教授-信电学院-苗敬利

基于新型趋近律的永磁同步电机模糊滑模控制苗敬利;郑大伟;周重霞【摘要】针对永磁同步电机运行过程中由于参数变化和外部扰动造成系统瞬态性能和稳定性变差等问题,提出一种基于改进的幂次指数趋近律的模糊自适应滑模控制器设计方法,将控制器用于永磁同步电机速度控制.引入积分滑模面和模糊自适应方法优化趋近律未知参数,并与传统指数趋近律滑模控制对比.仿真实验表明,该方法能有效降低抖振,提高系统静态性能、动态性能和鲁棒性.【期刊名称】《电气传动》【年(卷),期】2019(049)003【总页数】5页(P3-7)【关键词】滑模控制;模糊自适应控制;趋近律;积分滑模面;永磁同步电机【作者】苗敬利;郑大伟;周重霞【作者单位】河北工程大学信息与电气工程学院,河北邯郸 056038;河北工程大学信息与电气工程学院,河北邯郸 056038;河北工程大学信息与电气工程学院,河北邯郸 056038【正文语种】中文【中图分类】TM341永磁同步电机由于其效率高、体积小、转矩/惯量比大等优点被广泛应用于工业控制领域。

滑模控制是永磁同步电机高性能控制中应用比较广泛和成熟的控制策略［1］。

而受控制系统参数变化和外部扰动等因素影响，永磁同步电机滑模控制系统性能有待提高。

采用基于趋近律的滑模控制策略及空间电压矢量调制（SVPWM）方案，永磁同步电机控制性能明显提升。

文献［2］用变指数趋近律和滑模控制方法代替传统PI控制，用于最大转矩电流比控制速度，系统稳态性能得到提升。

文献［3］的方法是将速度、转矩和磁链两级均采用滑模控制策略，以提升系统外扰作用下的动态性能，但趋近律和滑模面选择方案过于粗略，且需要判断矩阵的可逆性，计算量大。

文献［4］引入模糊控制策略优化系统参数，并成功应用于航空发动机控制系统。

本文采用改进的幂次指数趋近律滑模控制（IPEALSMC）并结合模糊自适应控制方案代替永磁同步电机PI速度控制器。

控制系统结构如图1所示。

为快速、稳定地到达滑模面，采用模糊自适应控制方案，使改进的幂次指数趋近律未知参数ε和k 的最佳范围能根据永磁同步电机的速度偏差和偏差变化率自动调节，从而提高系统动态品质。

中国科学院信息工程研究所2014级硕士推免生拟录取名单第一批97第二批12第三批4序号姓名性别所在学校部门1 北京交通大学第一研究室2 西安电子科技大学第一研究室3 华中科技大学第一研究室4 武汉大学第一研究室5 北京交通大学第一研究室6 武汉大学第一研究室7 中国科学技术大学第一研究室8 厦门大学第一研究室9 四川大学第一研究室10 中国科学技术大学第一研究室11 海南大学第一研究室12 北京交通大学第一研究室13 贵州大学第一研究室14 中央民族大学第一研究室15 华中科技大学第一研究室16 湖南大学第一研究室17 西安电子科技大学第一研究室18 北京科技大学第一研究室19 电子科技大学第一研究室20 电子科技大学第一研究室21 电子科技大学第一研究室22 电子科技大学第一研究室23 山东大学（威海）第一研究室24 武汉理工大学第一研究室25 西安电子科技大学第一研究室26 西南交通大学第一研究室27 中国海洋大学第一研究室28 重庆大学第一研究室29 华中科技大学第二研究室30 浙江大学第二研究室31 四川大学第二研究室32 四川大学第二研究室33 武汉大学第二研究室34 华中科技大学第二研究室35 中国科学技术大学第二研究室36 中南大学第二研究室37 哈尔滨工业大学第二研究室38 华中科技大学第二研究室39 哈尔滨工业大学第二研究室40 哈尔滨工业大学第二研究室41 南开大学第二研究室42 武汉大学第二研究室43 厦门大学第二研究室44 中央民族大学第二研究室45 四川大学第二研究室46 北京交通大学第二研究室47 电子科技大学第二研究室48 东北师范大学第二研究室49 哈尔滨工业大学第二研究室50 吉林大学第二研究室51 南开大学第二研究室52 中国人民大学第二研究室53 首都经济贸易大学第二研究室54 大连理工大学第二研究室55 四川大学第二研究室56 河北工业大学第三研究室57 哈尔滨工程大学第三研究室58 中国科学技术大学第三研究室59 浙江大学第三研究室60 厦门大学第三研究室61 清华大学第三研究室62 浙江大学第三研究室63 中国地质大学(武汉) 第三研究室64 河北大学第三研究室65 北京科技大学第三研究室66 中国科学技术大学第三研究室67 北京科技大学第三研究室68 吉林大学第三研究室69 北京科技大学第三研究室70 武汉理工大学第三研究室71 河北大学第三研究室72 河北大学第三研究室73 电子科技大学第三研究室74 河北大学第三研究室75 河北大学第三研究室76 中国石油大学（华东）第三研究室77 中国科学技术大学第三研究室78 四川大学第四研究室79 四川大学第四研究室80 北京工业大学第四研究室81 北京科技大学第四研究室82 北京科技大学第四研究室83 电子科技大学第四研究室84 山东大学（威海）第四研究室85 浙江工业大学第四研究室86 中北大学第四研究室87 中山大学第四研究室88 中南大学第四研究室89 南开大学第四研究室90 郑州大学第四研究室91 哈尔滨工业大学第五研究室92 中国人民大学第五研究室93 北京工业大学第五研究室94 华中科技大学第五研究室95 陕西师范大学第五研究室96 中国科学技术大学第五研究室97 中国科学技术大学第五研究室序号学生姓名性别所在学校拟录取部门1 中国科学技术大学第二研究室2 北京大学第三研究室3 北京邮电大学第三研究室4 北京邮电大学第三研究室5 北京邮电大学第三研究室6 北京邮电大学第三研究室7 中南大学第四研究室8 清华大学第五研究室9 西安交通大学第五研究室10 华中科技大学第五研究室11 中南大学第五研究室12 西南民族大学第五研究室序号姓名性别学校拟录取部门备注1南开大学四室推免生2中国科学技术大学五室推免生3武汉理工大学四室推免生4湖南大学二室准推免生。

第51卷第22期电力系统保护与控制Vol.51 No.22 2023年11月16日Power System Protection and Control Nov. 16, 2023 DOI: 10.19783/ki.pspc.230606计及健康特征信息量的锂离子电池健康状态与剩余寿命预测研究岳家辉1，夏向阳1，吕崇耿1，吴小忠2，孔 林3，张 媛1，陈来恩1(1.长沙理工大学电气与信息工程学院，湖南 长沙 410114；2.国网湖南省电力有限公司，湖南 长沙 410004；3.中国能源建设集团湖南省电力设计院有限公司，湖南 长沙 410004)摘要：电池状态有效评估过程中数据驱动法的模型输入虽与容量呈现相关性，但并没有考虑其信息量及信息质量，低质量的数据输入会造成一定程度的预测偏差。

针对上述问题，提出一种计及健康特征信息量的加权神经网络电池健康状态(state of health, SOH)预测与剩余寿命(remaining useful life, RUL)估计模型。

该模型在GA-BP神经网络的基础上，通过确定有效健康特征数据集，利用数据信息度构建动量因子来保证神经网络迭代收敛速度。

并基于熵权思想过滤出低信息量健康特征的预测结果，将过滤后的预测结果作为电池老化模型的输入，进一步实现剩余寿命的估计。

通过公开电池老化数据集与实验平台进行验证，得到该模型健康状态预测结果MAE、RMSE分别控制在0.63%、0.81%之下，剩余寿命估计结果MAE、RMSE分别控制在0.0031 mAꞏh、0.0042 mAꞏh之下，具有良好的可行性与有效性。

关键词：锂离子电池；数据驱动技术；健康状态；剩余使用寿命；神经网络；熵权法Research on the prediction of state of health and remaining useful life of lithium-ion batteriesconsidering the amount of health factors informationYUE Jiahui1, XIA Xiangyang1, LÜ Chonggeng1, WU Xiaozhong2, KONG Lin3, ZHANG Yuan1, CHEN Laien1(1. School of Electrical and Information Engineering, Changsha University of Science and Technology, Changsha 410114,China; 2. State Grid Hunan Electric Power Co., Ltd., Changsha 410004, China; 3. China Energy ConstructionGroup Hunan Electric Power Design Institute Co., Ltd., Changsha 410004, China) Abstract: The model input of the data-driven method in the effective evaluation process of battery state, although related to capacity, does not consider its information content and quality. Low-quality data input can cause a certain degree of prediction bias. To address this issue, this paper proposes a weighted neural network battery SOH prediction and RUL estimation model that takes into account the degree of health factor information. Based on the GA-BP neural network, this model identifies effective health feature data sets and uses data information to generate momentum factors to ensure neural network iteration convergence speed. And this paper filters out low information health feature prediction findings using the entropy weight concept and then uses the filtered prediction results as the input to the battery aging model to further achieve the RUL estimation. It is discovered through the publicly available battery aging datasets and experimental platforms that the model's SOH prediction results have a MAE and RMSE range controlled within 0.63% and 0.81%, and the remaining useful life estimation results have a MAE and RMSE range controlled within 0.0031 mAꞏh and 0.0042 mAꞏh, indicating good feasibility and effectiveness.This work is supported by the National Natural Science Foundation of China (No. 51977014).Key words: lithium-ion battery; data-driven technology; state of health; remaining useful life; neural network; entropy weight method0 引言2022年，国家发展改革委和国家能源局印发的基金项目：国家自然科学基金项目资助(51977014)；湖南省研究生科研创新项目资助(CX20220917) 《“十四五”新型储能发展实施方案》中明确：在新型电力系统发展过程中，明细储能电池本质安全控制、电化学储能电站全面安全预警、实现储能电站安全体系跨越式发展，是储能发展的核心攻关方向；同年，《国家自然科学基金“十四五”发展规划》中将“实现可再生能源的规模化安全高效储能”作为工岳家辉，等计及健康特征信息量的锂离子电池健康状态与剩余寿命预测研究- 75 -程与材料学部重点发展目标[1]。

2012信息学院复试工作方案一、招生单位复试工作领导小组名单组长：张志勇副组长：王引弟、彭进业组员：王引弟、张志勇、房鼎益、侯榆青、耿国华、康宝生、彭进业二、复试分数线划线方式，任选其一（在□内划上“√”）□按照一级学科考生的初试总分排序划线；三、参加复试名单（一）电子科学与技术学科（二）计算机科学与技术学科（三）信息与通信工程学科（四）专业学位（全日制工程硕士）四、复试工作流程及原则1. 报到（1）请参加复试的考生于4月13日(星期五)上午9：00到信息学院（西北大学郭杜校区10号楼）5层办公室报到。

可选乘车辆：324路、311路、K616路、321路到西北大学南校区站下车。

（2）考生来校报到后请到西北大学校医院进行体检（南校区）。

（3）考生报到参加复试时，必须提交以下相关材料：①本人有效身份证原件（限居民身份证、军官证、文职干部证、军校学员证）及复印件1份，②往届毕业生提交最后毕业证书、学位证书原件（原件验后即返）及复印件各1份。

应届本科毕业生提供学生证原件及复印件1份，③政治审查表（在研究生处网站下载）。

(4) 参加单独考试的考生来复试时，必须将本人的本科毕业证书原件提交学院秘书办，此后院秘书办转交给学校研招办，预备提交省上统一检查。

2. 复试形式和内容复试采取专业课笔试、综合面试、外语听力、口语测试的形式进行，总成绩300分。

（1）专业课笔试（150分）①计算机科学与技术（计算机系统结构、计算机软件与理论、计算机应用技术专业）、计算机技术、软件工程，复试课程：《数据库》、《计算机网络》、《软件工程》三门课程中任选一门。

②电子科学与技术（电路与系统、微电子学与固体电子学）、集成电路工程，复试课程：《信息技术综合》（含信号与系统、微机原理）、《微电子技术综合》（含半导体物理、晶体管原理）、《物理电子学综合》（含固体物理学和光电子技术）三门课程中任选一门。

③信息与通信工程（信号与信息处理、通信与信息系统）、电子与通信工程，复试课程：《通信技术综合》（含微机原理、通信原理）、《信号处理技术综合》（含信号与系统、数字信号处理）二门课程中任选一门。