论文部分内容阅读
在电气化铁路牵引供电系统控制中,控制对象动态特性通常难以用精确的数学模型来描述,且其本身由于环境等因素影响,使系统参数易于发生摄动,导致系统不稳定。此外,即使建立了精确的数学模型,但由于复杂度太高,设计控制器时必须进行简化,也会导致系统的不确定性。对于不确定性系统的控制问题,鲁棒控制理论可以有效地解决。铁路功率调节器(Railway static Power Conditioner,RPC)补偿系统就是具有不确定性的控制系统,对其开展鲁棒控制研究是非常有意义的,本文采用μ综合控制及H_∞控制鲁棒控制理论,对电气化铁路中RPC补偿系统进行了相应的控制器设计及仿真实验,具体研究工作如下:(1)根据RPC补偿系统的结构及其工作原理,对系统各个参量关系进行矢量分析,并建立相应的数学模型。(2)提出一种基于改进型PSO算法的RPC系统补偿方法,解决传统粒子群算法中由于粒子多样性的减少及缺少跳出局部优值区域的机制,而造成的容易陷入局部最优值的问题,改进的PSO算法具有多群体和多速度更新方式。在RPC补偿供电系统中,选取a相供电臂电流谐波畸变率、a相供电臂电流误差绝对值积分及直流电压误差绝对值积分组成优化目标函数,并建立基于改进型PSO算法的RPC系统优化模型进行仿真,实验结果表明,改进后的方法可降低系统的超调且提高响应速度,改善RPC动态性能。(3)提出一种基于模型匹配的RPC系统μ综合鲁棒控制方法,实际RPC系统结构中的交流侧电感L难以精确测定,且其会随时间变化而变化,参数的摄动对系统建模造成极大不确定性。采用μ综合鲁棒方法对系统进行控制,从广义系统中分离出不确定块,将RPC系统的模型匹配问题转化为结构化不确定性问题,通过DK迭代方法求解出μ综合控制器。仿真验证,μ综合控制器可以较好地保证RPC系统的标称性能和鲁棒性能,提升了铁路功率调节器的动态性能,有利于实现装置的正常稳定运行。(4)提出一种基于猫群算法的RPC补偿系统的H_∞鲁棒控制方法,鲁棒H_∞控制的设计中加权函数对控制器的鲁棒性起决定性作用,该方法用于解决现有理论技术对于加权函数的构建没有统一的形式方法问题。猫群算法具有群体智能优化,随机搜索达到全局最优的特点,将猫群算法用于加权函数的构建中,设计得到H_∞控制器。仿真验证,H_∞控制器可以提升RPC系统的鲁棒性。