基于遗传算法的同步发电机自调整模糊PID励磁控制器研究

本文设计了一种基于遗传算法(GA)和模糊逻辑推理的同步发电机PID励磁控制器.利用遗传算法搜索出一组最优的PID初始参数.在此基础上,根据系统当前的电压偏差及电压偏差变化率通过模糊推理和相关计算得到PID参数的调整比例系数,实现PID参数的在线调整.仿真研究结果表明利用该方法设计的励磁控制器具有良好的动静态特性.     

基于遗传算法的同步发电机模糊PID励磁控制器研究

在常规的模糊PID励磁控制器基础上,提出一种利用遗传算法优化模糊控制器的量化因子和比例因子的同步发电机励磁控制器,并仿真研究,结果表明利用该方法设计的励磁控制器具有更好的动态特性和静态特性。     

基于遗传算法的同步发电机模糊PID励磁控制器

在常规模糊比例、积分、微分PID(Proportional,Integral and Differential)励磁控制器基础之上．提出了一种利用遗传算法优化模糊控制器的量化因子和比例因子的同步发电机励磁控制器。介绍了同步发电机自动励磁系统及模糊PID励磁控制器的构成、模糊PID控制器的原理及作用．给出了用遗传算法优化模糊控制器的实现方法。进行了仿真研究,结果表明利用该方法设计的励磁控制器具有更好的动态特性和静态特性。     

基于模糊神经网络的发电机励磁控制器的研究

在分析发电机励磁控制系统的基础上将模糊控制理论和神经网络技术有机结合,提出了基于模糊神经网络(FuzzyNeural Network,FNN)的智能型励磁控制策略,构造了具有双FNN模型结构的励磁控制器.所构建的FNN励磁控制系统不仅保留了模糊控制的功能,而且具有体现励磁控制非线性特征的能力,能更精确地反映系统的动态变化过程,具有更强的鲁棒性和适应性.     

基于遗传算法的自适应模糊控制器在热力系统中的应用

针对热力系统的非线性特性,采用RBF神经网络进行被控对象的动态特性模型辨识,设计了评价模糊控制器控制性能的FITAE指标;采用遗传算法优化模糊控制器参数,来优化比例因子和控制规则表,并采用二阶段优化策略:首先只优化比例因子,得到一组次优的模糊控制器参数;然后优化比例因子和控制规则表,得到优化的模糊控制器参数。     

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.     

基于改进学习算法的模糊神经网络控制系统

针对一类复杂非线性系统，提出一种模糊神经网络(FNN)控制方案。系统中采用模糊神经网络控制器和神经网络辨识控制器相结合的结构，介绍一种改进的学习算法，对学习公式进行推导，利用改进的遗传算法来优化已经获得的隶属度函数，并结合误差补偿以提高控制精度。同时将混沌机制引入常规BP算法，利用混沌机制固有的全局游动，逃出权值优化过程中存在的局部极小点，解决了网络训练易陷入局部极小点的问题。用该方法对某非线性动态系统进行辨识和控制，仿真结果表明控制精度和实时性优于常规模糊控制器。     

改进的TSK型动态模糊神经网络在短期负荷预测中的应用(英文)

将改进的TSK型模糊神经网络(fuzzy neural network,FNN)应用于短期负荷预测。该FNN由椭圆基函数构成神经元的中心和宽度参数,并且具有以下特征:网络结构和参数可自动并同时进行调整,不需提前分割输入空间,也不需提前选择网络初始参数;模糊规则在学习过程中可动态增删,不需采用迭代算法即可快速生成。这种模糊规则可动态增删的模糊神经网络(growing and pruning fuzzy neural network,GPFNN)简单有效,可以降低网络的复杂性,加快网络的学习速度。使用EUNITE竞赛数据作测试数据对上述GPFNN方法进行测试,结果表明采用该方法进行短期负荷预测时可获得较高的准确率。     

基于模糊神经网络和PI控制的异步电机位置控制系统

提出一种用于异步电机位置控制的模糊神经网络(fuzzy neural network,FNN)控制器.其控制系统采用Sugeno型FNN和比例积分(proportional integrate,PI)控制进行构建.在进行试验测试之前,利用实验数据库和梯度算法对模糊神经网络进行在线训练.利用DS1104型DSP控制卡实现控制算法.利用该控制器对异步电机进行位置控制,在电机施加非线性负载和发生参数扰动的条件下,对控制系统的功能以及鲁棒性进行测试,试验结果表明,该控制系统能够保证电机稳定有效的工作.     

模糊神经网络在能量缓冲统一潮流控制器中应用的研究

UPFC是最具有代表性的柔性交流输电系统(FACTS)装置，它集串、并联补偿为一体。通过能量缓冲装置的引入，使得UPFC中有功分布控制成为可能。该文采用模糊神经网络(FNN)来控制统一潮流控制器(UPFC)及能量缓冲装置；提出了一种改进的FNN控制器学习算法：在构成隶属函数的神经结构中采用遗传算法，在解模糊过程中采用最小二乘方法。模糊神经网络控制方法结合模糊理论与神经网络各自的优点，使其对于UPFC的控制具有更加灵活稳定和快速的特性和很强的鲁棒性，并使UPFC串并联侧协调控制更加可靠。通过大量的样本学习，验证了该控制系统能够确保各种运行模式下的UPFC正确工作，最后通过仿真证实了该方法的可靠性。     

污水泵站模糊自学习控制系统

以最小耗能为优化目标 ,管网污水溢出概率最小为约束条件建立污水泵站系统最优控制模型 ;用改进遗传算法调整模糊控制器的规则优化模糊控制器的参数 ,使控制器具有良好的自学习功能与鲁棒性。采用该控制系统与VVVF结合在实际污水泵站中应用表明比传统控制方式性能更加优越 ,泵站水位能够在目标水位稳定运行 ,实现泵出流量与流入流量均衡的最佳泵站运行工况 ,从而达到节电效果最佳、区域污水外溢污染最小的双优控制目标 ,具有实用价值     

遗传算法优化的RBF神经网络控制器

为了消除神经网络参数初值对控制器性能的影响,提出了一种改进遗传算法优化的RBF神经网络控制器.该方法设计了基于性能指标的适应度函数,自适应的交叉概率、变异概率,引入移民的遗传算法,保证了得到的控制器为最优参数控制器.该方法可用于非线性对象的控制器设计,仿真结果说明了该方法的有效性.     

基于模糊遗传算法的无刷直流电机自适应控制

无刷直流电机(BLDCM)是一种多变量和非线性的控制系统，模糊控制器在其控制中得到广泛应用。针对模糊控制器设计和参数在线调节方面的不足，文中提出了一种使用遗传算法优化的模糊控制器，并用于无刷直流电机的控制中。系统使用电流和转速双闭环控制。速度环采用模糊控制器进行控制，控制规则通过遗传算法进行离线优化，并在数字信号处理器(DSP)中实现控制参数的在线调节。系统较好的实现了给定速度参考模型的自适应跟踪，具有控制灵活、适应性强等优点，同时又具有较高的控制精度和较好的鲁棒性。     

基于遗传算法的FUZZY+CMAC优化设计

针对模糊控制器甲的参数与CMAC权值的调整及学习很困难的问题,采用改进的遗传算法对模糊控制器和CMAC神经网络的比例因子和连接权值进行寻优,把模糊控制、CMAC和遗传算法的优点结合起来,设计了基于改进遗传算法的FUZZY＋CMAC控制系统,给出了系统的整体结构和各部分的控制设计。仿真结果表明,该控制系统具有超调量小和实时性强的特点。     

交流电弧炉电极调节系统的智能控制

三相交流电弧炉电极调节系统是一个具有非线性、时变性、随机性并且具有三相强耦合特征的复杂系统。针对这些特点,设计一个模糊-神经网络控制器,利用模糊控制算法和神经网络的学习能力,使训练好的模糊-神经网络控制器根据三相异常电流值,在电流及其变化量超过允许偏差时并行计算出三相电极的调节量,达到减少调节过程和调节机构动作次数的目的。在给出电弧炉模糊-神经网络控制器结构和算法的基础上,对模糊-神经网络控制器进行了离线训练,并对交流电弧炉电极升降模糊-神经控制和常规PID控制在Matlab环境下进行仿真比较。仿真结果表明,采用模糊-神经网络控制的电弧炉电极调节系统控制效果更加满意。     

改进遗传算法及模糊神经网络在交流伺服系统中的应用研究

针对交流伺服系统高精度、快响应的要求,提出了基于改进遗传算法(IGA)优化的模糊神经网络控制方案。把神经网络与模糊逻辑控制结合起来,采用IGA算法对模糊神经网络控制器中的参数进行搜索和优化,给出了具体设计方法和优化步骤。实验结果表明:基于IGA算法的模糊神经网络控制方法用于交流调速系统具有较高的精度以及较强的鲁棒性、抗干扰能力等。