基于 Koopman 算子的电气驱动有限控制集模型预测控制
最优化与控制
2019-09-30 v2
摘要
电力电子系统的预测控制始终需要被控对象的合适模型。使用典型的基于物理的白盒模型，必须在模型复杂度（即精度）与计算负担之间进行权衡。由于模型阶数直接与系统状态数相关，这是一项具有诸多约束的挑战性任务。尽管白盒模型在多数情况下表现出合适的性能，但寄生现实世界效应往往无法以适当的计算负荷得到令人满意的建模。因此，提出了一种基于 Koopman 算子的模型降阶技术，该技术以黑盒方式将控制作用直接与系统输出联系起来。Koopman 算子是一个线性但无限维的算子，描述了非线性自治动力系统观测量的动力学，可很好地应用于电力电子器件的开关原理。遵循这种数据驱动方法，模型阶数与系统状态数解耦，从而允许我们考虑更复杂的系统。通过由 IGBT 两电平逆变器供电的车载型永磁同步电机进行的广泛实验测试，证明了所提出的建模技术在有限集模型预测控制应用中的可行性。
关键词
引用
@article{arxiv.1804.00854,
title = {Koopman Operator-Based Finite-Control-Set Model Predictive Control for Electrical Drives},
author = {Sören Hanke and Sebastian Peitz and Oliver Wallscheid and Stefan Klus and Joachim Böcker and Michael Dellnitz},
journal= {arXiv preprint arXiv:1804.00854},
year = {2019}
}