燃料电池空气供给系统模型预测控制方法

    公开(公告)号:CN109524693A

    公开(公告)日:2019-03-26

    申请号:CN201811345140.7

    申请日:2018-11-13

    申请人: 吉林大学

    摘要: 一种燃料电池空气供给系统模型预测控制方法,属于控制技术领域。本发明的目的是对质子交换膜燃料电池系统的过氧比进行调节,避免氧饥饿,以实现系统平稳运行的燃料电池空气供给系统模型预测控制方法。本发明步骤是:步骤一:建立高精度面向控制的燃料电池空气供给系统动态模型;步骤二:确定质子交换膜燃料电池系统的过氧比参考值;步骤三:采用扩展状态观测器对阴极内部压力值和系统扰动进行估计;步骤四:设计质子交换膜燃料电池系统的过氧比控制器。本发明利用扩展状态观测器对输出估计误差进行实时调节,同时输出误差能够在有限时间内收敛到零,实现对不可测量值阴极管道压力的准确估计。

    轮毂驱动电动汽车纵、横和垂向力集成控制优化方法

    公开(公告)号:CN109204317A

    公开(公告)日:2019-01-15

    申请号:CN201810817307.9

    申请日:2018-07-24

    申请人: 吉林大学

    摘要: 一种轮毂驱动电动汽车纵、横和垂向力集成控制优化方法,属于电动汽车控制技术领域。本发明的目的是采用分层式协同控制结构,从而解决现有现有控制系统存在的四个缺点的轮毂驱动电动汽车纵、横和垂向力集成控制优化方法。本发明将车辆合力与四轮轮胎力之间的关系带入车身六自由度方程得出车辆运动学控制目标纵向速度,侧向速度,垂向速度,俯仰角,侧倾角,横摆角的期望值,从而对其进行优化。本发明提出了分层式轮胎纵、横、垂向力三者统一优化分配的集成控制方法,有效消除不同底盘电子控制系统之间的冲突并增强其互补性,综合提升车辆操纵稳定性并改善车辆行驶姿态,具体体现在提升了车辆的道路跟踪性能、安全性、操纵性、稳定性以及舒适性。

    永磁同步电机驱动系统延寿和转矩精确控制方法

    公开(公告)号:CN111884554B

    公开(公告)日:2021-10-15

    申请号:CN202010788355.7

    申请日:2020-08-07

    申请人: 吉林大学

    摘要: 本发明公开了一种永磁同步电机驱动系统延寿及转矩精确控制方法,首先通过设计电机转矩与磁链的跟踪代价函数、驱动系统能耗代价函数和极限安全代价函数来完成模型预测控制中目标函数的设计;然后引入占空比调制,结合目标函数求解系统下一时刻最优的开关量与占空比组合,精确控制逆变器;最后应用转矩滞环控制调制永磁同步电机工作的实际转矩幅值,通过判断下一时刻电机转矩的预测值与安全极限值的关系合理调控下一时刻转矩的期望值;循环计算,进而完成对永磁同步电机的控制。本发明实现了对永磁同步电机驱动系统高精度、低能耗、低风险的综合延寿控制。

    永磁同步电机模型预测-直接转矩控制方法

    公开(公告)号:CN109391202B

    公开(公告)日:2021-09-28

    申请号:CN201811325725.2

    申请日:2018-11-08

    申请人: 吉林大学

    摘要: 一种永磁同步电机模型预测‑直接转矩控制方法,属于控制技术领域。本发明的目的是利用降维观测器完成对系统中转矩和磁链的准确估计,然后采用模型预测控制算法来设计轮毂电机驱动系统控制器的永磁同步电机模型预测‑直接转矩控制方法。本发明步骤是:选择电机转矩和磁链为状态量,选取使转矩与磁链预测值与期望值误差最小的目标函数,获得控制电机的三相电压完成对PMSM的控制。本发明应用的模型预测控制算法能够有效处理多输入多输出以及多约束的优化控制问题,取替了传统直接转矩控制中滞环比较器和开关选择模块,避免了滞环的上下限脉动和不必要的开关损耗,有效抑制了驱动电机的转矩脉动。

    永磁同步电机驱动系统延寿和转矩精确控制方法

    公开(公告)号:CN111884554A

    公开(公告)日:2020-11-03

    申请号:CN202010788355.7

    申请日:2020-08-07

    申请人: 吉林大学

    摘要: 本发明公开了一种永磁同步电机驱动系统延寿及转矩精确控制方法,首先通过设计电机转矩与磁链的跟踪代价函数、驱动系统能耗代价函数和极限安全代价函数来完成模型预测控制中目标函数的设计;然后引入占空比调制,结合目标函数求解系统下一时刻最优的开关量与占空比组合,精确控制逆变器;最后应用转矩滞环控制调制永磁同步电机工作的实际转矩幅值,通过判断下一时刻电机转矩的预测值与安全极限值的关系合理调控下一时刻转矩的期望值;循环计算,进而完成对永磁同步电机的控制。本发明实现了对永磁同步电机驱动系统高精度、低能耗、低风险的综合延寿控制。

    基于深度强化学习的智能车速度决策方法及其仿真方法

    公开(公告)号:CN111898211B

    公开(公告)日:2022-11-01

    申请号:CN202010788354.2

    申请日:2020-08-07

    申请人: 吉林大学

    摘要: 本发明公开了一种基于深度强化学习方法的智能车速度决策方法,构造智能车通过路口的马尔可夫决策模型的状态空间S,动作空间A,即时奖赏空间R;初始化神经网络,构建经验池;采用ε‑greedy算法进行动作的选择,并将此次经验填加进所述步骤二构建的经验池;从经验池随机选出一部分经验,采用随机梯度下降法训练神经网络;根据最新神经网络完成当前时刻智能车的速度决策,并将此次经验填加至经验池,随机选取一部分经验再进行新一轮神经网络的训练。本发明同时公开了一种基于深度强化学习的智能车速度决策方法的仿真方法,基于matlab自动驾驶工具箱搭建的深度强化学习仿真系统进行仿真实验。

    轮毂驱动电动汽车纵、横和垂向力集成控制优化方法

    公开(公告)号:CN109204317B

    公开(公告)日:2020-05-22

    申请号:CN201810817307.9

    申请日:2018-07-24

    申请人: 吉林大学

    摘要: 一种轮毂驱动电动汽车纵、横和垂向力集成控制优化方法,属于电动汽车控制技术领域。本发明的目的是采用分层式协同控制结构,从而解决现有现有控制系统存在的四个缺点的轮毂驱动电动汽车纵、横和垂向力集成控制优化方法。本发明将车辆合力与四轮轮胎力之间的关系带入车身六自由度方程得出车辆运动学控制目标纵向速度,侧向速度,垂向速度,俯仰角,侧倾角,横摆角的期望值,从而对其进行优化。本发明提出了分层式轮胎纵、横、垂向力三者统一优化分配的集成控制方法,有效消除不同底盘电子控制系统之间的冲突并增强其互补性,综合提升车辆操纵稳定性并改善车辆行驶姿态,具体体现在提升了车辆的道路跟踪性能、安全性、操纵性、稳定性以及舒适性。

    四轮驱动电动汽车路面附着系数估计方法

    公开(公告)号:CN109515442A

    公开(公告)日:2019-03-26

    申请号:CN201811313945.3

    申请日:2018-11-06

    申请人: 吉林大学

    IPC分类号: B60W40/064

    摘要: 一种四轮驱动电动汽车路面附着系数估计方法,属于控制技术领域。本发明的目的是首先提出两种估计策略,设计最终估计器将二者综合,获取方法一利用附着系数在均值以上的点,代入方法二,获取准确有效的路面附着系数估计信息的四轮驱动电动汽车路面附着系数估计方法。本发明步骤是:基于公式法的路面附着系数估计,基于公式变形的路面附着系数估计,算法融合。本发明使估计方法更能应用于复杂多变的工况,适应性更强,附着系数估计值更有效准确。

    基于死区效应的永磁同步电机模型预测控制方法

    公开(公告)号:CN108900119B

    公开(公告)日:2021-07-23

    申请号:CN201810825226.3

    申请日:2018-07-25

    申请人: 吉林大学

    摘要: 一种基于死区效应的永磁同步电机模型预测控制方法,属于控制技术领域。本发明的目的是以逆变器开关为核心,针对实际逆变器存在的死区时间进行了改进,实现了转矩准确快速的动态响应,提升了电机工作区域效率的基于死区效应的永磁同步电机模型预测控制方法。本发明步骤是:永磁同步电机及逆变器死区建模、考虑死区的有限集MPC转矩优化控制。本发明采用的模型预测控制方法在实现与传统矢量控制同样的转矩跟踪控制效果情况下,通过开关优化方式,能有效减少电机驱动系统内部功耗(包括电机铜损和逆变器的开关损耗和导通损耗),进而提高电机工作区域的效率,提升经济性。

    基于深度强化学习的智能车速度决策方法及其仿真方法

    公开(公告)号:CN111898211A

    公开(公告)日:2020-11-06

    申请号:CN202010788354.2

    申请日:2020-08-07

    申请人: 吉林大学

    摘要: 本发明公开了一种基于深度强化学习方法的智能车速度决策方法,构造智能车通过路口的马尔可夫决策模型的状态空间S,动作空间A,即时奖赏空间R;初始化神经网络,构建经验池;采用ε-greedy算法进行动作的选择,并将此次经验填加进所述步骤二构建的经验池;从经验池随机选出一部分经验,采用随机梯度下降法训练神经网络;根据最新神经网络完成当前时刻智能车的速度决策,并将此次经验填加至经验池,随机选取一部分经验再进行新一轮神经网络的训练。本发明同时公开了一种基于深度强化学习的智能车速度决策方法的仿真方法,基于matlab自动驾驶工具箱搭建的深度强化学习仿真系统进行仿真实验。