题,粗糙集理论观点impreciseness不是问题本身的特点,但随着知识的缺乏。

特征提取和描述impreciseness时,利用规则库从实验中获得的数据或来自专家的结论。

粗糙集控制的主要优势是,它是基于可用的一组规则捕获控制工程师的知识如何获得最佳优化控制器。

2.提出的控制器设计方法

基于遗传算法的模糊PI控制器的设计战略（气）已被应用。

提出的模糊PI控制器处理输入数据通过调整缩放因子（SE,SD,SC）。

初步参数设定一个固定值,因此实质上讲模糊PI控制器参考不同的系统。

然而,对于时变系统,系统操作参数,输入扰动和操作目标是不同的。

由于无法预测性能指标的变化,很难确定的设计最优时变控制器程序。

为了满足需求的模糊PI控制器参数的优化,提出了自适应模糊PI控制方案（如图1）。

图1自适应模糊PI控制借助粗糙集理论

在这里,当前误差（e）和它的导数误差（△e）是用来调整输入变量（e,△e）的缩放因子（SE,SD,SC）,我们可以得到通过遗传算法。

总之,系统时钟是用来观察数据收集和预测过度,上升时间和IAE（积分误差的绝对值）的目标。

造粒的结果数据是用来选择最优控制规则的实验结果,然后产生自适应参数,sd和sc。

被选中的情况下属性控制规则与实验结果关闭属性造粒的构造信息。

通过选择合适的控制规则,我们可以实现优化控制参数（SE,SD,SC）,因此我们可以使非线性系统最优的操作特性。

3．介绍了粗糙集算法

粗糙集作为一种工具来处理不精确、不确定或模糊的知识在人工智能应用程序。

自动控制的只有一个许多应用领域,粗糙集理论已经证明是实用的。

图2控制粗糙集的结构

本节解释如何将粗糙集应用于自动控制系统。

它处理创建粗糙集控制算法。

像模糊逻辑控制、粗糙集控制是一种基于规则的控制模式。

粗糙集的拓扑控制是如图2所示。

粗糙的逻辑控制的主要优势是能够减少规则库使用实现部分中描述的方法。

控制器可以实现之前,指图1中,一些必须采取初步措施和应用会话5。

4．系统操作模式

两极点到点HVDC系统模拟在MATLAB环境下进行。

直流输电的操作模式取决于整流器和逆变器的控制方式。

在本研究中,我们使用恒流控制整流器和逆变器消光角控制。

电压电流控制特性曲线的操作通过整流器的恒流控制和恒消光角控制的逆变器在稳定状态,如图3所示。

图3的特征的恒流控制整流器和不断消光角对逆变器的控制

在图3中,英航和男朋友行是整流器的控制特点。

男朋友是恒流控制的结果,属于恒流部分;

BA代表了班轮Vdc关系（直流电压）和Idc（直流）,消光角保持不变。

CD和CE线是逆变器的控制特性方面,和CE是恒定的一部分;

CD是消光角的部分。

[1]

根据上述声明,很容易知道这个操作模式的操作点是男朋友之间节点P和CD。

恒流控制（BF）直流线路的控制使当前的制服。

调整发射角度与当前错误,维持直流电流不变。

因此,如图5所示,我们使用点火角（α）整流器的输出电流控制器,其输入电流误差（e）和衍生品错误（△e）。

5．实现整流器的控制

5.1系统性能扩展的影响因素

从上面的分析中,当比例因子SE变化时,模糊子集对应输入误差e必须改变。

因此,通过适当的监管,SC、SD可以使模糊控制器有一定的非线性特征。

提出控制器的构造控制植物组合,模拟完成。

后的实验结果分析参数对系统响应的影响,总结如下:

①如果SE大,系统响应的上升时间短,但更大的SE将需要更大的超调,甚至引起振荡。

②sd对系统响应的影响与SE。

如果选择SD大,系统响应的超调,上升时间长。

③SC越大,系统更快的速度上升;

但它将导致更大的超调。

5.2自调整比例因子的原则

图4e和△eId响应HVDC系统阶跃响应的定义

优化模糊控制器的控制规则,我们必须遵守系统响应的性能指标,当我们每次计算模糊控制器的输入。

使用过度,上升时间和IAE四个性能指标优化模糊控制器复杂性,显然不能满足实时需求。

因此,在这项研究中我们直接使用e和△e两个模糊控制变量来衡量的动态性能。

直流输电系统的响应曲线如图4所示。

根据的手动控制的经验,在ab和cd,我们应该减少为了防止过度控制价值,因此SE应该小幅下降;

在公元前和英孚,为了使输出尽快返回设置值,控制应该增加价值,因此SE应该大幅提升。

[6]

5.3自调优规则扩展因素基于粗糙集算法

粗糙集的基本步骤的实现算法自调整比例因子如下:

第一,代表州（使用e,△e和e的符号×

△e）和运营商,在控制策略下的控制策略采用状态记录在控制的过程。

然后,形成决策表,我们分析决策表,减少它。

最后,总结了控制规则。

形式如:

==N如果条件满足,然后决定。

在以下语句扩展因素SE,SD和SC,模糊pi控制器的自调优规则借助粗糙集理论中所示的细节。

在这种情况下,条件属性是e,△e和e的符号×

△e,和属性扩展的决定因素的自调优。

e和△e将分为小、中、大三个类别,并提出他们的形式1、2、3分别;

e×

符号的△e分为积极和消极,并提出他们的形式分别是1和0;

决策属性你也分为不同的调整值（1,2,3,4,5,6,7,8,9,10）。

5.4数据收集

我们解释说,一个团队条件属性可以获得一双（SE,SD,SC）。

建立一个信息系统并执行我们的实验中,我们需要建立一个初始决策系统与多个条件属性。

它是通过观察从系统与不同的控制器阶跃响应Id收益（SE,SD,SC）。

理想情况下,我们应该用大量的初始化控制系统（SE,SD,SC）对,应该大到足以产生尽可能多的典型系统一步反应。

在这项研究中,我们首先选择中心值的气体。

运行气体后,我们得到的最优值SE*=0.00005,SD*=0.008和SC*=0.04,或用（SE*,SD*,SC*）=（0.00005,0.008,0.04）。

中心的价值观和假设SE=1/5×

SE×

△SE*,SD=1/8×

SD×

△SD*和SC=1/4×

SC×

△SC*（SE,SD和SCSE的调整因素,SD,SC）,我们获得一组初始值（SE,SD,SC）通过不同的参数,初始的SD和SC。

（SE,SD,SC）,然后,我们模拟HVDC和所有的反应被记录。

正如我们所知,对于每一个独一无二的结合SE,SD和SC,我们将得到一个阶跃响应Id。

对于每一个响应,我们需要观察波峰和波谷之间的关系来确定条件和决策属性。

这是一个手动过程。

当然,最后的一步反应得到这样不包括所有的可能性。

然而,取样是足以围绕中心反映条件属性的重要特性（SE*,SD*,SC*）。

5.5决策表

在数据收集、e、△e和e×

的象征△e用于描述阶跃响应Id。

收集全部或部分条件属性时,他们被送入传感器由粗颗粒调谐器。

第四国际会议上有模糊系统和知识发现（FSKD2007）0-7695-287425.00美元0/07©

2007三个传感器,用v1、v2和v3,v1的传感器,v2△e传感器和v3是象征传感器。

在上面的讨论中,造粒条件属性和决策属性的值确定。

△e,e和e×

的象征△e考虑该部门收集到的数据确定最优参数（SE*,SD*,SC*）对细粒度的计算。

建立决策表的第一步是描述系统的反应不同的控制器,已完成的数据收集和数据造粒。

对每个观察阶跃响应（例如Id是我们的情况下）,我们决定决策表中比例因子的修正因素上涨,调整控制器的参数,以提高性能。

控制器的参数值（SE、SD和SC）插入一个决策表,利用模式识别的一种形式。

每个决策值指示改变,SD,SC是一个判断的控制器性能测量阶跃响应,和观察到的反应是比较理想的反应。

决策表是由三个条件属性:

v1e测量的造粒,v2的△e造粒,v3的象征e×

△e造粒,v4决策属性（se,sd和sc）。

从粗糙控制器调优信息表样本行表1中给出。

表1为se决策表,sd和sc

5.6减少属性

根据粗糙集算法,决策表进行处理。

在决策表条件属性集C={e,△e,e×

△e},决策属性集D={调整值你}。

为减少表2,让C1=e,C2=△e,C3=e×

△e。

所以,C1和C2是必要的CD和C3是不必要的。

D减少CC-{C3}={C1,C2},DC{C1,C2}的核心。

由此可见,在决策表1中,属性{△e}是第一重要的,第二个重要的是{e},属性{e×

△e}并不重要。

因此,减少的属性。

根据上面的讨论,在表1的属性约简,我们可以得到决策表2。

表2为se降低决策表,sd和sc

5.7粗糙集监管机构

总结了减少决定,sd和sc,我们考虑一个系统的方法来确定改变控制器收益。

有rule-firing算法系统控制器的直接我们选择收益（SE,SD,SC）,描述如下:

SE=1/5×

△SE*,

SD=1/8×

△SD*,

SC=1/4×

△SC*。

SE*=0.00005,SD*=0.008和SC*=0.04,或用（SE*,SD*,SC*）=（0.00005,0.008,0.04）。

选择一双合适的（se,sd,sc）是减少后的决定。

6．仿真结果

我们分析了粗糙模糊控制器的直流系统的整流。

在事故条件下。

4.3在会话。

粗糙集的模糊pi控制的方案,详细解释。

在这个实验中,我们直接使用粗糙集监管机构决定减少调整比例因子（SE,SD,SC）。

模拟不同的事故条件下,如直流电压（直流电压）（-200、250）或（0,250）,如图5和6所示。

（a）粗糙模糊pi控制（b）模糊pi控制

图5事故条件直流电压（-200、250）

图6直流电压事故条件（0,250）

表3比较粗糙模糊pi和模糊pi

ττdeJt∫=0）（上升时间拍摄粗糙模糊PI1.1066-709×

Δt15.7%直流电压（-200250）1.4211模糊pi710×

Δt33.1%粗糙模糊pi1.0071734×

Δt5.35%直流电压（0250）1.0786模糊PI731×

Δt5.78%*注意:

∆t=0.25（sec）/15000（样本）

比较粗糙的模糊PI控制器与模糊PI控制器后,我们知道,粗糙模糊PI控制器的过度表现出更好的性能,上升时间和IAE在事故条件下,如表3所示。

7．结论

在本文中,我们已经成功地提出一个粗略的控制方案,旨在提高整流器的性能在直流系统中。

粗糙集是用来衡量系统性能,提取特性测量的性能指数PI,表面变粗糙了特性,建立粗糙决策系统,消防合适的决策规则控制非线性系统,实现更好的性能。

除了我们粗略的控制方案的理论分析,我们也实现了粗糙的控制方案,成功地完成了模拟环境的建设。

我们利用实验结果建立决策系统,指导我们得到最优控制参数。

最后,粗糙模糊PI控制方案的性能已经证明,当直流系统单一控制方式,采用恒流控制。

8．引用

Xiao-Xin周

[1],交流/直流电源系统的分析与控制,2004。

[2],“自适应粒度控制的直流系统”,2002年。

[3]马跃峰,赵昱,“一个基于粗糙集的数据挖掘算法的研究”,洛阳大学学报,2号,2006年6月。

[4]粗糙集理论和方法,科学出版社,北京,中国,2005。

利鑫[5]王,模糊系统和控制,普伦蒂斯霍尔出版社,1997。

[6]汉李、徐Zhi-gao”在线自调整模糊控制器基于粗糙集及其应用在锅炉主流温度”,测量和控制技术,Vol.23,2004]。

[7]李Meng-xian,吴程东等“粗糙集理论及其应用”,《沈阳拱。

和文明。

Eng大学（自然科学）、Vol.174号,2001年10月,。

WitoldPedrycz）[8]“细粒度的计算:

介绍”,IEEE,页1349-1354。

[9]马跃峰,赵昱,“一个基于粗糙集的数据挖掘算法的研究”,洛阳大学学报,2号,2006年6月。