控制策略

控制策略

控制策略是對某一系統或儀器進行控制的策略和方法。換電站主動控制策略由 2 部分組成,一為換電站在架空線路和電纜線路配電網中的故障判別與應對策略,二為配電網故障情況下換電站中所有充放電機的協調控制策略。直流偏差斜率控制策略利用直流 偏差控制策略的偏差特性,利用直流 斜率控制策略的斜率特性,加快了其響能力。

基本介紹

  • 中文名:控制策略
  • 外文名:control strategy
  • 拼音:kòng zhìcè lüè
  • 所屬類別:科學技術
  • 作用:對系統進行控制
  • 涉及領域:各行各業
視覺系統控制策略,概述,1.視覺伺服中的視覺系統,視覺伺服中的控制策略,視覺伺服中的實現策略,單周期控制策略,主動控制策略,概述,1BSS 對中壓配電網故障處理過程的影響,2配電網故障時BSS 的主動控制策略,3換電站V2G 運行時充放電機協調控制策略,調速控制策略,概述,1 採煤機整機耦合控制模型,

視覺系統控制策略

概述

隨著機器人技術的迅猛發展, 機器人承擔的任務更加複雜多樣, 傳統的檢測手段往往面臨著檢測範圍的局限性和檢測手段的單一性. 視覺伺服控制利用視覺信息作為反饋, 對環境進行非接觸式的測量, 具有更大的信息量, 提高了機器人系統的靈活性和精確性, 在機器人控制中具有不可替代的作用.
視覺伺服控制系統是指使用視覺反饋的控制系統, 其控制目標是將任務函式e(s¡s(m(t);a)) 調節到最小, 其中s;s分別為系統的當前狀態和期望狀態. 與常規控制不同的是, s基於圖像信息m(t) 和系統參數a 構造,比傳統的感測器信息具有更高的維度和更大的信息量, 提高了機器人系統的靈活性.
視覺伺服系統通常由視覺系統、控制策略和機器人系統組成, 其中視覺系統通過圖像獲取和視覺處理得到合適的視覺反饋信息, 再由控制器得到機器人的控制輸入. 在套用中, 需要根據任務需求設計視覺伺服系統的實現策略. 從這三個方面對視覺伺服中存在的主要問題和研究進展進行綜述.
視覺伺服控制涉及計算機視覺、機器人技術和控制理論等多個領域, 國內外學者在過去20 餘年中進行了廣泛的研究. Hutchinson 等的三篇經典論文對視覺伺服控制的研究起到了引導作用. 近年來, Staniak 等和Azizian 等分別對視覺伺服系統的結構及其在醫療機器人中的套用進行了綜述. 在國內的研究中, 林靖等、趙清傑等、薛定宇等、王麟琨等、方勇純分別對視覺伺服控制進行了綜述, 總結了經典的視覺伺服控制方法.
隨著計算機視覺和機器人技術的飛速發展, 視覺伺服控制的研究也有了顯著的進步. 相比於以往的綜述, 本文重點分析了視覺伺服系統設計中存在的主要問題及相應的解決方案. 如圖1 所示, 設計視覺伺服系統時主要需要考慮視覺系統、控制策略以及實現策略三個方面. 在視覺系統方面, 本文首先介紹了視覺系統的構造方法, 並對動態性能的提升和噪聲的處理進行了討論. 在控制策略方面, 主要針對視覺伺服系統中模型不確定性和約束的處理進行了分析. 另外, 考慮到視覺伺服系統的可實現性和靈活性, 文中對系統的實現策略進行了總結. 最後, 基於當前的研究進展, 對未來的研究方向進行了展望.

1.視覺伺服中的視覺系統

首先介紹視覺系統的組成, 然後對視覺系統動態性能的最佳化和噪聲的處理方法進行分析和總結.
1.1 視覺系統的組成
視覺系統由圖像獲取和視覺處理兩部分組成,圖像的獲取是利用相機模型將三維空間投影到二維圖像空間的過程, 而視覺處理則是利用獲取的圖像信息得到視覺反饋的過程.
1.1.1 相機模型
基本的相機模型主要包括針孔模型和球面投影模型, 統一化模型是對球面模型的推廣, 將各種相機的圖像映射到歸一化的球面上. 此處需要強調的是針孔模型的\相機撤退" 問題和球面模型的旋轉不變性.針孔模型的\相機撤退" 問題是指當旋轉誤差較大時, 要使特徵點在圖像中沿直線運動到目標, 相機會先旋轉著遠離目標, 再旋轉著接近目標, 在工作空間的路徑是曲折的. 對此可以使用極坐標系或圓柱坐標系來處理. 球面模型的旋轉不變性是指球的旋轉對物體在球面上投影的形狀是沒有影響的, 一方面可以避免\相機撤退" 問題, 同時也方便設計平移和旋轉解耦的誤差向量. 統一化模型的吸引力在於可以將各種相機的圖像映射到統一的模型, 從而在設計控制器時不需要考慮具體的相機模型, 增強了系統的可擴展性. 另外也可以將常規的機器人感測器映射到球面, 如重力向量、磁場向量或角速度等, 從而可以設計多感測器信息融合的機器人控制器.
1.1.2 視覺反饋
視覺伺服中的視覺反饋主要有基於位置、圖像特徵和多視圖幾何的方法. 其中, 基於位置的方法將視覺系統動態隱含在了目標識別和定位中, 從而簡化了控制器的設計, 但是一般需要已知目標物體的模型, 且對圖像噪聲和相機標定誤差較為敏感. 目標識別和跟蹤可以參考相關綜述, 下文中主要介紹基於圖像特徵和多視圖幾何的方法.
1)基於圖像特徵的視覺反饋
常用的基於圖像特徵的視覺反饋構造方法, 其中基於特徵點的方法在以往的視覺伺服中套用較為廣泛, 研究較為成熟, 但是容易受到圖像噪聲和物體遮擋的影響, 並且現有的特徵提取方法在發生尺度和旋轉變化時的重複性和精度都不是太好, 在實際套用中存在較大的問題. 因此, 學者們提出了基於全局圖像特徵的視覺反饋方法, 利用更多的圖像信息對任務進行描述, 從而增強視覺系統的魯棒性, 但是模型較為複雜, 控制器的設計較為困難, 且可能陷入局部極小點. 目前針對這一類系統的控制器設計的研究還比較少, 一般利用局部線性化模型進行控制, 只能保證局部的穩定性.
2) 基於多視圖幾何的視覺反饋
多視圖幾何描述了物體多幅圖像之間的關係, 間接反映了相機之間的幾何關係. 相比於基於圖像特徵的方法, 多視圖幾何與笛卡爾空間的關係較為直接, 簡化了控制器的設計. 常用的多視圖幾何包括單應性、對極幾何以及三焦張量需要強調的是, 兩個視圖之間的極點與相對姿態不是同構的, 當極點為零時不能保證二者姿態一致, 而只能保證二者共線, 一般使用兩步法補償距離誤差.單應性矩陣描述了共面特徵點在兩個視圖之間的變換關係, 可以唯一決定二者的相對姿態. 對於非平面物體, 可以結合對極幾何的方法進行處理.結合單應性矩陣和極點構造了在平衡點附近與姿態同構的誤差系統. 中採用類似的思路, 並利用圖像配準的思想對幾何參數進行估計. 但是, 由於模型複雜, 文獻中只提出了局部穩定的控制律. 相比之下, 三焦張量是一種更加通用的方法, 對目標形狀沒有要求, 且不存在奇異性問題. 目前基於對極幾何和三焦張量的方法還主要用於平面移動機器人的控制, 在六自由度控制中的套用有待進一步研究.
1.2 視覺系統動態性能的提升
相比於常規的機器人感測器, 視覺系統的採樣頻率較低, 視覺處理算法的時間延遲較大, 而且具有一定的噪聲, 這對視覺伺服系統的動態性能有很大的影響. 近年來的研究主要從以下三個方面進行改進: 採用高速視覺系統, 提高處理速度和採樣頻率;使用分散式的網路化架構, 提高算法的執行效率; 設計觀測器, 處理視覺反饋中的噪聲和延遲問題.
1) 高速視覺系統
常用的數字相機的採樣頻率較低, 一般在 30 fps左右. 為了適應高速視覺伺服任務的需求, 近年來研究者開發出各種高速視覺系統. 高速視覺系統一般採用並行的結構, 圖像檢測和處理都是以高速進行, 從而可以達到高於 1 kHz 的頻率, 方便進行高速運動物體的跟蹤和柔性物體的識別, 常用於快速反應的系統, 但是受到硬體設備的限制, 圖像解析度較低, 物體表面紋理不清晰, 難以描述複雜的場景,且系統較為複雜, 開發和維護的成本高. 對於這一類的系統, 可以使用圖像矩、核採樣、互信息等全局圖像特徵, 不需要特徵點的提取, 對圖像解析度的要求較低, 相比之下控制精度更高.
2) 分散式網路化的視覺系統
文獻中提出基於網路化分散式計算的視覺伺服控制系統, 從分布在不同部位的感測器 (如視覺感測器、光學感測器、雷達等) 採集的數據通過網路傳送到處理器節點進行處理, 從而提高了視覺伺服系統的採樣速度. 文獻中提出了視覺伺服系統中圖像數據的傳輸協定及其調度策略. 分散式的實現策略充分利用了多個網路節點的計算資源, 從而更快地進行多感測器信息融合, 但是其效率很大程度上依賴於網路的速度, 並且網路化的系統增加了控制算法的複雜程度, 特別是針對網路延時、故障的處理.
3)結合觀測器的視覺系統
由於視覺設備的採樣頻率低, 並且具有噪聲, 因此可以利用觀測器對圖像特徵進行觀測, 從而應對噪聲和延遲對系統的影響. 在硬體條件限制下, 使用觀測器是最有效的改善視覺系統性能的方法.
卡爾曼濾波 (Kalman ¯lter) 是一種常用的方法, 對於視覺伺服系統這種非線性對象, 可以使用擴展卡爾曼濾波器. 當噪聲特徵未知時, 可以使用自適應 或自整定的方法. 另外, 由於視覺系統處理時間較長, 因此可能出現測量時間長於控制周期的情況, 可以使用雙速率卡爾曼濾波的方法對系統狀態進行觀測.
粒子濾波 (Particle ¯lter[55]) 可以用於非高斯噪聲下的非線性系統, 相比於卡爾曼濾波的方法更加適合於視覺伺服系統的套用. 其基本思想是通過隨機採樣獲取機率分布, 基於這些觀測值, 實際的機率分布可以通過調整採樣的權重和位置得到.
虛擬視覺伺服 (Virtual visual servo[56]) 以重投影誤差作為任務函式, 設計虛擬控制律使其最小化, 再將此控制律中得到的控制輸入 (速度、加速度) 進行積分從而得到觀測到的相機位置和速度, 省去了目標識別、定位等耗時的過程.
1.3 視覺系統噪聲的處理
視覺系統的噪聲主要來自於相機感光元件的噪聲和視覺處理算法的誤差, 對控制系統性能有較大影響. 視覺系統噪聲的處理可以從以下 4 個方面入手:
1)設計魯棒的特徵提取算法圖像噪聲對圖像特徵的提取影響較大, 尤其是基於像素梯度的局部圖像特徵, 會出現特徵點的誤提取和誤匹配, 直接導致系統狀態變數的誤差, 對控制系統的穩定性有很大的影響. 常用的去除例外點的方法有 RANSAC (Random sample consensus) 算法、霍夫變換、最小二乘法以及 M-estimators 算法等.
2)使用觀測器降低噪聲的影響對於含有噪聲的特徵向量, 可以利用觀測器對其狀態進行觀測降低噪聲的影響. 常用的方法有 Kalman 濾波[52¡54]、粒子濾波[55] 等. 另外, 在有些控制器中需要利用圖像空間中的速度信息, 由於圖像採樣頻率較低且噪聲較大, 數值微分的方法存在較大的誤差, 此時也可以利用觀測器對其進行估計
3)利用冗餘的特徵向量對於冗餘的特徵向量, 可以利用每個特徵點測量的統計特徵描述該特徵點的可靠性, 在設計控制律時可以基於每個維度的可靠性設計加權矩陣,從而降低噪聲較大或誤匹配特徵點對系統的影響.另外, 也可以引入隨特徵點與圖像邊界距離遞增的加權函式 處理目標部分離開視野的情況, 保證控制律的連續性, 提高系統的容錯性.
4)提高對目標的感知力圖像對物體運動的感知力與特徵點的選取以及物體姿態有關, 當存在圖像噪聲時, 不同的特徵點選取對系統穩態誤差有一定的影響, 因此可以利用最佳化的方法選取最佳的特徵點對任務進行描述[59]. 在控制的過程中, 可以利用圖像雅可比矩陣的奇異值衡量對目標的感知能力. 在任務零空間中最佳化軌跡以增強感知力, 從而提高控制性能.

視覺伺服中的控制策略

在視覺伺服控制器的設計中, 主要的問題在於模型不確定性和約束的處理. 這是由於視覺模型依賴於目標深度、相機參數等未知或不精確的信息, 並且在控制的過程中需要保證目標的可見, 對系統的穩定性和動態性能有較大的影響.
2.1 視覺伺服中模型不確定性的處理
針對模型不確定性問題, 主要有三種解決方案,分別為自適應算法、魯棒算法和智慧型算法. 自適應算法通過自適應環節線上調整模型, 從而最佳化控制性能; 魯棒算法基於最優估計參數設計控制器, 並保證對一定範圍內參數攝動的穩定性; 智慧型算法一般基於學習的策略應對參數不確定性.
2.1.1 自適應視覺伺服控制
考慮到模型參數不確定帶來的問題, 研究者提出了一系列自適應的方法對模型誤差進行補償. 自適應控制方法由控制律和自適應環節組成, 通過自適應環節的線上修正保證系統的穩定性. 自適應的方法可以分為參數自適應和雅可比矩陣自適應方法.
1)參數自適應算法
由於特徵點在圖像空間的運動特性依賴於其深度和相機參數, 從而可以在控制過程中根據控制輸入使用當前估計參數將運動投影到圖像空間, 預測特徵點的運動. 預測值與實際觀測的特徵點運動之間的差異作為估計投影誤差, 可以通過疊代最佳化的方法使該投影誤差最小化從而對參數進行線上估計.一種常用的自適應方法是結合 Slotine 等的思想,利用梯度法 或其他搜尋方法對特徵點的估計投影誤差進行線上最小化.
當相機標定參數未知時, 一種思路是基於 \深度無關雅可比矩陣" 的方法, 將圖像雅可比矩陣分為深度因子和深度無關的部分, 使用深度無關的部分設計反饋控制律, 從而在得到的閉環系統中相機參數是線性表達的. 對於深度信息未知的情況, 可以加入對深度的自適應環節增強其穩定性. 除了基於特徵點的系統, 這種方法對一些廣義特徵也是有效的, 只要深度無關雅可比矩陣對廣義特徵的未知幾何參數是線性參數化的, 如距離、角度、質心等.
對於視覺伺服軌跡跟蹤控制, 常規的方法需要加入圖像空間中的速度作為前饋項, 而圖像中的速度一般是通過對圖像坐標信息的數值微分得到的,相比於關節空間的速度具有更大的噪聲, 尤其是當採樣頻率較低時具有較大的誤差. 因此, 一些學者提出不需要測量圖像速度的方法. 這一類方法利用關節速度和估計的雅可比矩陣設計圖像空間速度的觀測器, 並加入對相機參數和深度的自適應. 因為機器人關節速度的測量是比較精確的, 因此可以較好地改善數值微分帶來的問題.
2)雅可比矩陣自適應算法
這一類的方法直接對雅可比矩陣進行線上辨識,由遞推的雅可比矩陣辨識算法和控制律組成. 常用的雅可比矩陣辨識方法如Broyden 算法、加權遞推最小二乘算法、Kalman 濾波等. Pari 等通過實驗對比了使用遞推最小二乘法估計的雅可比矩陣和使用解析形式的雅可比矩陣時的控制性能, 結果證明基於雅可比矩陣線上辨識的方法具有與基於解析形式雅可比矩陣的方法相差不多的控制效果和魯棒性, 而基於雅可比矩陣線上辨識的方法不需要大量對系統的先驗知識和複雜的模型推導過程, 但是其模型只在其訓練的區域內有效.
2.1.2 魯棒視覺伺服控制
在基於圖像的視覺伺服控制中, 由相機參數、目標深度以及機器人模型誤差造成的圖像雅可比矩陣的不確定性會對控制效果產生影響, 並可能造成控制器不穩定. 為了保證在參數攝動的情況下的控制器的穩定性, 可以在最優參數估計的基礎上設計魯棒控制器, 從而在一定的參數變化域內保證穩定性.
一種常用的思路是利用李雅普諾夫的方法設計魯棒控制器, 從而克服深度和標定誤差、機器人模型誤差以及機器人執行速度指令時的量化誤差帶來的不確定性問題. 另一種思路是基於最佳化的方法, 通過對性能指標的線上最佳化(如H2=H1指標、閉環系統的穩定域等) 得到在具有參數不確定性時的最優控制輸入. 另外, 滑模控制也是一種常用的方法, 通過構造與系統不確定性參數和擾動無關的滑動面, 並設計控制律迫使系統向超平面收束, 從而沿著切換超平面到達系統原點. 由於常規的滑模控制產生的控制輸入是不連續的, 可能造成系統的抖振, 可以使用二階滑模Super-twisting 控制的方法解決此問題.
雖然基於魯棒控制的方法一般都具有對參數變化和擾動不敏感的優點, 但是通常需要較大的控制增益, 造成系統回響不光滑, 使執行器的損耗較大,且可能造成系統的抖振. 在未來的研究中可以結合自適應控制的方法, 在模型細小變化時利用控制器的魯棒性從而避免自適應機構過於頻繁的調整, 當模型變化較大時, 則利用自適應的方法對其進行修正, 從而避免魯棒控制方法過高的增益造成的問題.
2.1.3 智慧型視覺伺服控制
智慧型控制不需要精確的數學模型, 並且具有自學習能力, 適合於具有模型不確定性的視覺伺服系統控制. 智慧型視覺伺服控制方法有:
基於計算智慧型的方法一般利用人工神經網路、遺傳算法等方法對視覺伺服系統模型進行擬合, 並利用學習到的模型進行控制. BP 神經網路是一種常用的方法, 為了提高其收斂速度, 可以使用遺傳算法設計其初值和參數. 這一類方法不需要複雜的建模過程, 但是需要預先進行離線訓練, 而且當環境變化時又需要重新訓練, 限制了其套用.
模糊控制利用模糊規則描述視覺伺服系統中各變數之間的關係, 不需要精確的系統模型, 但是需要一定的先驗知識或離線學習. 在套用中, 可以直接設計模糊控制器或利用模糊規則對其他控制器參數進行更新. 但是, 對於多自由度的視覺伺服系統, 變數之間的關係複雜且耦合嚴重, 模糊規則的設計困難, 因此以往的研究主要針對低自由度的系統.對於具有重複特性的視覺伺服任務, 疊代學習控制利用先前動作中的數據信息, 通過疊代找到合適的控制輸入, 可以實現精確的軌跡跟蹤. 這一類方法主要有兩種思路, 一種是直接疊代學習控制, 使用疊代學習律得到控制輸入的前饋量, 並可以加入反饋輔助項提高收斂速度; 另一種是間接疊代學習控制, 使用疊代學習對模型參數進行更新, 從而最終得到精確的模型用於跟蹤控制. 這一類方法要求任務具有重複特性, 可以用於工業現場的流水線作業.

視覺伺服中的實現策略

近20 多年來, 機器人視覺伺服控制得到了廣泛的研究, 但是在實際中的套用較少. 實際上, 視覺伺服的理論研究與實際套用有一定的脫節, 大部分的研究考慮理想的工作環境和任務, 並採用示教(Teach-by-showing) 的方式. 這適合於靜態環境下的重複性任務, 但是機器人的任務是複雜多樣的. 近年來, 研究者提出了創新性的解決方案, 為視覺伺服系統的實施和套用提供了新的思路. 在實際中, 基於視覺伺服的系統主要有兩種類型, 一種是機器人自主控制系統, 完全由機器人自身根據視覺反饋完成分配的任務; 另一種是人機協作系統, 在任務完成的過程中需要人為的干預, 其目的在於協助人更好地完成任務.
3.1 自主控制系統
視覺伺服在機器人系統中有廣泛的套用, 如移動機器人的視覺導航和機械臂的末端控制等. 移動機器人的視覺導航可以描述為視覺伺服跟蹤控制問題 或一系列的視覺伺服調節控制問題, 一般需要預先進行訓練得到期望的圖像序列. 工業機械臂常使用示教的策略, 以零件組裝任務為例, 工程師需要先利用手操器對其進行編程, 機械臂再通過執行記錄的驅動信號完成任務. 引入視覺伺服系統可以簡化此過程, 只需要人在相機的監控下完成一次操作, 機械臂即可利用視覺反饋完成任務.傳統的視覺伺服系統使用示教的方式, 其控制器的設定值為相機在期望位置處拍攝到的圖像. 這種方法適合於在局部空間內執行重複性任務的工業機械臂, 但是對於大範圍的移動機器人視覺導航任務顯得實現成本較高. 學者們提出了以下幾種改進策略:
1)利用其他相機拍攝的圖像作為設定值, 如Teach-by-zooming 策略;
2)利用其他模態的圖像作為設定值, 如基於互信息的方法;
3)利用幾何信息定義視覺伺服任務.
在現實生活中, 如果要告訴某人去某地, 可以提供該地點的照片或地圖, 也可以描述該場景的幾何特性. 實際上, 上述的三種策略分別對應了人類的這些行為習慣. 在未來的機器人套用中, 可以充分利用網際網路資源, 如Google 街景、Google 地圖等, 使其更靈活地為人類服務.
另外, 大部分視覺伺服系統都要求目標在圖像中持續可見(FOV 約束), 這在實際任務中大大縮小了機器人的可達工作空間. Jia 等針對平面移動機器人提出了基於稀疏路標的視覺導航方法, 利用\關鍵幀" 策略放鬆了視野約束, 從而最佳化了非完整約束機器人在工作空間中的軌跡. Li 等提出了機器人任務空間的全局控制器, 利用各個區域性有效的反饋信息構造了連續的整體控制器, 使得機器人在完成任務的過程中可以安全地穿過視覺感知盲區和奇異區域.
3.2 人機協作系統
目前大部分機器人的自主定位和導航任務都需要預先對任務進行精確描述, 但是實際套用中的一些複雜任務難以用數學描述, 且在任務完成的過程中需要進行智慧型決策, 以當前的人工智慧發展程度無法由機器人自主完成. 因此可以構造人機協作系統, 在任務執行過程中加入人類的判斷, 視覺伺服控制作為輔助系統, 幫助人更輕鬆地完成一些複雜任務, 形成半自動的系統. 常見的人機協作系統有以下幾種實現策略:
1)人機串級控制, 人負責上層的決策控制, 視覺伺服系統負責底層的運動控制, 如水下遙控機器人、半自動駕駛輪椅等.
2)視覺伺服系統對操作對象施加運動約束, 降低人需要操作的自由度, 提高操作精度, 如人機協作操作、手術輔助系統等.
3)人機切換控制, 將任務分為人主導的區域和機器人主導的區域, 共同完成任務.
在醫療領域, 學者們提出了一系列基於醫療成像設備的視覺伺服系統, 對醫生的手術操作起到協助作用.

單周期控制策略

在供電系統和用電設備中,由於輸入電源的多樣性,故改善整流器的性能,減小輸入電流諧波含量,提高系統的功率因數具有重要意義。目前根據系統接線方式可以分為3P3W(three-phase three-wire)系統以及3P4W(three-phase four-wire)系統。其中3P3W 系統中套用較廣的主要電路拓撲有三相三橋臂整流拓撲和維也納整流拓撲等,如圖1a、1b所示。除此之外,一些套用場合出於防雷、絕緣及中線電流補償等考慮,需要採用3P4W 的連線方式,如並聯有源電力濾波器、動態電壓恢復器和不間斷電源等。常見的3P4W 系統拓撲分為三橋臂-分裂電容拓撲以及四橋臂-全橋拓撲。由於三橋臂-分裂電容拓撲輸入相電壓只能在兩個電平(-Udc/2, Udc/2)間跳變,諧波抑制效果相對較差,從而輸入電流波形的畸變度也較高。對於四橋臂-全橋拓撲(下文以三相四橋臂整流器進行表述),由於增加了一個橋臂,對於電路結構而言,增加了其複雜性。但是在控制上,橋臂的增加使得對電路的控制更為靈活。
單周期控制的PFC 變換器無需產生輸入電流基準,因而不需要使用乘法器和採樣輸入電源電壓,簡化了控制結構,降低了經濟成本,在中小功率場合得到了廣泛的套用 。在傳統單周期控制策略中,載波信號幅值是由電壓調節器產生,變換器輸入電感電流採樣直接作為調製信號與載波交割產生 PWM 信號,並經過相應的邏輯變換生成功率管控制信號,因此傳統單周期控制策略中的PWM 信號可視為是通過SPWM 方式所獲得。在這種調試方式下,三相PFC 變換器輸出電壓較高,直流母線電壓利用率不足,不利於降低開關管耐壓等級和提高系統效率。目前,國內外文獻關於降低單周期控制策略下的PFC 電路輸出直流電壓,提高直流母線電壓利用率鮮有討論。
針對3P4W 系統中的三相四橋臂整流拓撲分析了傳統控制單周期控制策略。提出變革傳統單周期控制策略的調製波形,將3 次諧波注入調製引入到傳統單周期控制策略中,分析了改進後的單周期控制策略,給出了三相四橋臂整流器改進單周期控制策略示意圖。通過改進的單周期控制策略可以降低三相四橋臂整流器輸出電壓,提高直流母線電壓利用率,且不影響系統正常工作。同時,改進的單周期控制策略可推廣至其他三相PFC 變換器。系統仿真與實驗表明了理論分析的正確性。

主動控制策略

概述

電動汽車換電站(battery swap station,BSS)是一種重要的集中式充電基礎設施,其V2G 運行方式具有廣闊的套用前景。但是,當BSS 放電功率較大時,會對中壓配電網現有的故障處理過程產生較大影響,需要有合理的應對措施。
目前有關BSS 在V2G 運行方式下對中壓配電網保護與自動化配置的影響的研究仍很少見,但充放電機在向配電網放電時與逆變器型分散式電源的工作原理存在共性,相應造成的影響也較為類似。針對該類問題,目前存在2 種解決思路:一是根據分散式電源接入後造成影響的特點,改變中壓配電網的保護及自動化配置;二是從分散式電源側入手,限制分散式電源的容量或者及時檢測配電網的運行狀態並主動調整分散式電源側的控制方式,儘可能降低影響。
對於第1 種思路,目前已有較多研究成果。文獻[5-7]修正了分散式電源接入後的保護配置,並利用了額外的斷路器、方向繼電器或距離繼電器等繼電保護器件,但是這種方法不夠靈活,每次新接入分散式電源時都要對保護重新配置;文獻[8-10]採用自適應保護,分散式電源接入配電網後可以自動改變保護特性、定值,但是必須配備通信單元和快速計算單元,需要額外的投資。
第2 種思路近年來也吸引了學術界的關注。文獻[11-13]利用了故障限流器,在配電網正常運行時呈現小阻抗狀態,當故障發生後立即轉變為大阻抗,將故障電流限制在較低水平,但是這種方法需要額外的投資,而且正常運行時會對配電網產生一定的影響;文獻[14-17]通過分散式電源在配電網中準入容量的計算確定允許接入的分散式電源的最大容量,但是這種方法限制了分散式電源的利用。
綜合上述研究成果,本文的貢獻在於利用BSS 內動力電池具有一定程度的自由度和可支配性的特點,提出了主動控制策略。該策略包括BSS 在不同線路類型配電網中的故障判別與應對策略和 BSS 內各充放電機的協調控制策略,不僅控制靈活迅速,而且不需額外的設備和投資,也不會因為保護系統的要求而限制BSS 的容量。

1BSS 對中壓配電網故障處理過程的影響

1.1 基於饋線自動化的配電網故障處理過程
1)基於饋線終端單元(feeder terminal unit,FTU)的配電網饋線自動化系統故障處理過程。
目前城市配電網大量採用基於FTU 的饋線自動化以提高供電可靠性。架空線路發生故障時,變電站出線重合器跳閘切斷故障電流,若重合器重合成功,則判定為瞬時性故障,否則判定為永久性故障,根據各負荷開關的信息迅速判斷出故障區段,遙控故障區段兩側負荷開關分閘以隔離故障區段,並遙控相應的重合器和聯絡開關合閘,恢復非故障區段供電。而電纜線路發生故障後即認定是永久性故障,故障處理方式與架空線路發生永久性故障時一致。
2)基於重合器-熔斷器配合的配電網故障處理過程。
重合器與熔斷器配合也是一種重要的饋線自動化保護方案,利用了重合器能夠重合且其開斷特性具有雙時性的特點。當熔斷器支路發生故障時,重合器快速跳閘,若重合閘後故障消失,說明發生了瞬時性故障;否則說明發生了永久性故障,在重合器延時跳閘前熔斷器的熔體熔斷,實現線路故障區段的隔離。
1.2 BSS 對基於FTU 的饋線自動化的影響
在V2G 運行方式下,會對饋線自動化產生如下影響:
1)使得瞬時性故障發展成為永久性故障。故障發生後重合器R1 跳閘,在R1 重合閘之前,BSS仍向故障點提供電流,使得故障點電弧無法熄滅, R1 重合閘失敗,即使是瞬時性故障也會發展為永久性故障,降低了供電可靠性。
2)當故障點在BSS 上游時可能會導致故障區域判斷不正確。例如故障點在圖1 中的f1 點,當故障發生後,BSS 向f1 提供短路電流。雖然BSS 放電時由於充放電機中逆變器的限流要求導致BSS 提供的最大短路電流僅為其額定放電運行時的2 倍,但BSS 容量較大時,也將提供較大的短路電流,可能導致系統判定負荷開關2 也流過短路電流,從而錯誤地將故障區域判斷為負荷開關2 和3 之間。
3)當故障點在BSS 下游時重合器R1 檢測到的故障電流減小。例如故障點在圖1 的f2 點,當故障發生後,R1 檢測到的故障電流比BSS 不接入時小,可能會對饋線自動化產生一定的潛在影響。

2配電網故障時BSS 的主動控制策略

2.1 基本原理
根據IEEE STD.1547 標準,分散式電源的併網點電壓在0.88~1.1 pu 之間時,分散式電源處於正常運行狀態,因此當BSS 併網點電壓U<0.88 pu 時,可認為配電網處於不正常運行狀態,需要啟動BSS 主動控制策略。
BSS 根據其工作狀態的不同自動選擇對應的控制策略。BSS 充電時,發生故障後直接切除BSS,直到U30.88 pu,說明配電線路故障已經消失或被隔離,重新投入BSS 對其充電。BSS 正常放電運行時,只有電池SOC 滿足條件的才允許放電,考慮到換電的工作原理,必有一部分電池充電時間較短而不滿足放電條件,因此BSS 中只有一部分電池在放電。當U<0.88 pu時,放電的電池給剩餘的電池充電,即放電電流由流向配電網變為流向未放電的電池,如圖4 所示,從而有效地減小向故障點提供的電流。此外,配電網線路類型不同時 BSS 的主動策略也略有不同,以全架空線路和全電纜線路為例分別介紹其主動策略。
2.2 全架空線路情況下 BSS 的主動控制策略
配電網線路均為架空線路情況下 BSS 的主動控制策略如圖 5 所示。BSS 根據 U< 0.88 pu 的持續時間 t 與整定時間 t0 的比較來判斷 BSS 所在最小配電區域是否發生了永久性故障,並有相應的控制策略。若 t< t0,說明配電線路發生了瞬時性故障或者 BSS 最小配電區域之外發生的永久性故障已被隔離並恢復了非故障區域的供電;否則,說明 BSS 所在的最小配電區域發生了永久性故障。因此,整定時間 t0 與重合器分閘時間、重合閘時間、判斷隔離故障區域及恢復供電時間有關。

3換電站V2G 運行時充放電機協調控制策略

3.1 放電的充放電機控制策略
典型的充放電機由隔離變壓器、濾波器、 AC/DC 環節和DC/DC 環節組成。由於充放電機放電時由 DC/DC 環節維持逆變器直流側電壓的恆定,動力電池提供需要的電能,因此DC/DC 環節和動力電池可用一個恆壓源來代替。正常放電運行時 BSS 中的充放電機採用 PQ 控制策略,按照指令 P*和 Q*發出有功和無功。簡化後放電的充放電機拓撲結構及其正常放電運行時的控制策略。當U<0.88 pu 時,若放電的充放電機數量較多且放電功率指令較大,可能造成充電的充放電機給電池充電的電流過大,從而降低電池的使用壽命。
為防止這種情況的發生,可以根據需要設定電池的充電倍率 r,當每台充電的充放電機充電電流 ich 大於r 對應的充電電流 ir 時,放電的充放電機切換為電流控制策略,直接控制放電電流,保證充電電流不大於 ir,如圖 8 所示。站中共有 n 台充放電機,其中 a 台充放電機放電,且放電狀態相同,則故障後充電的充放電機數量為 na。為保證充電電池的壽命不受損害,ich 按放電電流最大(即達到 2倍額定電流)的情況計算

調速控制策略

概述

我國煤炭開採以井工為主,產煤量約占總產量的 機) 的長壁開採方式; 作為綜合機械化採煤工作面的95% ,主要採用基於滾筒式採煤機(以下簡稱採煤 核心設備,採煤機對提高工作面的產能和效率起著決定性的作用,而實現採煤機的自動化、無人化是保證煤礦高產、高效、安全生產的關鍵 。
國內外主流電牽引採煤機牽引電機普遍採用交流變頻調速,截割電機轉速不可調,為保證截割電機恆功率運行,以截割電機電流為反饋信號,根據煤層性質的變化適時適度地調節採煤機的牽引速度,從而改變滾筒負載; 採煤機操作人員根據相關的參數及經驗通過調節操作器的按鈕設定牽引速度,由於煤層的複雜性及操作者的經驗差異導致採煤機經常處於欠載、偶爾過載的狀態,影響採煤效益和截割安全滾筒是採煤機截煤、輸煤的關鍵部件,調節滾筒轉速以適應不同硬度的煤層對於提高採煤效益具有重要意義 。馬正蘭等實現高塊煤率截割,提出了採煤機滾筒的變速截割,並通過最佳化得到與煤層截割阻抗相匹配的截割速度和牽引速度; 程雪等而減小滾筒轉速或增大採煤機的牽引速度,以提高截建立了基於威布割效率和增大塊煤率; 李曉豁等爾分布的塊煤產量數學模型,研究了採煤機運動參數對塊煤產量的影響,得出塊煤產量隨牽引速度、滾筒轉速變化而變化的趨勢; Bakhtavar 等筒截割速度、增加截割深度以獲得較高的採煤生產率,降低截割粉塵; 以上研究均針對不同硬度的煤層,通過最佳化得到牽引速度和滾筒轉速的最優匹配關係或調整滾筒轉速以保證較高的生產效益。由於深部煤層截割工況複雜多變,現有研究並未考慮如何通過配合控制滾筒轉速快速有效地降低機電系統動載荷。
因此,為實現採煤機自動截割,有必要研究適應不同截割工況的調速控制策略,以保證無人或少人採煤機的可靠運行和高效生產。以某 MG300 /700-WD 電牽引採煤機為研究對象 基於 Matlab /Simulink 建立整機耦合控制模型針對煤岩突變工況,以採煤機傳動系統可靠運行和高效生產為目標,提出基於截割電機額定轉矩運行的截齒切削厚度控制目標的計算方法,得到煤層截割阻抗與截齒切削厚度控制目標的對應關係; 根據滾筒負載特性和破岩能力制定針對不同突變硬度的滾筒調速控制策略和牽引-滾筒協調控制策略,最後分別將上述提出的調速控制策略與傳統牽引調速控制策略進行對比分析。

1 採煤機整機耦合控制模型

目前有些學者主要從採煤機整機受力入手,基於adams、UG 等軟體建立採煤機整機模型,而建立包括電機模型以及控制系統模型的研究相對較少 。為了研究不同截割工況下的採煤機調速控制策略和機電動態特性,建立了包括採煤機牽引部、截割部以及控制系統的整機耦合控制模型,為牽引電機和截割電機的雙變頻調速奠定基礎。
1.1 採煤機截割部、牽引部機電系統建模
由於綜采工作麵條件差,當截齒遇矸石等煤岩夾雜工況時,過大的負荷易造成搖臂齒輪箱高速端的第一級齒輪疲勞損壞一級齒輪的影響,截割部僅考慮電機輸出端的第一級齒輪,其他平行軸和行星傳動機構的轉動慣量等效至滾筒輸入軸,並簡化為彈簧阻尼系統。圖 1 中 i1 為簡化部分的減速比,Jd 為等效後的滾筒慣量,Mm1 和 Md 分別為截割電機輸出轉矩和滾筒負載轉矩,θm1 和 θd 分別為截割電機轉子和截割滾筒的角位移,cmpe1和 kmpe1 分別為電機和第 1 級齒輪連線部分的阻尼和剛度,cpd1 和 kpd1 分別為低速端齒輪連線部分和滾筒連線軸的等效阻尼和等效剛度。
1. 2整機耦合控制模型
當滾筒設計參數和煤層物理參數一定時,滾筒負載取決於牽引速度vq和滾筒轉速ng。以牽引速度vq和滾筒轉速ng作為滾筒負載輸入量,負載轉矩Md作為輸出量並作用於滾筒,通過滾筒與截割部傳動系統進行轉矩傳遞; 包括滾筒推進阻力在內的採煤機總牽引阻力產生的阻力矩Mq作用於行走輪,並通過牽引部傳動系統傳遞至截割電機。以截割電機和牽引電機的電流、輸出轉矩、轉速等反饋信號作為信息流實時反饋至採煤機控制系統,經判斷分析截割工況和運行狀態後發出控制流指令至牽引電機和截割電機以調整採煤機工作狀態。採煤機截割電機和牽引電機均採用對參數變化魯棒性強、轉矩動態回響快等優點的直接轉矩控制( DTC) 。使用兩個滯環比較器來控制電機定子磁鏈和轉矩,使誤差穩定在滯環寬度

相關詞條

熱門詞條

聯絡我們