三相高功率因数整流器的神经网络内模控制

针对三相高功率因数整流器采用常规PID控制效果差的问题,利用坐标变换,提出一种基于神经网络内模原理的整流器电流波形控制方案.用神经网络预估器作为整流器的内部模型,用神经网络辨识预估整流器正模型及其逆模型,在线修正、补偿内部模型与被控整流器之间的模型失配.分析结果表明,在该方案控制下系统稳压精确度高,有较快的动态响应,网侧电流谐波畸变率小.实验结果验证了该方法的可行性和有效性.     

基于内模控制的双闭环PWM整流器

传统的双闭环PWM整流器设计中常常采用常规PID调节方式来进行控制,但是由于PWM整流器具有非线性等特性,在较大的扰动情况下,使用PID调节方式较难以得到满意的调节效果。根据内模控制原理,针对双闭环PWM整流系统设计了一种内模控制器,取代了常规的PID调节器,优化了PWM整流系统。理论分析和试验结果表明,内模控制器能使系统获得优良的动态和静态性能,而且设计方法简单,控制器容易实现。     

基于遗传算法-BP神经网络优化的PID控制

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为一种有效的控制策略。该文提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化。仿真结果证明了该算法的有效性。     

基于果蝇-蛙跳模糊神经网络PID 的永磁直线同步电机控制

针对永磁直线同步电机(PMLSM)伺服系统存在的非线性、时变性及强耦合性,设计一种基于模糊神经网络PID的速度控制策略,通过融合果蝇优化算法和蛙跳算法形成果蝇-蛙跳算法,实时调整优化模糊神经网络的结构参数,输出适用于PID控制器的最佳参数kp、ki、kd,实现PMLSM速度控制的自适应和智能化。仿真分析与试验结果表明,采用基于果蝇-蛙跳算法优化的模糊神经网络PID速度控制器,能使PMLSM控制系统取得更加优良的控制效果。     

基于R_d阻尼型LCLLC滤波器的永磁同步发电机绕组谐波抑制

在永磁风力发电系统中,为了减轻机侧变流器产生的脉宽调制(PWM)高频脉冲波对定子绕组的绝缘损害,降低谐波电流造成的发电机损耗,在分析传统PI控制策略的基础上,提出了一种新的策略。将谐振控制器与二自由度(2DOF)PID控制器相结合,设计谐振二自由度PID(R-2DOF PID)控制器,并通过粒子群(PSO)算法优化控制器参数,获得较强的电流跟踪能力、稳定的控制和良好的谐波电流抑制效果。同时,在机侧变流器端设计Rd阻尼型(滤波器电容支路串联电阻)LCLLC滤波器衰减PWM高频脉冲中的高次谐波,与传统PI控制结合Rd阻尼型LCL滤波器的谐波抑制策略相比,提出的控制器不仅能抑制电流谐波,实现电流环的无差拍控制,而且能减小外界扰动带来的影响,增强控制器的动态稳定性。使用MATLAB/Simulink对永磁同步发电机进行仿真试验,仿真结果表明,LCLLC滤波器对于滤除PWM高频脉冲的谐波成分效果较好,R-2DOF PID控制器可对周期信号进行无误差跟踪,达到抑制谐波的目的。     

一种柔性直流输电系统PID-ANFIS优化控制方法

针对柔性直流输电系统(Voltage Source Converter based High-Voltage Direct-Current,VSC-HVDC)双闭环控制中PI控制存在参数整定困难及控制器数量过多等问题,提出一种具有PID功能的自适应神经元模糊推理系统(Adaptive Neuro-Fuzzy Inference System with PID function,PID-ANFIS)控制器用于该系统控制。其中,PID-ANFIS控制器兼有神经网络控制、二阶模糊控制及PID功能;同时提出的基于三重合作粒子群算法(Treble Cooperative Particle Swarm Optimization,TCPSO)用于优化该控制器中神经网络参数。TCPSO采用由降维合作、分组合作与记忆合作组成的三重合作策略,极大程度上提升了神经网络参数优化的精度。深入研究了TCPSO优化PID-ANFIS控制器参数的步骤。基于TCPSO优化的PID-ANFIS控制器能够实现VSC-HVDC系统的直接功率控制效果。仿真结果表明该控制器具有控制速度快、超调量小、抗干扰能力强等优点,是VSC-HVDC控制系统的一个可行方案。     

PWM整流器中优化变结构控制策略的设计

提出了PWM整流器的等效电路并在dq坐标系下进行了建模分析,对采用变结构的电流控制环和PI 电压控制环的双闭环的控制器进行了深入分析。针对变结构控制存在的不足,采用PID趋近率来减小变结构控制的抖振及到达滑模面的时间,在对PID趋近率设计进行理论分析的基础上提出了一种优化变结构控制策略。对该优化控制器的设计进行了详细的分析并进行了仿真与实验验证,结果表明所提出的优化变结构控制策略可以实现PWM整流器的单位功率因数运行,且输入电流畸变较小,在负载变化时可以保证系统的快速调节,动、静态调控特性较好。     

神经PID控制在SVPWM整流器VFDPC中的应用研究

分析了PWM整流器虚拟磁链直接功率控制(VFDPC)的工作原理,得出了基于虚拟磁链观测的瞬时功率估算式。设计了2个高通滤波器级联构成的二阶环节代替纯积分器滤除直流分量来解决虚拟磁链观测中存在的因积分初值选取不当造成的直流偏移问题。为提高PWM整流器直流电压稳定性,在电压外环设计了神经PID控制器。仿真结果表明,与传统PID控制相比,基于神经PID控制的SVPWM整流器直接功率控制系统直流侧电压稳定、动态性能更好。     

电网不平衡时电压型PWM整流器混合无源控制

针对国内外电网不平衡时电压型PWM整流器控制策略存在控制结构复杂和控制性能不佳的问题,提出了由直流电压环(PI)与无源电流控制器组成的电压型PWM整流器混合无源控制器。基于整流器的EL(Euler-Lagrange,EL)模型,利用阻尼注入方法设计了无源电流控制器。根据无源电流控制器确定出具有补偿电网不平衡功能的开关函数。该混合无源控制器只需电压、电流的实时值,通过混合无源控制器就可消除或抑制整流器输入电流中的所有谐波且使整流器具有恒定的直流电压;可使整流器具有良好的性能和简单的控制结构。仿真和实验结果表明,电网不平衡时电压型PWM整流器混合无源控制是可行的。     

基于模糊神经网络的农业电气PID控制参数优化

提出一种基于改进模糊神经网络PID控制的农业电气设备控制参数优化方法。设计了农业电气设备的系统结构模型,对农业电气设备的控制参量进行约束模型构建,得到控制目标函数,设计三层前向变结构PID神经网络,对农业电气PID控制参数进行自适应优化调节,设计了变结构的模糊神经网络PID控制器,实现对农业电气PID优化控制。仿真结果表明,采用该算法进行农业电气设备控制,其输出电压和电流等参数的稳定性和自整定性较好,功率增益较高,收敛性好,控制误差较少,提高了电气系统的稳定性和可靠性。     

改进神经网络优化PID和模糊理论在异步电动机中的应用

为了提高异步电动机的控制器准确度,针对传统PID控制存在的一些不足,提出了一种改进神经网络优化PID和模糊理论的异步电动机控制策略。首先采用神经网络对异步电动机PID控制器的三个参数进行实时、自适应调整,并通过改进粒子群算法优化神经网络参数;然后利用模糊控制器替代异步电动机的滞环控制器;最后通过仿真实验对其性能进行测试。实验结果表明,该控制策略大幅度改善了异步电动机控制器的动态响应性能,具有较好的鲁棒性,且实际应用价值更高。     

基于模糊控制的双闭环PWM整流器

传统的双闭环PWM整流器设计中常常采用常规PID调节方式进行控制,但是由于PWM整流器具有非线性等特性,在较大的扰动和控制对象变化时情况下,使用PID调节方式难以得到满意的调节效果。该文将传统PID控制与模糊控制相结合,并引入负载电流前馈补偿,提出了一种新颖的控制策略,优化了PWM整流系统。理论分析和仿真表明：这种控制策略能使系统获得优良的动态和静态性能,而且设计方法简单,控制器容易实现。     

双级矩阵变换器驱动永磁同步电机的混合非线性控制系统

针对传统PWM变换器及PID控制器存在的很多缺点,提出一种基于双级矩阵变换器(TSMC)驱动永磁同步电机(PMSM)的混合非线性控制方案。首先,针对系统易受电网和负载扰动的问题,建立TSMC-PMSM系统整流器端口的受控耗散哈密顿模型(PCHD),证明其严格的无源性,设计TSMC-PMSM系统整流器端口的基于互联与阻尼分配(IDA)的无源性控制(PBC)器,并理论证明该闭环系统的稳定性;另外,针对转速外环PID控制器自我调节能力差的问题,利用自抗扰控制器(ADRC)非线性光滑反馈的特点,设计变积分系数PI-ADR非线性控制器。仿真和样机实验结果都表明,采用混合非线性控制的TSMC-PMSM系统具有良好的网侧性能、很强的抗扰动能力和很好的动、静态性能。     

永磁同步电机神经网络速度控制器设计

针对永磁同步电机非线性、多参数变化以及系统扰动等问题,将传统PID控制与具有强自适应、自学习能力的径向基函数(RBF)神经网络相结合,设计一种永磁同步电机神经网络速度控制器。用RBF神经网络自适应整定PID速度控制器参数,提高系统鲁棒性和控制精度;利用改进资源分配网络(IRAN)和梯度下降法进行离线学习和在线学习,提高RBF神经网络的运算速度。通过MATLAB仿真实验,相比于传统PID速度控制,神经网络速度控制器具有更高的控制精度,更好的调速性能和鲁棒性。     

基于自适应粒子群优化的静止变频电源控制研究

为了提高静止变频电源输出的电压波形质量,增强控制系统的鲁棒性,提出了基于自适应粒子群优化算法(APSO)优化模糊神经PID控制策略。利用改进的自适应粒子群优化算法优化模糊神经网络的前件、后件参数和单神经元优化PID参数,实现了控制器参数的自动调整。在MATLAB/SIMULINK环境下,对该策略控制下的静止变频电源控制电路进行了仿真。结果表明,与普通的模糊神经网络PID控制对比,引入改进的粒子群优化算法可以实现参数的全局快速寻优。优化后的模糊神经PID控制器具有良好的控制性能和自适应能力,很好地满足了系统的鲁棒性、快速性的要求。     

神经网络在永磁同步电动机PID参数优化中的应用

研究永磁同步电动机(PMSM)优化控制问题,PMSM参数会随着工作环境的变化而变化,传统PID控制方式无法满足高性能控制的要求,且PMSM系统控制精度低。为提高PMSM系统的控制精度,提出一种神经网络优化PID控制方法。首先深入分析PMSM特性,并建立电动机数学模型,然后在该数学模型下采用BP神经网络对PID控制器的参数进行在线优化,从而实现PMSM参数进行在线辨识,达到对电动机控制系统进行精确控制。     

MP-MMC驱动六相永磁同步风力发电机分数阶PID控制研究

针对多相模块化多电平变流器(MP-MMC)驱动多相发电机,在Y移30度六相永磁同步发电机(PMSG)旋转坐标系下的数学模型基础上,引入了分数阶PID控制器。分数阶PID控制器相比整数阶PID控制器增加了两个控制自由度,即主要影响控制系统稳态性能的积分阶次λ和主要影响控制系统动态性能的微分阶次μ,使得分数阶PID控制器的设计更加灵活。在MMC内部能量均分部分采用分数阶PID控制器可使得子模块电容电压峰峰值及其谐波畸变率降低,进而输出电压波形得到改善;也使得MMC的桥臂环流峰峰值降低,环流波形得到改善。在发电机转速侧,发电机定子的d、q轴电流闭环控制侧部分采用分数阶PID控制器可使发电机转速动态性能与稳态性能进一步改善。在z₁和z₂子空间的谐波分量控制部分采用分数阶PID控制器可使得系统谐波影响更小,控制效果更佳。最后,仿真和实验结果验证了分数阶PID控制器具有良好的控制性能,可进一步提升了六相PMSG-MMC系统的运行能力。     

基于模糊神经网络的直线超声电机自适应控制

针对直线超声电机很强的非线性和时变特性,提出了模糊神经网络控制。为了更好地将PID控制的经验融入模糊神经网络,对离散型PID表达式的各项进行了划分,将轨迹跟踪误差信号、轨迹跟踪误差信号的变化和轨迹跟踪误差信号的变化率等三项作为模糊神经网络的输入。采用自适应律并结合了反向传播算法和梯度下降法进行学习优化。试验结果表明,所设计的模糊神经网络控制器不仅明显优于PID和自组织神经网络控制器,而且具有很好的抗干扰能力。     

无刷励磁同步电动机励磁系统智能控制

无刷励磁同步电动机的励磁系统是一个非线性时变系统,很难总结其精确的数学模型,将模糊控制和神经网络算法引入同步电动机功率因数控制系统,从而构成了模糊神经控制器,实现电机启动阶段的控制.当电机转速达到给定值后,由PID调节器起作用,实现无差控制,输出西门子6RA70整流器电流的给定值,以控制励磁发电机的励磁电流.整个控制采用S7-300及Profibus-DP现场总线,并运用西门子6RA70整流器组成硬件结构;系统软件设计采用面向对象程序,利用S7-300编程软件STEP 7的梯形图编程语言实现励磁系统的智能控制,给出了主要控制模块的设计框图.实验证明,在结合模糊神经算法和PID算法的控制下,该系统运行稳定、可靠.     

基于RBF和PID的混合控制器设计

针对永磁直线同步电机跟踪系统中出现的诸多非线性因素,提出了基于PID控制器和径向基函数(RBF)神经网络组成的混合控制器。混合控制器结合了PID控制和RBF神经网络控制的优点,实现了非线性PID控制、高精度跟踪控制,拥有参数自整定、结构简单、易于实施等优点。分别对PID控制器,RBF神经网络控制器、混合控制器建模仿真,试验结果表明,混合控制器有较好的自适应性和鲁棒性。