本文简要介绍了微波加热的原理，分析了微波加热目前国内外的研究现状，具体介绍了模型参考自适应控制（MRAC）的结构和原理，将MRAC运用到微波加热中与传统微波加热系统做了对比实验，仿真结果表明，与传统PID控制微波加热系统相比，应用MRAC的微波加热系统具有更好的跟踪性能和鲁棒性。这表明应用MRAC方法可以消除抖振现象，呈现出良好的跟踪性能，能有效避免超调，并提供快速的稳定时间，这将间接提高微波加热过程的有效性。最后结合我实验室的工业微波炉，对将MRAC同神经网络结合来实现对微波加热时温度的更精确控制作出了展望。
2022-06-25 16:05:19
539KB
二、模型参考自适应控制
所谓模型参考自适应控制 ,就是在系统中设置一个动态品质优良的参考模型 ,在系统运行
过程中 ,要求被控对象的动态特性与参考模型的动态特性一致 , 例如要求状态一致或输出一
致。典型的模型参考自适应系统如图 1. 2 2 所示。
自适应控制的作用是使控制对象的状态 Xp 与理想的参考模型的状态 Xm 一致。当被控对
象的参数变化或受干扰影响时 , Xp 与 X m 可能不一致 ,通过比较器得到误差向量 e,将 e输入到
自适应机构。自适应机构按照某一自适应规律调整前馈调节器和反馈调节器的参数 ,改变被控
对象的状态 Xp ,使 Xp 与 X m 相一致 ,误差 e趋近于零值 ,以达到自适应的要求。
在图 1. 2 2 所示的模型参考自适应控制方案中参考模型和被控对象是并联的 ,因此这种
方案称为并联模型参考自适应系统。在这种自适应控制方案中 ,由于被控对象的性能可与参考
模型的性能进行直接比较 ,因而自适应速度比较快 ,也较容易实现。这是一种应用范围较广的
方案。控制对象的参数一般是不能调整的 ,为了改变控制对象的动态特性 ,只有调节前馈调节
器和反馈调节器的参数。控制对象和前馈调节器及反馈调节器一起组成一个可调整的系统 ,称
之为可调系统 ,如图 1. 2 2中虚线所框的部分。有时为了方便起见就用可调系统方框来表示被
控对象和前馈调节器及反馈调节器的组合。
图 1. 2 2 模型参考自适应系统
除了并联模型参考自适应控制之外 ,还有串联模型参考自适应控制和串并联模型参考自
适应控制。在自适应控制中一般都采用并联模型参考自适应控制。
上面按结构形式对模型参考自适应控制系统进行分类 ,还有其他的分类方法。例如按自适
—2—
2022-06-08 11:35:45
3.21MB
1
二阶广义积分器的本质也是为了产生一组正交信号，频率为的输出信号反馈到二阶广义积分器，产生一组正交信号。此种方法的基础理论是自适应陷波器（AF），因为AF结构较复杂，所以优化AF结构后产生了广义积分器（GI），但GI的滤波带宽 不仅与中心频率有关，还与静态增益k有关，势必不适应与变频环境，所以为了解决这个问题，改进后的二阶广义积分器（SOGI）的 自适应滤波带宽只与增益k，可以应用到变频环境中。相比于其他产生正交信号的方法，该方法产生的正交信号适应性很强，对于略有畸变输入基波，同样可以利用，并产生理想的正交信号，大大改善了常规单相PLL的性能。
仿真算法：
（1）单相锁相环PLL；
（2）基于二阶广义积分锁相环SOGI_PLL；
2022-06-06 13:52:38
15.31MB
警告！ 这不是一个完全有效的模型。 学生应该调整它并添加相关的过滤，以使算法实用，即转子磁通应假设为不可访问。 尽管如此，控制系统的基本结构，包括 MRAS，可以提供一个方便的起点。 祝你好运！
2022-05-23 20:06:55
60KB
1
二、离散模型参考自适应控制
控制对象的离散方程为
A( q
- 1
) y( t) = q
- d
B ( q
- 1
) u( t) ( 3 .4 21)
式中
A ( q
- 1
) = 1 + a1 q
- 1
+ … + anq
- n
( 3 .4 22)
B ( q
- 1
) = b0 + b1 q
- 1
+ … + bmq
- m
( 3 .4 23)
参考模型的离散方程为
E ( q
- 1
) ym ( t) = q
- d
g H ( q
- 1
) r( t) ( 3 .4 24)
式中
E( q
- 1
) = 1 + e1 q
- 1
+ … + el q
- l
( 3 .4 25)
H ( q
- 1
) = 1 + h1 q
- 1
+ … + hl q
- l
( 3 .4 26)
E( q
- 1
) 稳定。设
G( q
- 1
) =
q
- d
g H ( q
- 1
)
E( q
- 1
)
要求控制对象的输出 y( t) 跟踪参考模型的输出 ym ( t)。系统如图 3 .4 1 所示。
先将式 (3 .4 21) 变换成下列预测形式
E( q
- 1
) y( t + d) = α( q
- 1
) y ( t) +β( q
- 1
) u( t) ( 3 .4 27)
—27—
2022-05-11 16:11:25
3.21MB
1