Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国石油大学(华东)张振全获国家专利权

中国石油大学(华东)张振全获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国石油大学(华东)申请的专利适用于连续可调变阻尼波浪能装置的模型预测控制方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119882427B

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411953933.2,技术领域涉及:G05B13/04;该发明授权适用于连续可调变阻尼波浪能装置的模型预测控制方法是由张振全;蔡宝平;张彦廷;薛钢;黄淑亭;刘延俊设计研发完成,并于2024-12-27向国家知识产权局提交的专利申请。

适用于连续可调变阻尼波浪能装置的模型预测控制方法在说明书摘要公布了:适用于连续可调变阻尼波浪能装置的模型预测控制方法,所述预测控制方法包括以下步骤:对连续可调变阻尼器的阻尼力和电流进行分析,明确阻尼力的约束边界,建立相对速度、电流和阻尼力的关联性函数;引入二元变量将连续可调变阻尼器的非线性约束转换为阈值条件和逻辑条件的组合;S3,对可调变阻尼波浪能装置进行受力分析,构建混合逻辑动力系统的受力动态方程;将波浪能装置的位移参数、速度参数和外部波浪激励参数设定为已知条件,结合系统的运动方程,得到连续状态空间方程;建立波浪能装置捕能效率最大化目标函数;在下一个时刻时更新波浪能装置的状态向量和外部波浪激励参数,构建输入混杂系统模型,完成整体模型预测控制流程。

本发明授权适用于连续可调变阻尼波浪能装置的模型预测控制方法在权利要求书中公布了:1.适用于连续可调变阻尼波浪能装置的模型预测控制方法,其特征在于,所述预测控制方法包括以下步骤: S1,对连续可调变阻尼器的阻尼力和电流进行分析,明确阻尼力的约束边界,建立相对速度、电流和阻尼力的关联性函数; S2,引入二元变量将连续可调变阻尼器的非线性约束转换为阈值条件和逻辑条件的组合,并将阈值条件和逻辑条件的组合转换为涉及到逻辑变量的线性约束,同时引入辅助连续变量将逻辑变量的线性约束转换为整数线性不等式; S3,对可调变阻尼波浪能装置进行受力分析,构建混合逻辑动力系统的受力动态方程,作为波浪能装置的离散状态空间模型; S4,将波浪能装置的位移参数、速度参数和外部波浪激励参数设定为已知条件,所述外部波浪激励参数由预测得到,并由位移参数和速度参数构成波浪能装置的状态向量,结合系统的运动方程,得到连续状态空间方程; S5,建立波浪能装置捕能效率最大化目标函数,将状态向量带入到状态空间模型和最大化目标函数,并在预测时域内进行传播,求得控制力序列的第一个值为当前时刻下的最优控制力; S6,在下一个时刻时更新波浪能装置的状态向量和外部波浪激励参数,重新执行上述步骤S5,构建输入混杂系统模型,完成整体模型预测控制流程; 所述受力动态方程为: 其中,“1”和“2”分别代表浮子和浮体;m为质量;x为相对于平衡位置的位移;Fexc代表波浪激励力;Fradij为由于结构j运动而施加于结构i上的辐射力;Fb为静水恢复力;Fpto为PTO力;Fu为控制力; 所述离散状态空间模型为: pk+1=Adpk-BduFdk+Bdδδvk+Bdzzk+BdeFexc E2δvk+E3zk≤E1Fdk+E4pk+E5 其中,p∈R为状态向量,Fd∈R为控制输入,Ad,Bdu和Bde是离散状态空间方程中离散系统矩阵;Bdδ和Bdz均为零矩阵;E1,E2,E3,E4及E5均为具有合适维度的矩阵; 所述最大化目标函数为: 其中,NP为优化时域长度,Q矩阵为: Q=NTN N=[001-10T] 所述混杂系统模型预测控制可建立为: 其中,p∈R为状态向量,Fd∈R为控制输入,Fexc为波浪激励向量,Ad,Bdu和Bde是离散状态空间方程中离散系统矩阵;Bdδ和Bdz均为零矩阵;E1,E2,E3,E4及E5均为具有合适维度的矩阵。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国石油大学(华东),其通讯地址为:266555 山东省青岛市黄岛区长江西路66号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。