基于v-支持向量回归的T-S模糊模型辨识

结论参数对T-S模糊模型的泛化能力有重要影响。该文引入v-支持向量回归机(v-SVRM),把T-S模型结论参数的辨识问题转化为一个约束优化问题,并推导了新的迭代求解算法。该方法通过一个参数v控制支持向量的数目和落在ε不灵敏带外样本点的数目,并自动计算合适的ε。针对典型负荷被控对象的仿真结果表明:该方法比通常采用最小二乘法进行结论参数辨识的方法具有更好的泛化能力;此外,由于采用了ε不灵敏损失函数,该方法具有更好的噪声适应能力。     

最小支持向量机在系统逆动力学辨识与控制中的应用

为克服支持向量机(support vector machine,SVM)在线辨识过程需要较大的内存开销的问题,该文将递推最小二乘法(recursive least square,RLS)与最小二乘支持向量机(least squares support vector machine,LS-SVM)回归相结合,利用RLS在线调整支持向量机的权向量和偏移量,实现了系统逆动力学模型的在线辨识。在获得逆动力学模型的基础上,设计了一种基于逆动力学递推最小二乘支持向量机的控制算法,利用RLS在线调整控制器参数。过热汽温辨识和控制的仿真结果表明,辨识出的逆动力学模型具有较高的精度,所设计的控制器能获得较好的控制性能和有较强的适应能力。     

基于GA-SVR模型的配电网线路参数辨识

准确的线路参数对于配电网运行与控制具有重要意义，而配电网线路参数因受到环境、工况与温度等因素的影响而改变，同时，由于配电网结构复杂度、随机性与波动性日益加强，难以对配电网建立精确的参数辨识模型。提出一种基于GA-SVR模型的配电网线路参数辨识方法，实现配电网线路参数的准确辨识。通过遗传算法（GA）对支持向量回归（SVR）机的惩罚因子与核函数参数进行优化，解决了传统支持向量回归机采用默认参数导致模型预测效果不佳的问题。采用不同阻抗参数下的配电网潮流值对回归网络进行训练，构建改进型SVR参数辨识模型，实现对配电网线路参数的辨识。通过33节点配电网算例的验证，表明该改进型SVR参数辨识模型与传统SVR参数辨识模型相比，能够实现更高精度的配电网线路参数辨识。     

火电单元机组负荷模糊内模控制及其仿真研究

内模控制是近十几年来发展起来的一种新型控制方法，实现内模控制的关键是模型求逆，该文提出一种基于系统T-S模糊模型的模糊内模控制方法。该方法首先利用快速辨识算法获取系统的T-S模糊模型。然后通过适当变形，把模糊模型求逆问题简单的转化为求解线性方程组，并将遗传算法应用于涉及的多个滤波器参数的寻优。该方法被用于火电单元机组负荷控制系统，仿真结果表明该方法是有效的。     

基于最小二乘支持向量机的模糊辨识及其在热工对象逆系统建模中的应用

建立1种基于最小二乘支持向量机(least squares support vector machine,LSSVM)的模糊辨识方法,根据学习样本集的模糊聚类结果,产生LSSVM的模糊核函数,并证明该模糊核函数是Mercer核函数,为LSSVM提供1种构造核函数的简便方法。此外,由于所建立的模糊辨识方法在T-S模糊模型的后件参数学习过程中采用结构风险最小化准则,提高了模型的泛化能力。利用所建立的辨识方法进行热工对象逆系统模型辨识,证明了该方法的有效性。     

三自由度混合磁轴承最小二乘向量机逆模辨识与解耦控制

为实现三自由度混合磁轴承高精度非线性解耦控制,提出一种基于最小二乘支持向量机的逆模辨识和解耦控制策略。通过分析逆系统的存在性,利用支持向量机的拟合能力,离线建立初始逆模型,并根据系统输入与模型输出的偏差信息,对初始逆模型进行在线校正,以使其能适应对象的变化;在此基础上,将校正后的逆模型作为前馈控制环节与原系统串联构成伪线性系统,设计PID控制器作为反馈控制环节对磁轴承系统进行复合控制。仿真结果表明逆模型辨识精度高,复合控制效果好。     

基于GA算法的FSVM控制器及其在主汽温控制上的应用

介绍了一种模糊支持向量机控制器,它将模糊控制与支持向量机相结合,融合了两者的优点,既不依赖被控对象模型又有泛化能力强等特点.利用遗传算法优化控制器的参数,以使其控制性能能适应对象的变化而达到最优.火电厂主汽温控制的仿真结果表明了这种控制器具有良好的控制性能.     

谷物干燥过程模糊支持向量机控制器的设计

为了准确控制谷物干燥过程的温度和湿度,设计了一种基于改进遗传算法和最小二乘算法的干燥过程模糊支持向量机控制器。利用模糊算法解除温湿度的耦合作用,采用支持向量机实现模糊逻辑控制的全过程和信号的非线线处理,同时采用混合学习算法优化控制器参数,即先采用最小二乘算法离线优化支持向量机性能参数,再采用改进遗传算法在线优化支持向量机性能参数和模糊比例因子,以使其控制性能适应对象的变化而达到最优。仿真结果表明,设计的模糊支持向量机控制器比常规PID控制器和经典模糊控制器具有更好的控制性能,能够满足谷物干燥工艺要求。     

基于T-S模糊模型的多变量非线性预测控制

针对多变量非线性系统预测控制的实时性问题,提出一种基于T-S模糊模型的预测控制快速算法.通过辨识建立非线性系统的T-S模糊模型,依据系统的运动特性和实际中控制输入增量的变化趋势选取特定基函数,将广义预测控制和预测函数控制相结合设计多变量预测控制律.该算法相比已有基于T-S模糊模型的多变量非线性广义预测控制算法大幅度减少了计算量,显著提高了控制的实时性.仿真结果验证了该算法的有效性.     

一种基于T-S云模型的非线性系统控制

将云模型与T-S模糊系统结合,利用隶属云代替模糊系统的前件,提出一种T-S云模型.T-S云模型综合考虑模型的精确性和可解释性,不但可以利用专家的知识和经验建立系统模型,而且还可以通过输入/输出数据设计云模型系统.详细分析T-S云模型的系统结构.基于云模型和模糊系统对模糊概念表述的一致性,在不考虑超熵的情况下,使用梯度下降法辨识T-S云模型前件参数.利用递推最小二乘法辨识T-S云模型后件参数.设计了基于T-S云模型的控制器,实现了将卡车后倒至指定的卸车位置,体现了T-S云模型的不确定处理能力.仿真研究验证了算法的有效性.     

基于模糊控制补偿的支持向量机逆模型控制

支持向量机(SVM)具有很强的非线性逼近能力与泛化能力,文章研究了基于SVM的非线性系统逆模型辨识,并设计了基于模糊控制补偿的SVM逆控制系统.由SVM辨识的逆模型作为前馈控制器,形成直接逆模型控制器.同时,设计模糊控制器构成反馈补偿控制,克服逆模型的建模误差,提高系统鲁棒稳定性.仿真研究表明,SVM具有优良的逆模型辨识能力,基于模糊控制补偿的支持向量机逆控制系统的动态性能好、跟踪精度高、鲁棒稳定性强.     

支持向量机参数优化及其在变压器故障诊断中的应用

支持向量机(Support Vector Machines,SVM)分类器在变压器故障诊断中取得了较好的效果,然而对其性能起关键作用的参数选择,却没有理论依据或有效方法。鉴于交叉验证(Cross validation,CV)是模型性能评估和模型选择的有效方法,而遗传算法(Genetic Algorithm,GA)可以实现全局寻优,将CV与GA方法相结合用来选取SVM分类器参数。该方法采用GA方法对SVM分类器参数进行优化,利用CV构造GA适应度函数,为SVM分类器参数选择提供评价标准。并将其应用于变压器故障诊断,从而充分利用有限的变压器故障样本数据,提高SVM分类器的推广性。实例分析表明同Grid与SVM相结合,CV、Grid与SVM相结合及GA与SVM相结合的方法相比,所提方法具有更好的效果。     

青藏铁路变电站接地网设计规则的提取

为了获得建立青藏铁路变电站接地网设计专家系统所需的模糊规则,提出神经网络和遗传算法相结合的方法自动生成模糊规则.首先建立了用于青藏线接地网接地电阻求解的遗传优化神经网络,从而可以快速得到所需的大量样本数据,然后利用遗传算法优化计算得到了用于青藏线接地网设计的模糊规则.通过仿真对比计算表明,采用此方法得到的模糊规则可以为接地网设计专家系统的建立打下了基础.     

遗传算法在水轮发电机模糊神经网络励磁控制器设计中的应用研究

本文在分析了模糊神经网络(FNN)控制器的工作原理及设计方法的基础上,提出了一种采用遗传算法优化设计水轮发电机模糊神经网络励磁控制器的方法。其基本过程是利用遗传算法得到初始模糊控制规则,并对初始规则进行过滤,在此基础上利用遗传算法结合模拟退火对得到的模糊神经网络进行训练。仿真结果表明与根据专家经验获得模糊规则和BP算法进行学习的常规FNN比较,采用遗传算法优化设计的模糊神经网络励磁控制器所构成的励磁系统具有更好的动态性能。     

A fuzzy-logic-based controller for active rectifier

This paper presents a current-sensorless active rectifier specifically designed for low-cost applications. Both the control and the modulation use fuzzy logic. A simple model of the system is given in order to explain the current feedforward control using fuzzy logic and the fuzzy-logic-based modulation, then, the new algorithm is analyzed looking for high performance even using small passive elements and low switching frequency. Performance are compared with those of a closed-loop proportional-plus-integral (PI)-based rectifier with space-vector modulation (SVM). This comparison has been carried out either considering the whole systems or a combination of their components (PI control + fuzzy modulation or fuzzy feedforward control + SVM). The results show that even without current sensors, the low-frequency distortion of the line currents and the DC voltage oscillations produced by the proposed system are very limited, ensuring performance similar to those of PI-based closed loop active rectifiers.     

永磁同步电机新型直接转矩控制系统设计

针对传统的直接转矩控制转矩脉动大、开关频率不恒定等问题,在分析永磁同步电机数学模型的基础上,综合矢量控制的特点,提出一种基于空间矢量脉宽调制的新型直接转矩控制系统,用PI调节器取代滞环控制器,用空间矢量脉宽调制取代开关表.同时为了提高系统性能,模糊控制被应用于该系统.在Matlab环境下建立永磁同步电机新型直接转矩控制系统仿真模型并进行仿真研究,仿真结果证明了新型直接转矩控制系统设计可行有效,在提高系统响应速度的同时,能有效减小转矩和磁链的脉动,改善控制系统的性能.     

模糊调节电压矢量角度和幅值的SPMSMDTC系统

针对永磁同步电机直接转矩控制转矩和磁链脉动较大的问题,提出了模糊调节电压矢量角度与幅值表面式永磁同步电机模糊直接转矩控制系统,采用模糊控制器和空间矢量调制技术取代传统直接转矩控制系统的滞环比较器和开关表输出电压矢量。模糊控制器输入量为磁链和转矩误差,输出量为输出电压矢量的角度和幅值。基于电压矢量幅值和角度对磁链和转矩的变化影响规律设计了模糊控制规则表。为了进一步抑制转速为负时的转矩脉动,设计自适应模糊直接转矩控制系统。仿真结果表明:模糊调节电压矢量角度与幅值的直接转矩控制系统可实现四象限运行,电机系统运行良好,仅在转速为负时,转矩脉动略有增大。自适应模糊直接转矩控制系统运行效果良好,在四象限内均可较好抑制转矩和磁链脉动。     

Hybrid kernel learning via genetic optimization for TS fuzzy system identification

This paper presents a new TS fuzzy system identification approach based on hybrid kernel learning and an improved genetic algorithm (GA). Structure identification is achieved by using support vector regression (SVR), in which a hybrid kernel function is adopted to improve regression performance. For multiple‐parameter selection of SVR, the proposed GA is adopted to speed up the search process and guarantee the least number of support vectors. As a result, a concise model structure can be determined by these obtained support vectors. Then, the premise parameters of fuzzy rules can be extracted from results of SVR, and the consequent parameters can be optimized by the least‐square method. Simulation results show that the resulting fuzzy model not only achieves satisfactory accuracy, but also takes on good generalization capability. Copyright © 2008 John Wiley & Sons, Ltd.     

基于支持向量机与遗传算法的灰熔点预测

为了提高估算煤灰熔点的精度，文中采用支持向量机算法对求解灰熔点问题进行了建模，并利用遗传算法对支持向量机模型的参数进行了优化，获得了最优的模型参数。支持向量机模型将灰成分作为输入量，煤的灰熔点Tst作为输出量，用试验数据对模型进行了校验和参数的寻优，利用优化后的模型对单煤和混煤灰熔点进行了预测，并将预测结果与实验结果进行了对比，结果表明，优化后的支持向量机模型实现了对单煤和混煤灰熔点较精确的预测。支持向量机可用于小样本问题的学习，计算速度快，提高了实时处理与预测能力。     

基于遗传算法的循环流化床锅炉床温模糊控制系统

模糊控制系统设计的核心问题是建立控制规则库,遗传算法是模仿自然界生物进化思想而得出的一种全局优化算法,可以用于获取模糊控制规则。然而用标准遗传算法来获取MIMO系统的控制规则库时,由于搜索空间庞大往往导致收敛速度很慢,为了克服这一缺点,该文定义了染色体中的优良模式,以此来控制遗传操作的方式和速度,加快了搜索和收敛的过程,床温是决定循环流化床锅炉安全,连续运行的重要参数,文中结合循环流化床锅炉的运行特性提出一种新的床温调节策略,采用改进后的遗传算法设计床温模糊控制器,将人工操作经验表示为染色体中的优良模式,依据经验和启发性信息来控制遗传操作的方式和速度,提高了生成模糊控制规则的效率,仿真结果表明该系统在满足负荷要求的同时,能够保证主汽压力和床温的稳定。