本发明涉及一种单相逆变器的改进模型预测控制方法，其通过在采样周期内设置多个控制时刻来控制单相逆变器的输出；在每个采样周期内，首先对输出电流进行采样得到实际电流值，以实际电流值作为反馈量进行模型预测控制得到单相逆变器在该控制时刻的输出；在该采样周期的第二个控制时刻，以当前时刻的预测电流值作为电流的反馈量，以当前控制时刻的预测电流值作为电流的反馈量进行模型预测控制得到单相逆变器在第二个控制时刻的输出，以此类推，直至下一个采样周期。本发明在确保输出电流控制效果的前提下，实现了一次采样多次控制，降低了控制系统对采样单元的硬件要求，从需求上减少了采样电路的复杂性并降低了硬件的成本。
📄 201810481821X
📂 H02M7_539
👤 龙岩学院
📅 2018-05-18
本发明涉及机器人优化控制技术领域，尤其是一种全向移动机器人的积分模型预测控制方法，第一步，建立全向移动机器人的运动学模型；第二步，设计积分模型预测控制的预测模型，第三步，设计目标函数；第四步，设计约束条件；第五步，针对运行中存在的稳态误差，设计积分作用使移动机器人能够在规定时间准备、快速且稳定的对轨迹进行跟踪，本发明使移动机器人具有更好的轨迹跟踪能力以及运行控制精度。
📄 2020106643772
📂 B25J9_16
👤 浙江工业大学
📅 2020-07-10
本发明公开了基于时变扰动补偿的三电平发电系统模型预测控制方法；基于机侧、网侧变换器采用三电平结构，在新的拓扑下建立数学模型；模型离散化处理；实时采样被控对象信息并进行坐标变换；设计成本函数作为内环控制器；引入扰动状态变量构建状态空间模型；设计观测器来估计外环的状态；结合观测器估计信息设计外环控制器。本发明外环改进的扩张状态观测器能够对时变扰动很好地抑制，另一方面内环的模型预测控制由于无需调制环节使得系统的动态响应速度加快。
📄 2021109633885
📂 H02P21_14
👤 浙江工业大学
📅 2021-08-20
本发明公开了基于PI前馈模型预测控制算法的馈能型悬架控制系统，属于车辆控制领域，包括步骤：S1、建立馈能悬架系统动力学模型；S2、建立能量回馈控制系统仿真模型；S3、设计电压外环控制器，通过PI控制器和基于模型的前馈补偿器计算得到参考电流；同时设计负载扰动观测器对负载的变化进行观测；S4、设计电流内环控制器，通过模型预测控制算法计算得到最优占空比；同时设计电感电流观测器对电感电流进行等效估计以避免输入电压和电感电阻的变化对回馈电能质量的影响。本发明可有效地改善回馈电能的质量，同时在外界发生扰动时依旧可以保持良好的控制效果。此外，本发明还可以有效地提高车辆的乘坐舒适性和操纵稳定性。
📄 2022109871816
📂 H02M3_156
👤 燕山大学
📅 2022-08-17
本发明公开了一种基于数据驱动的网联车辆队列系统模型预测控制方法，包括：获取车辆队列系统中不同车型的运动数据集；结合深度学习和Koopman算子理论对车辆队列中车辆的纵向动力学进行数据驱动建模，得到数据驱动模型；确定通信拓扑结构和系统控制目标；基于数据驱动模型，设计分布式模型预测控制算法，实现控制器设计，最终实现车辆队列系统保持期望目标稳定行驶；本发明避免了非线性模型约束带来的非凸优化问题求解。
📄 2024114389521
📂 G05D1_43
👤 燕山大学
📅 2024-10-15
本发明涉及一种背靠背转换器的分布式模型预测控制方法，所提出的分布式模型预测控制方法应用于背对背转换器的直接功率控制和直流链路电压控制。FCS‑MPC问题以分布式方式制定，整个系统被分成更简单的子系统。单个控制器能够彼此通信以共同决定本地切换序列。所提出的分布式模型预测控制公式能够为具有涉及容错，灵活性和高控制能力的硬要求的系统提供可行的控制实现，而不存在一个大型集中优化问题的解决方案。本发明有利于减少原来解决方案的计算负担，并为未来发展方向提供指导。
📄 2017101637947
📂 G05B13_04
👤 福州大学
📅 2017-03-20
本发明公开了一种太阳能电动汽车用光储驱系统模型预测控制方法，首先采样太阳能电池板的输出电压、电流，通过扰动观测MPPT控制器后转获速得控0制轴器电后流获给得定q值轴电I0*流；采给样定电值机Iq转*；速然与后位采置样信电号机，相通电过流电，机通过模型预测控制器得到到d轴、q轴、以及0轴电压量；最后，根据坐标变换后得到的相电压大小，对第二大相电压对应的载波进行取反，并通过PWM调制得到开关管的驱动信号。本发明通过模型预测控制和0轴电压脉动最小化PWM调制技术，在提升太阳能电动汽车用光储驱系统动态性能的同时，降低了零序电流纹波，有效提高了系统的动稳态性能。
📄 2021107928232
📂 B60L8_00
👤 南通大学
📅 2021-07-14
本公开实施例中提供了一种数据驱动的压电微驱动器无模型预测控制方法，属于电学技术领域，具体包括：步骤1，给定压电微驱动器控制系统期望的参考轨迹；步骤2，输入初始控制信号进行初始采样并构建一阶张量积多项式逼近求解器求解一阶张量和二阶张量的列向量化表示；步骤3，根据一阶张量和二阶张量的列向量化表示对压电微驱动器进行动态线性化，得到逼近模型；步骤4，设计数据驱动无模型预测控制器并根据参考轨迹和逼近模型求解预测控制器，得到最优控制序列；步骤5，将最优控制序列的首个控制量作为下一步的最优控制输入控制压电微驱动器控制系统。通过本公开的方案，提高了控制效率、精准度和适应性。
📄 2022106690560
📂 G05B11_42
👤 江西神黄电力电气有限公司
📅 2022-06-14
本发明的直升机显式模型预测控制中基于k‑d树的点定位方法，提出一种基于k‑d树的树型存储结构和相应的控制律在线查找方法。该树型结构结合了搜索二叉树(BST)和k‑d树，“树根”部分由k‑d树构成，“树梢”部分由搜索二叉树(BST)构建而成。主要包含以下步骤：(1)建立Quanser三自由度直升机的状态空间模型和状态空间分区集；(2)离线计算，对状态分区集建立树型存储结构；(3)在线搜索当前状态点所在分区；(4)应用于Quanser三自由度直升机系统。
📄 2017109323863
📂 G05B13_04
👤 浙江工业大学之江学院
📅 2017-10-10
柿子坊 · 知识产权运营
柿子坊知识产权运营平台