找到 2 条结果 · IEEE Transactions on Industrial Electronics
基于单元级的有限控制集模型预测控制在并联三相三电平逆变器中的应用
Cell-by-Cell-Based Finite Control Set Model Predictive Control for Paralleled Three-Phase Three-Level Inverters
Hanbin Zhou · Jian Yang · Xiaojiao Chen · Liansheng Huang 等6人 · IEEE Transactions on Industrial Electronics · 2024年7月
针对有低开关频率要求的高功率并联三相三电平逆变器，本文提出了一种基于逐个单元（CBCB）的新型有限控制集模型预测控制算法。首先，CBCB架构包含两个控制时序交错半个周期的独立逆变器。其次，在CBCB架构内，阐述了一种估计误差更小的延迟补偿方案。此外，为每个独立逆变器设计了一种新型代价函数，使等效控制频率提高一倍。第三，为提高计算效率，在相电压跃变约束和低相环流（PCC）要求下预选候选电压矢量。与传统的分散式有限控制集模型预测控制（FCS - MPC）算法和现有的优化算法相比，所提算法在低平均开关...
解读: 从阳光电源的业务视角来看，该论文提出的"逐单元"有限集模型预测控制算法对我司大功率光伏逆变器和储能系统产品线具有重要应用价值。 在技术层面，该算法针对并联三相三电平逆变器的控制难题提出了创新性解决方案。通过错开半个周期的交错控制时序设计，使等效控制频率提升一倍，这对我司1500V大功率光伏逆变器和...
基于吸引力增强型强化学习的去中心化多机器人鱼协同捕食控制
Decentralized Multirobotic Fish Pursuit Control With Attraction-Enhanced Reinforcement Learning
Yukai Feng · Zhengxing Wu · Jian Wang · Junwen Gu 等6人 · IEEE Transactions on Industrial Electronics · 2025年1月
自适应且高效的协同控制对多机器人鱼系统至关重要，可显著提升其在复杂水下任务中的表现。本文提出一种专为多机器人鱼协同追捕设计的新型自适应算法，融合吸引力机制与强化学习技术，使机器人鱼能依据局部观测与环境线索做出自适应决策。针对机器人鱼的独特动力学特性构建了状态转移环境，并结合课程学习方法设计了去中心化的追捕策略。仿真与实物实验验证了该策略的有效性与适应性，为复杂水下环境中多机器人鱼系统的协同控制提供了重要参考。
解读: 该去中心化多智能体协同控制技术对阳光电源分布式储能系统具有重要借鉴价值。文中的吸引力增强型强化学习算法可应用于PowerTitan大型储能系统的多模块协同控制，实现基于局部观测的自适应功率分配与负载均衡。去中心化决策架构可提升ST系列储能变流器集群的容错性与可扩展性，避免单点故障。课程学习方法可优化...