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.     

基于遗传算法的改进神经网络在PI整定中的应用

为克服常规神经网络只能离线训练的不足,提出了一种基于遗传算法的改进递归神经网络。首先从PI自整定控制器性能指标出发,阐述了递归神经网络原理及异步电机转速控制系统模型,说明了采用遗传算法来寻找卡尔曼滤波最佳参数的可行性。以异步电机控制系统为平台,借助MATLAB/Simulink软件进行了建模与仿真。仿真结果表明提出的基于遗传算法的改进神经网络获得的PI参数能有效减小系统超调,系统具有良好的动静态性能。     

神经网络算法的改进及其在有源电力滤波器中的应用

针对有源电力滤波器的电流跟踪控制问题,设计了一种基于改进梯度算法的BP神经网络自适应PI控制器。该控制器将神经网络技术与PI参数设计相结合,与传统的PI控制器相比,该控制器具有结构简单、易于在线调整等优点。同时,为了克服采用神经网络算法修正权值系数时,会存在局部极小、收敛速度慢的问题,对BP神经网络采用的梯度算法进行改进。利用代数法代替梯度下降法,从而解决了易出现局部极小问题,且使收敛速度更快。仿真实验表明,改进后的神经网络自适应PI控制器较传统的PI控制器有更快的响应速度和更高的补偿精度,从而使系统更稳定,而且电网电流的谐波畸变率更低。     

基于社会学习自适应细菌觅食算法的互联电网AGC最优PI/PID控制器设计

AGC控制器的参数对电网频率控制的动态性能具有重要影响。不合适的控制器参数将可能使得电网在遭遇较大的负荷扰动时失去频率稳定。针对互联电网AGC控制器参数优化整定问题,提出了一种基于社会学习自适应细菌觅食算法的最优PI/PID控制器设计方法。该方法将社会学习机制及自适应步长策略引入到标准细菌觅食算法中,通过改进细菌寻优过程中的趋化、群聚及繁殖等操作,提高算法的收敛速度及寻优精度。建立两区域互联电网AGC系统仿真模型,采用所提算法优化整定其PI/PID控制器参数。仿真结果验证了所提方法的有效性。     

基于遗传算法的模糊自适应控制在DTC的应用

系统中采用了两个模糊控制器,其一是用模糊控制器取代了常规直接转矩控制系统的磁链和转矩控制器;其二是根据异步电动机的运行特点提出了一种基于遗传算法的模糊自适应PI控制器作为直接转矩控制系统的速度调节器.在这种模糊自适应PI控制器的设计中,用自适应模糊控制器推断出PI控制器的参数,用遗传算法和参数调整算法对模糊控制器的量化因子和比例因子分别进行离线粗调和在线优化细调,解决了常规模糊控制器在电机直接转矩控制过程中特别是起动过程因参数不变带来的超调量大、响应慢、不稳定性等问题.仿真试验结果验证了所研究设计的控制器的有效性,系统在动态响应、抗干扰能力、增强鲁棒性等方面均获得了满意的效果.     

改进ACO算法优化的PI控制器在直流输电控制中的应用

为了实现对高压直流输电系统PI控制器参数的优化,本文提出了一种针对信息素挥发因子的改进策略以克服蚁群算法易陷于局部最优解的缺陷。改进后的蚁群算法能够根据优化进程自适应地调整信息素挥发因子,在保持较高的收敛速度的情况下提高算法的全局搜索能力。文中基于改进的蚁群算法给出了一种系统化的直流输电PI控制器参数优化方法。根据实际工程参数搭建仿真模型,进行仿真计算,证明了方法的有效性和可行性。     

基于改进遗传算法的发电机调速器侧模糊PSS优化设计

基于模糊控制理论设计了发电机组调速器侧模糊电力系统稳定器,采用遗传算法优化其参数以克服模糊控制器参数设计的主观性.为了提高多参数控制器参数优化的速度和精度,对传统单点交叉遗传算法进行改进,提出了一种首尾轮换交叉遗传算法.该方法交替采用尾部和头部单点交叉,保证了各参数参与优化的概率基本均等.采用该算法对某水轮发电机组调速器侧模糊电力系统稳定器的参数进行优化计算,表明其优化速度和精度较试探法和传统单点交叉遗传算法有显著提高.     

基于遗传算法的模糊PI控制在蓄电池智能充电中的应用

蓄电池充电系统是一个变参数系统,但常规模糊控制器所使用的控制参数及规则在使用过程中不能随被控对象参数的改变而改变,导致控制性能不佳。针对传统的模糊控制系统的不足,提出基于遗传算法的模糊PI控制规则优化方法,并利用大时滞对象作为充电系统的被控对象做仿真分析,得出基于遗传算法的模糊PI控制优于常规模糊PI控制。     

基于改进遗传算法的发电机调速器侧模糊PSS优化设计

基于模糊控制理论设计了发电机组调速器侧模糊电力系统稳定器,采用遗传算法优化其参数以克服模糊控制器参数设计的主观性。为了提高多参数控制器参数优化的速度和精度,对传统单点交叉遗传算法进行改进,提出了一种首尾轮换交叉遗传算法。该方法交替采用尾部和头部单点交叉,保证了各参数参与优化的概率基本均等。采用该算法对某水轮发电机组调速器侧模糊电力系统稳定器的参数进行优化计算,表明其优化速度和精度较试探法和传统单点交叉遗传算法有显著提高。     

基于改进遗传算法的PI整定在DTC中的应用

为克服Z-N整定法转速阶跃响应的超调量大以及遗传算法中双亲交叉遗传的不足,提出了改进的多亲交叉遗传算法对PI参数进行整定的方法。从PI调节器工作原理及Z-N整定法的优缺点出发,阐述了基于多亲交叉的改进遗传算法的PI整定过程,然后基于直接转矩控制(DTC)的优良特性,以异步电动机直接转矩控制系统为平台,借助MATLAB/Simulink对PI参数进行了寻优并建立了控制系统仿真模型。仿真结果验证了所提出的PI整定方法的可行性和可靠性。     

基于改进MMAS算法的双有源桥变换器PI参数优化

为了实现双有源桥DAB(dual active bridge)变换器中PI控制器的参数优化,提出了一种改进最大最小蚂蚁系统MMAS(max-min ant system)的PI参数优化方法.该方法以DAB变换器的时间与误差绝对值乘积积分性能指标为目标函数,通过优化节点能见度和信息素更新机制,在提高全局搜索能力的同时保证...     

改进的自适应遗传算法在控制器PID参数优化中的应用

针对遗传算法(GA)中自适应机制存在理论性和可行性之间的矛盾,提出一种行之有效的自适应算法。该算法根据个体和群体的适应度来确定个体的交叉变异概率,并据此采用无放回抽样的方式进行交叉变异。用一个非常复杂的数学函数对新算法进行了测试,结果表明改进算法克服了传统GA难以解决的早熟和局部收敛的问题,并且收敛速度大有提高。在此基础上将其应用于锅炉过热汽温串级控制系统的PID参数优化,仿真结果表明了其优越性,具有很好的应用价值。     

改进的遗传算法在CFB锅炉热工过程建模中的应用

针对循环流化床(CFB)锅炉热工被控对象的特点及遗传算法存在的问题,提出一种用于热工过程建模的改进遗传算法,此算法引入模糊集理论,实现交叉概率和变异概率的模糊自整定,有效抑制了算法早熟,提高了算法的全局搜索能力.利用阶跃响应法获得现场特性曲线,基于模糊遗传算法得到典型负荷处的传递函数,将建模结果用于现场控制器的设计.对主汽温系统现场控制器进行内模控制整定,并进行了仿真研究和实际应用,结果表明该方案有较好的鲁棒性和抗干扰能力.     

一种混合遗传算法在HVDC定电流控制器参数优化中的应用

为了改进遗传算法的局部收敛能力,提出了一种新的融合遗传算法和单纯形法的混合遗传算法。该算法兼具遗传算法的全局收敛性和单纯形法良好的局部收敛能力,当遗传算法陷入停滞后,由单纯形法引导进化方向。针对直流输电定电流控制器参数优化的具体问题,设计了一套系统化混合遗传算法寻优方案,并详尽叙述了该方案的流程及具体实现步骤。该方案选取ITAE为目标函数,直流输电准稳态模型为目标函数的计算模型;PI参数的可行域由基于直流输电PSCAD/EMTDC模型仿真的直流电压稳定性计算确定。最后通过CIGRE HVDC Benchmark模型的PSCAD/EMTDC仿真验证所设计参数优化方案的有效性。     

基于智能遗传算法的永磁同步电动机电流控制器设计

根据永磁同步电动机参数随输入电流变化而发生微小变化的特点,研究了基于模糊理论的比例-积分控制应用于永磁同步电动机电流控制的可行性,并应用智能遗传算法对模糊控制规则以及比例-积分控制器中的比例系数和积分时间常数等参数进行了优化,设计了一种基于智能性遗传算法(IGA)优化的模糊电流比例-积分控制器。仿真试验结果表明:基于智能遗传算法优化的模糊PI控制器能够快速跟踪电流的变化。     

波纹管疲劳测试振动频率控制的优化

现有的的波纹管疲劳测试台在进行波纹管疲劳测试时,波纹管实际振动频率低于设定值。为提高测试系统的快速性与测试效率,设计了一种振动频率控制的优化算法,根据系统的控制框图在MATLAB/Smulink环境下搭建了基于矢量控制策略的永磁同步电机数学模型。利用遗传算法对于永磁同步电机的速度-电流双环控制器的PI参数实现离线整定。依据数学模型与遗传算法进行了PI参数的仿真实验,实验结果表明,优化后的速度-电流双环控制器的PI参数可将实际振动频率提升20%左右。     

一种综合改进型遗传算法及其在综合负荷建模中的应用

针对基本遗传算法本身存在收敛速度慢和易早熟的缺陷,提出一种综合改进型遗传算法并成功地应用于负荷建模。该改进遗传算法通过对初始种群的选择、最优个体的保留、自适应的交叉和变异率、早熟现象的防止策略等各方面进行综合的科学设计,能十分有效地克服早熟、避免近亲繁殖、明显提高收敛速度,并具有优良的自适应特性。基于现场实测负荷特性数据的负荷建模实践表明,所提出的综合改进型遗传算法对于加速收敛缩短辨识时间、提高模型拟合精度、克服模型参数的分散性均具有显著作用,是一种很适合于负荷建模的优秀优化算法。     

遗传策略的综合改进及其在负荷建模中的应用

研究了遗传操作和控制参数选择对遗传算法性能的影响,设计了解群选择的随机-精英策略、避免近亲繁殖的双断点交叉策略和交叉与变异概率的自适应调整策略,提出了一种综合改进型遗传算法并成功地应用于基于实测参数的负荷建模。算例表明,该算法改善了进化过程中的种群多样性和早熟现象,对加速收敛、缩短辨识时间、克服模型参数分散性、提高辨识精度均有显著作用,适用于负荷建模。