基于DRNN的超导磁储能装置自适应PID控制

提出使用自适应PID控制的方法进行超导磁储能装置控制器的设计,这种控制方法由DRNN(对角回归神经网络)在线辨识系统特定参数,不需要建立系统参考模型,而使得闭环系统的误差信号趋于最小.仿真表明DRNN能够通过梯度下降法自学习,辨识系统的特定参数,速度较快.与传统的控制方法相比,其控制效果好,且结构简单,较易实现.     

基于对角递归网络的时变系统解耦控制

提出一种基于DRNN在线辨识的PID解耦控制方案,给出了网络的结构和算法,并对真空炉时变耦合系统进行了仿真。仿真结果表明,DRNN神经网络对多变量强耦合时变对象具有良好的解耦性能和自学习控制特性。     

空调系统温度的DRNN神经模糊PID控制器设计

在空调系统温度的控制领域,具有自主学习和自适应优势的神经网络控制成为了未来发展的方向。提出了一种DRNN神经模糊PID控制器,利用DRNN网络的优点,使系统具有更优的动、静态性能。建立了DRNN神经模糊PID控制器的模型,并对PID控制、RBF神经模糊PID控制和DRNN神经模糊PID控制3种不同控制策略的控制效果进行了仿真对比分析。仿真结果表明,采用DRNN神经模糊PID控制器的系统具有响应时间更短和超调量更小等优点。     

发电机励磁系统建模与参数辨识综述

励磁系统在电力系统的规划与控制领域都有非常重要的作用,精确的模型结构与参数是选择有效控制手段和整个电力系统仿真准确性的基础。文中通过对励磁系统建模及参数辨识的研究,在整理系统辨识理论发展的基础上, 从线性与非线性2个方面对励磁系统参数辨识展开论述,着重讨论了不同的辨识方法在励磁系统参数辨识中的应用。目的是为励磁系统建模与参数辨识的进一步发展打下基础。     

基于DRNN自整定QPR-DMRC控制的并网逆变器技术

针对常规并网逆变器中电网电压会出现畸变及传统控制器动态响应差等问题,通过分析准比例谐振和传统重复控制策略的优缺点,提出了一种基于对角递归神经网络的改进型QPR-双模重复控制(DMRC)复合控制器并给出其控制算法,DRNN采用LM算法,利用DRNN参数自整定技术,对改进型QPR-DMRC控制器参数进行在线整定,该方法既能够有效地对奇、偶次谐波进行抑制,同时解决了QPR控制器参数整定困难等问题。采用Matlab/Simulink进行仿真研究,结果表明该方法能有效地降低系统谐波总畸变率,提高了系统的抗干扰能力,实现逆变器无静差稳定运行。     

基于变频器-电动机系统的电动机参数辨识

在高精度变频调速系统中,准确的电动机参数是系统性能的保证。论述了基于变频器-电动机系统的电动机静态参数辨识。给出了辨识参数时的控制方法及实验波形,得到了令人满意的参数辨识结果。     

基于遗忘因子多新息随机梯度算法PMSM参数辨识

针对传统辨识算法结果不精确以及电机参数变化问题,提出了基于遗忘因子多新息随机梯度辨识算法。结合永磁同步电机系统电压方程,构建离散辨识模型。采用矢量控制方法控制电机,获得辨识模型输入输出数据,对转子电阻和电感参数进行在线辨识。仿真结果表明,该算法能够实现对永磁同步电机参数的辨识。     

基于变频器-电动机系统的电动机参数辨识

在高精度变频调速系统中，准确的电动机参数是系统性能的保证。论述了基于变频器-电动机系统的电动机静态参数辨识。给出了辨识参数时的控制方法及实验波形，得到了令人满意的参数辨识结果。     

异步电动机参数离线辨识

在变频调速系统中,准确的电机参数是系统性能的保证。本文论述了基于变频器一电动机系统的电动机静态参数辨识。给出了辨识参数时的控制方法及实验波形,最后给出了令人满意的实验结果。     

考虑恢复暂态过程的直驱发电系统低电压穿越模型参数解耦辨识方法

传统的直驱发电系统参数辨识主要是对其变流器PI参数或本体参数进行辨识,而其辨识结果无法描述直驱发电系统低电压穿越过程的动态特性.为了获得准确的直驱风力发电系统低电压穿越(low voltage ride through,LVRT)模型参数以满足直驱发电并网系统的安全可靠的要求,提出一种考虑恢复暂态过程的直驱发电系统的低电压穿越模型参数解耦辨识方法.首先,基于直驱发电系统低电压穿越输出曲线特性,建立了直驱发电系统低电压穿越控制方程,并分析了对网侧PI控制参数和LVRT参数辨识的必要性.其次,针对网侧内环PI控制参数与LVRT参数具有耦合关系的问题,提出直驱发电系统低电压穿越模型参数解耦辨识策略,并基于灵敏度分析得到直驱发电系统各个参数的最优辨识工况.最后利用差分进化算法辨识内环控制器参数与LVRT参数,仿真算例表明所提辨识方法的有效性.     

基于遗传算法的永磁同步直线电机PID控制研究

由于永磁同步直线电机系统运行过程中参数摄动和负载扰动等问题的存在,传统 PID控制器无法满足高精度伺服控制系统的要求。设计出一种基于遗传算法(GA)优化的 PID 控制器,并通过 Simulink 对永磁同步直线电机控制系统进行建模和仿真实验。仿真和实验表明,采用 GA优化的PID控制器与传统的 PID控制器在指定速度和负载扰动条件下相比,具有更好的动态稳定性和跟踪性能,能有效抑制参数摄动的影响并对负载扰动具有较强的鲁棒性,实验结果也证明了方案的有效性和可行性。     

新型智能数字PID控制器及其应用

针对BP神经网络-PID控制器盲目选取PID参数初值容易陷入局部最小和给定值大幅变化引起系统性能变坏等问题,提出了一种新型智能数字PID控制器,用积分分离型数字PID取代BP神经网络-PID控制器的传统数字PID,抑制超调,改善系统性能;用继电器自整定法确定PID参数的初值,防止神经网络的局部极小问题。对时变和非时变非线性被控对象,分别用Marlab对新型智能数字PID和传统数字PID的控制效果进行了仿真。结果表明,新型智能数字PID控制器具有更好的控制效果和更好的鲁捧性。将该控制器用于某冶炼厂铅板生产中的铅液温度（坩锅温度）的控制,获得了满意的控制效果。     

神经网络在直流调速中应用

介绍了传统PID控制器在直流调速中的应用,其控制参数难以精确整定,故其控制精度难以保证,提出基于BP神经网络的PID控制方法,将其应用在直流调速系统中,仿真研究结果表明,该方法较传统PID有更好的控制效果。     

视轴稳定系统的模糊PID控制器设计

为了实现无人机视轴稳定系统的准确测量与跟踪,设计了经典PID和模糊控制为基础的视轴稳定控制器。在实际工程中PID参数整定过程存在大量不确定性,为了实现PID参数的在线整定,将模糊控制算法与经典PID控制相结合,构造了参数自整定模糊PID控制器,实现了对PID控制器的修正。在MATLAB中的Fuzzy Toolbox和Simulink中,将PID和参数自整定模糊PID进行对比,参数自整定模糊PID控制器在无扰动和10 Hz的正弦扰动的阶跃响应曲线表明,模糊PID相对于模糊控制和PID控制有更短的响应时间和更小的隔离度;在输入为1~10 Hz的系统正弦响应曲线,模糊PID误差最小,控制效果最好。由此可得参数自整定模糊PID在视轴稳定系统中有良好的鲁棒性和控制性能。     

无刷直流电机单神经元PI控制器的设计

研究了一种基于专家系统的单神经元PI控制器,并将其应用于无刷直流电机调速系统中.控制器实现了PI参数的在线调整,在具有PID控制器良好动态性能的同时,减少微分项对系统稳态运行时的影响,并较好地克服了无刷直流电机非线性、参数易变的影响.仿真结果表明,基于专家系统的单神经元PI控制器自适应能力好,响应快,鲁棒性强,系统静态和动态特性良好.     

基于尼科尔斯PID设计方法的负荷频率控制

为解决互联水电系统负荷频率控制(load frequencycontrol,LFC)问题,及保持互联电网系统频率、联络线功率及区域控制误差(area control error,ACE)的稳定,根据闭环系统谐振峰值与系统响应最大峰值之间的关系,构建一个与系统参数及控制器参数都相关的优化问题,通过该问题的求解获得控制器参数与系统参数之间的数学关系,针对水轮发电系统非最小相位特性,通过串加比例–微分(proportional-derivative,PD)控制方式降低系统阶次,设计尼科尔斯(Nichols)曲线的比例–积分–微分(proportional-integral-derivative,PID)控制器。基于模型参数扰动和负荷干扰的仿真结果表明:尼科尔斯PID控制器能快速调整系统频率偏差、联络线功率偏差及ACE为0,具有良好的鲁棒性能和抗负荷干扰性能,系统过渡过程性能明显优于传统PID调节器结果。     

基于RBF神经网络非线性预测模型的开关磁阻电机自适应PID控制

开关磁阻电机的非线性和变参数特性使得采用传统的PID控制很难取得较好的控制效果。人工神经网络在一定的条件下可以任意精度逼近任意非线性函数且具有较强的自学习、自适应、自组织能力。故将其与传统的PID控制相结合构成神经网络自适应PID控制策略，应用于非线性严重的开关磁阻电机，可实现对开关磁阻电机的高性能控制。同时，神经网络所具有的非线性变换特性和高度的并行运算能力使得其适合建立非线性预测模型进行参数预测。通过对被控系统参数的预测，可提高系统的动态响应性能。该文采用两个神经网络-BP神经网络和RBF神经网络来分别构成神经网络NNC和神经网络NNI。神经网络NNC进行自适应PID参数调节；神经网络NNI用来建立非线性预测模型进行参数预测。为进一步加快神经网络的学习收敛速度，该文采用变学习速率的神经网络学习算法，学习速率随收敛过程误差的大小而自适应地进行调整，这可大大加快神经网络学习训练的收敛速度，进一步提高系统动态响应速度。实验结果表明，系统的动态响应快，超调小，稳态精度高，鲁棒性强，有较强的抗扰动能力，具有较好的控制效果。     

一种Smith预估系统的鲁棒PID控制算法

根据内模控制原理和现代鲁棒控制理论,针对Ｓｍｉｔｈ预估补偿方法,提出了一种新的一维鲁棒ＰＩＤ控制器设计方法,其优点是控制器的参数可以解析得到,且只有一个可调参数,被调参数与系统的鲁棒性有直接的联系,可较好地用于大纯滞后控制对象,为提高Ｓｍｉｔｈ预估系统的鲁棒性提供了一种有效的ＰＩＤ整定算法。     

基于MVO算法与改进目标函数的电力系统负荷频率控制

针对风电并网时的随机波动功率、负荷频率控制(load frequency control, LFC)系统参数变化所引起的电力系统频率稳定问题,提出了一种基于智能优化算法与改进目标函数的互联电网LFC系统最优PID控制器设计方法。首先,分析了基于PID控制的含风电互联电力系统LFC闭环模型。其次,在时间乘误差绝对值积分(integral of time multiplied absolute error, ITAE)性能指标的目标函数中考虑了区域控制器的输出信号偏差,对优化目标函数进行改进。采用性能优良的多元宇宙优化(multi-verse optimizer, MVO)算法先计算后验证的思路,寻优获得最优PID控制器参数。最后,以两区域4机组互联电力LFC系统为例,仿真验证了基于MVO算法结合改进目标函数所获得的PID控制器,比基于MVO算法所获得的PID控制器,对阶跃负荷扰动、随机负荷扰动、风电功率偏差扰动以及系统的参数变化,具有相对较好的鲁棒性能。并且,对控制器参数也具有相对较好的非脆弱性指标。     

串级系统智能模糊比例微积分控制器设计

在串级控制系统的基础上，主调节器采用智能模糊比例微积分（PID）控制算法，副调节器采用常规PID算法，将数字PID控制与模糊控制结合起来构成智能模糊控制器可对PID的参数进行在线调节，仿真试验表明，该控制器可有效提高系统控制品质，具有很好的抗干扰能力。