Iterative Learning-Based Path Optimization With Application to Marine Hydrokinetic Energy Systems
Iterative Learning-Based Path Optimization With Application to Marine Hydrokinetic Energy Systems
复制标题
基于迭代学习的路径优化在海洋流体动力能源系统中的应用
DOI：
10.1109/tcst.2021.3070526
复制
发表时间：
2021
影响因子：
4.8
通讯作者：
Vermillion, Chris
中科院分区：
文献类型：
--
作者：
Cobb, Mitchell;Reed, James;Daniels, Joshua;Siddiqui, Ayaz;Wu, Max;Fathy, Hosam;Barton, Kira;Vermillion, Chris
本文提出了一种基于迭代学习控制（ILC）的方法来优化系留海洋流体动力（MHK）能源系统的飞行轨迹几何形状。这种类型的系统用系绳和提升体取代了传统系统的塔架，可以通过机载转子或通过系绳中的张力驱动发电机来捕获能量。在后一种操作模式中，其代表了这种努力的焦点，在高张力放出然后是低张力收卷的一个循环中产生净正能量。由于净能量产生对飞行路径的形状很敏感，因此我们采用迭代学习更新律来调整从一圈到下一圈的路径形状。这种更新法是补充与迭代功率输出（PTO）控制器，它调整在每次迭代的假脱机配置文件，以确保零净假脱机。我们提出并验证了所提出的控制方法在均匀和时空变化的湍流环境中，基于一个现实的海洋模型在这篇文章中详细介绍。最后，基于在很大范围的激励水平的仿真结果，我们进行了基于仿真的评估的收敛性能，比较这些结果对边界中得出的作者以前的工作。
This article presents an iterative learning control (ILC)-based approach for optimizing the flight path geometry of a tethered marine hydrokinetic (MHK) energy system. This type of system, which replaces the tower of a conventional system with a tether and a lifting body, can capture energy either through an on-board rotor or by driving a generator with tension in the tether. In the latter mode of operation, which represents the focal point of this effort, net positive energy is generated over one cycle of high-tension spool-out followed by low-tension spool-in. Because the net energy generation is sensitive to the shape of the flown path, we employ an iterative learning update law to adapt the path shape from one lap to the next. This update law is complemented with an iterative power take-off (PTO) controller, which adjusts the spooling profile at each iteration to ensure zero net spooling. We present and validate the proposed control approach in both uniform and spatiotemporally varying turbulent flow environments, based on a realistic ocean model detailed in this article. Finally, based on simulation results across a wide range of excitation levels, we perform a simulation-based assessment of convergence properties, comparing these results against bounds derived in the authors’ prior work.
登录
查看更多内容
机载风能系留翼侧风飞行实时优化与自适应
影响因子：
4.8
作者：
A. Zgraggen;L. Fagiano;M. Morari
通讯作者：
M. Morari
影响因子：
2.6
作者：
S. Rapp;R. Schmehl;E. Oland;T. Haas
通讯作者：
T. Haas
抽水风筝电力系统的动态模型
DOI：
--
发表时间：
2014
期刊：
arXiv.org
影响因子：
--
作者：
U. Fechner;R. V. D. Vlugt;Edwin Schreuder;R. Schmehl
通讯作者：
R. Schmehl
时空变化流环境下海洋风筝系统的最优循环控制
DOI：
--
发表时间：
2021
期刊：
American Control Conference
影响因子：
--
作者：
James Reed;Joshua Daniels;Ayaz Siddiqui;Mitchell Cobb;M. Muglia;C. Vermillion
通讯作者：
C. Vermillion
循环绕线运动系留能源系统在线飞行路径优化的迭代学习方法
DOI：
10.23919/acc.2019.8814773
发表时间：
2019
期刊：
American Control Conference
影响因子：
--
作者：
Cobb, Mitchell;Barton, Kira;Fathy, Hosam;Vermillion, Chris
通讯作者：
Vermillion, Chris