垂直侵徹深度計算算法研究

2021-01-09 電子產品世界

1 引言

本文引用地址:http://www.eepw.com.cn/article/226718.htm

交流電機具有非線性、強耦合特點,很難用精確的數學模型描述。在實時控制中還會受到測量誤差、參數變化等不確定性因素的影響。直接轉矩控制技術以其控制思想新穎,系統結構簡單,動靜態性能優良等特點而獲得普遍重視。但直接轉矩控制轉矩脈動大、低速性能差。磁鏈準確觀測是提高直接轉矩控制性能的關鍵環節。常規u-i模型在理論上具有較高精度,但在實際中低速時偏差較大,導致轉矩脈動增大。由於定子電流與轉速確定定子磁鏈的i-u模型,及定子電壓與轉速確定定子磁鏈的u-n模型都依賴於電機參數,因此,定子電阻阻值隨運行情況變化,是磁鏈觀測的不確定因素。針對磁鏈計算存在的問題,很多學者提出多種解決方法:針對電機電阻參數在運行中發生明顯變化,文獻[2]採用電阻的自適應辨識算法實時得到電阻實際值,從而克服了電阻變化的不確定性;文獻[3]利用定子電壓的三次諧波分量計算氣隙磁通,磁鏈計算完全獨立於電機的參數,特別是定子電阻影響,獲得較好的低速性能;文獻[4]將擴張狀態觀測器應用於感應電機的轉子磁鏈觀測。

2 擴張狀態觀測器ESO

狀態觀測器設計基於系統已知輸入及測量輸出來重構系統狀態。其輸出誤差的校正通常分為線性校正和變結構校正。基於輸出誤差的非光滑連續校正思想,提出適用於一類不確定對象的擴張狀態觀測器ESO(Extended State Observer)。擴張狀態觀測器的一般形式:

式中,xj(j=1,2)為系統狀態,u為控制輸人,f(xj,t)為狀態的未知函數及未知外擾,它還包括系統中所有不確定項。

當f(x1,x2,t)已知時,其觀測器可設計為:

大多數情況下f(x1,x2,t)是未知的,所以對於一類單輸入單輸出非線性不確定對象:

記,a(t)=f(x1,x2,……,xn-1,xn,t)+w(t)為擴張的狀態變量。根據自抗擾控制理論,如能選擇合適的非線性函數g1(…),…,gn+1(…),就可使z1,……,zn+1跟蹤上y,y,y,y(n+1)和系統總的擾動a(t),即:

觀測器可取如下非線性函數:

在系統模型攝動f(x1,X2,……,xn-1,xn,t)和外擾w(t)未知的情況下,可以將Zn+1=a(t)作為a(t)的估計值,以補償不確定性受控對象的控制器設計中「模型和未知外擾」。擴張的狀態觀測器實際就是得到系統輸出y(t)的估計信號z1(t)及其各階導數信號zi(t)(i= 2,……,n),及系統擾動估計信號Zn+1=(t)。

3 基於擴張狀態觀測器的永磁同步電機算法

永磁同步電機受電機參數(如電阻、電感、慣量以及磁鏈)變化、外部負載擾動和非線性等因素的影響。由於難以實現基於精確電機模型的解耦,經典控制很難克服這些不良影響,無法取得令人滿意的控制效果,因此採用先進的電機控制算法提高交流調速系統的性能成為研究熱點。

由於擴張狀態觀測器可觀測出系統狀態和自動補償系統的內外未知擾動(外擾和未建模動態),理論上對負載擾動、電機參數變化都有較強的魯棒性。將擴張狀態觀測器應用於自抗擾控制器的設計,可獲得較好控制效果,但該控制器有多個可調參數,不易於丁業應用中參數調試。為簡化控制器設計,減少可調參數,採用線性擴張狀態觀測器觀測電機模型狀態和擾動,使得控制器設計更簡單,需調節參數更少。以一階為例,介紹如何構造線性觀測器。對於一階系統:

式中,y為系統輸出,f(x,t)為未知的非線性時變函數,w(t)為外部擾動,u(t)為控制輸入,b為模型參數,b0為b的估計。


相關焦點

  • 寒旱所合作提出計算非均質土壤凍融深度的簡易算法
    中國科學院寒區旱區環境與工程研究所科研人員與加拿大多倫多大學科研人員合作提出了將史蒂芬方程運用到計算分層堆積土壤凍融深度的簡易算法。這一算法的提出為模擬計算非均質巖土組成的活動層凍融深度提供了簡單易行的方法。  據悉,史蒂芬方程是奧地利科學家Stefan教授於1890年提出的傅立葉熱傳導方程近似解的公式表達,最初用於模擬北極地區湖冰的凍結和消融過程。
  • 深度學習量子退火量子計算N種算法
    |人工智慧|VRAR|大數據|雲計算等前沿科技領域的專業研究性訂閱號隨者報導內容的不段豐富,粉絲數量大幅提升,經觀眾反饋及高手點撥,即日起進行專業分離,是為了粉絲有更佳的訂閱體驗感謝字幕組、技術組團隊的辛勤工作提到量子計算,首先得弄清什麼是量子退火(quantum annealing
  • 深度學習算法,加快新興科技產業材料發現
    由於化學設計空間廣闊,候選者空間高,實驗試驗和一級計算模擬不能作為篩選工具來解決這個問題。相反,研究人員已經開發出一種基於深度學習的智能算法,該算法使用一種稱為生成對抗網絡(GAN)模型的技術,大幅提高材料搜索效率,高達兩個數量級。它有可能大大加快新型功能材料的發現。
  • 聽說你了解深度學習最常用的學習算法:Adam優化算法?
    By蔣思源2017年7月12日  深度學習常常需要大量的時間和機算資源進行訓練,這也是困擾深度學習算法開發的重大原因。雖然我們可以採用分布式並行訓練加速模型的學習,但所需的計算資源並沒有絲毫減少。而唯有需要資源更少、令模型收斂更快的最優化算法,才能從根本上加速機器的學習速度和效果,Adam算法正為此而生!
  • 深度| 曠視人工智慧算法平臺Brain++憑什麼在烏鎮網際網路大會獲獎?
    為此曠視從 2014 年開始自研深度學習框架,到現如今構建了一整套圍繞 AI開發的整體系統。很多人會誤以為這僅僅只是曠視的一個深度學習框架,或者是企業內部開發的雲計算平臺。而事實上,Brain++ 在曠視內部已成為了支撐算法研究和開發的整體基礎底層平臺。
  • 戴瓊海:深度學習遭遇瓶頸,全腦觀測啟發下一代AI算法
    在大會上,中國工程院院士戴瓊海做了主題為《人工智慧:算法·算力·交互》的特邀報告,從算力、算法與人機互動三方面展開了分享,指出光電智能計算是未來算力發展的一大候選,深度學習遭遇算力和算法瓶頸,全腦觀測對於啟發下一代AI算法至關重要,在人機互動的發展中,我們要謹記圖靈的教誨,完善AI倫理,並且機器視覺、觸覺的協同是一大技術重點。
  • 深度學習:神經網絡算法的昨天、今天和明天
    四、深度學習的發展現狀和趨勢2017年,ImageNet圖像分類競賽宣布完成了最後一屆。但這並不意味著深度學習偃旗息鼓,恰恰相反,深度學習的研究和應用脫離了之前以「分類問題」為研究主題的階段,進入了廣泛發展的階段。同時,與深度學習相關的國際會議投稿量逐年呈指數式地增加,也說明有越來越多的研究者和工程師投身於深度學習算法的研發和應用。筆者認為,深度學習近年來的發展呈現出以下幾個趨勢。
  • 研究人員受跳蛛啟發研發超透鏡 結合高效算法可測量深度距離
    Paulson School of Engineering and Applied Sciences,SEAS)的研究人員研發了一款緊湊且高效的深度傳感器,可用於微型機器人、自動駕駛汽車、小型可穿戴設備、或者輕量級虛擬實境(VR)和增強現實(AR)頭顯。該設備結合了一個多功能、平面超透鏡與一個超高效的算法,可以在單個鏡頭中測量深度。
  • 複雜場景下的 OCR 如何實現——深度學習算法綜述
    隨著近些年深度學習技術的迅速發展,基於深度學習的OCR技術也已逐漸成熟,能夠靈活應對不同場景。三、深度學習目前,基於深度學習的場景文字識別主要包括兩種方法,第一種是分為文字檢測和文字識別兩個階段;第二種則是通過端對端的模型一次性完成文字的檢測和識別。
  • Life Science Alliance:深度學習算法有助於鑑定癌細胞的分子特徵
    2019年12月4日 訊 /生物谷BIOON/ --根據發表在《Life Science Alliance》雜誌上的新研究,一種新的深度學習算法可以快速,準確地分析來自結直腸腫瘤的幾種基因組數據,以進行更準確的分類,從而有助於改善診斷和相關的治療選擇。大腸腫瘤的發展方式各不相同,需要接受的藥物類型也不同,生存率也大不相同。
  • 研究發現:數據壓縮算法可以改變物理和生物學的計算
    在複雜的物理系統中,內部元素的相互作用是不可避免的,這使得熵的計算成為一項計算量大且通常難以解決。有人可能會感到奇怪,上面提到的數據壓縮算法和熵這兩個不同概念,兩者看起來毫不相干,怎麼就連到了一起來了呢?
  • 英特爾聚焦全棧量子研究:發布多項重磅量子計算研究成果
    (「IEEE Quantum Week 2020」)上,英特爾將展示一系列研究成果,著重介紹其在量子計算硬體、軟體和算法領域的創新性全棧方法這些研究成果展示了量子計算在這些領域的重要進展,對於構建可運行應用程式、可擴展的商業級量子系統至關重要。
  • 英特爾全棧量子研究:發布多項重磅量子計算研究成果
    這些研究成果展示了量子計算在這些領域的重要進展,對於構建可運行應用程式、可擴展的商業級量子系統至關重要。 「英特爾一直專注於量子計算在短期內的實用性應用,這項顛覆性技術正在走出物理實驗室,並穩步過渡到工程領域。從控制量子比特的自旋量子位硬體和cryo-CMOS技術到軟體和算法研究,英特爾研究院在量子計算堆棧的每一層上都取得了切實的進步,大力推動可擴展、可商業應用的量子架構。
  • 前沿| 利用遺傳算法優化神經網絡:Uber提出深度學習訓練新方式
    許多人認為,SGD 算法有效計算梯度的能力對於這種訓練能力而言至關重要。但是,Uber 近日發布的五篇論文表明,神經進化(neuroevolution)這種利用遺傳算法的神經網絡優化策略,也是訓練深度神經網絡解決強化學習(RL)問題的有效方法。
  • 騰訊優圖推出卷積神經網絡深度學習算法模型
    近年來機器學習算法在醫療領域的大展拳腳(糖尿病視網膜病變/皮膚病/甲狀腺結節等),基於卷積神經網絡算法(機器學習算法一類)的肺結節診斷模型有望解決這一難題。輸出模塊:在結節診斷網絡計算出所有結節的惡性評分後,對其進行融合以得出最後的圖象級惡性評分。融合圖像級惡性腫瘤評分可用公式Pf=1−(1−p1)(1−p2)…計算。
  • 接地槽土方的算法,計算公式在這裡
    之前我記得寫過一篇關於接地定額等文章,但是有人私信我說接地槽土方算法沒有看懂,到底是怎麼算的。其實這個仔細看看定額就明白了,定額上都有具體的說法。很多人可能都沒有注意過,接地槽土方也是最簡單的一個,就是當長方體計算的。
  • 華中大提出新型採樣與重建算法, 提升稀疏深度稠密補全任務性能
    在本文中研究人員主要從數據和先驗的角度來改進算法,一方面與傳統採樣方法不同, 提出了一種基於泊松disk的採樣方式 ;另一方面與先前使用的規則處理核不同, 利用了圖卷積動態重建的方法 更好地恢復出稠密的深度結果。  實驗表明這種策略可以在更少的測量點情況下獲取更好的重建結果,同時對於室內和室外的場景都具有良好的泛化性。
  • 新一代算法「鑑黃師」誕生,中科院計算所研究生一作
    忽略某一特定場景下有針對性的訓練,直接套用其他現成算法,結果是十分糟糕的。風險或違規樣本收集成本較高,業務存在對抗和變異等特點,使得深度學習模型無以為繼,因此研究探索基於小樣本和增量學習技術的模型訓練與迭代,變得非常重要。現實的情況是,大部分算法面臨著少量訓練數據和廣泛應用場景的矛盾。
  • 使用Numpy進行深度學習中5大反向傳播優化算法的性能比較
    在本文中,我們將通過計算二次凸函數的最優點來數值比較主要的深度學習優化算法的性能。簡介深度學習被稱為人工智慧的未來。現在,神經網絡被稱為通用函數逼近器,也就是說,它們有能力表示這個宇宙中任何複雜的函數。計算這個具有數百萬個參數的通用函數的想法來自優化的基本數學。優化可以通過多種方式完成,但在本文中,我們將重點討論基於梯度下降的優化技術。
  • 基於小波變換的圖像壓縮算法改進研究
    Z字型掃描  人眼對低頻係數比較敏感,對高頻係數不太敏感,對垂直和水平方向子圖比較敏感,對對角線方向的子圖不太敏感,因此,掃描必須從最低頻逐漸向高頻按照從左到右、從上到下的順序,覆蓋完所有的係數,看起來像一個「Z」字。