基于递归神经网络的无刷直流电动机控制研究

基于动态模型提出了一种性能较好的递归模糊神经网络无速度传感器无刷直流电动机控制方法,即采用递归模糊神经网络控制器作为转速控制器来近似最优控制器输出。仿真结果表明,当系统参数动态变化或受到外部不确定因素影响时,利用神经网络来在线调整网络的隶属函数参数以及神经网络递归权值,使系统具有良好的动、静态性能。     

基于强化学习算法的自适应直流附加阻尼控制器

提出了基于强化学习算法的直流附加阻尼控制器。控制器主体采用模糊神经网络,利用由系统性能指标生成的强化信号在线训练控制器参数。与传统的模糊控制器相比,由于该控制器采用自适应启发式评价算法,将系统输出性能指标转化为强化信号反馈给控制器,使其能够在线修改控制器参数,因此有效地克服了传统阻尼控制器的设计对系统精确数学模型的依赖。仿真结果表明,与传统的阻尼控制器相比,基于强化学习算法的直流附加阻尼控制器能够有效地抑制区域间的功率振荡,提高交直流系统的动态稳定性,并且对多种运行方式具有一定的鲁棒性。     

基于模糊神经网络的永磁同步电动机矢量控制系统

该文提供了一种基于自适应模糊神经网络的永磁同步电动机（PMSM）矢量控制系统速度控制器的实施方案。模糊神经网络控制器（FNNC）包括神经网络控制器（NC）和模糊逻辑控制器（FC）两部分，它同时具有神经网络自学习能力和模糊逻辑在处理不确定信息方面的能力。人工神经网络（ANN）的初始权值和阈值通过离线训练的方式获得。在实际的运行过程中，利用模糊控制器的输出对神经网络的权值和阈值进行实时调整。仿真结果表明利用所提出的模糊神经网络来建立永磁同步电动机矢量控制系统的速度控制器，当电机参数改变或者受到外部扰动时，系统具有良好的动态特性。     

汽包水位的模糊调整自适应神经网络控制仿真研究

提出了一种基于模糊调整的自适应神经网络控制策略,将其应用到电站锅炉汽包水位的仿真研究中。应用模糊推理机在线训练神经网络控制器。将蒸汽流量信号作为神经网络的输入,使系统具有前馈补偿能力。构造了鲁棒控制器,保证在控制初期以及对象特性变化的情况下系统具有很强的鲁棒性。仿真结果表明了该控制策略的有效性。     

模糊神经网络辨识和控制在非线性系统中的应用研究

针对生成过程中存在大量的非线性系统,采用传统的控制方法不能达到满意的控制效果的实际情况,提出一种基于模糊神经网络(FuzzyNeuralNetwork:FNN)的控制策略,融合模糊控制和神经网络的优点,根据过程变量的动态变化实施控制器的在线参数调整使非线性系统的控制获得了良好的效果,仿真表明了该控制方案的优越性。     

改善系统暂态稳定性的HVDC模糊神经控制器

提出了一种HVDC在线模糊神经控制器以提高交直流系统的暂态稳定性。该控制器的特点是结合了模糊系统处理复杂和不确定性问题及神经网络具有自学习能力的优点,选取整流侧交流母线电压相位误差及其变化率作为模糊逻辑控制部分的输入,其输出结果作为神经网络的一个输入,采用改进BP算法进行在线训练神经网络,神经网络的输出用来修正整流器的触发角,并利用NETOMAC软件对控制器主要参数进行了离线优化。仿真结果表明该控制器能有效地抑制有功功率振荡,改善发电机的功角特性,提高系统的暂态稳定性。     

基于递归模糊神经网络的感应电机无速度传感器矢量控制

该文提出了一种控制性能较好的递归模糊神经网络(RFNN)无速度传感器感应电机矢量控制方法，该方法使用模型参考自适应方法辨识转子磁场位置和转速，采用递归模糊神经网络控制器作为转矩控制器来近似系统最优控制器输出。仿真实验表明，当系统参数动态变化或受到外部不确定性因素的影响时，利用神经网络来在线动态的调整网络的隶属函数参数以及神经网络递归权值，使系统仍将具有很好的动静态性能。     

基于模糊神经网络的永磁同步电机控制

针对永磁同步电机控制系统的非线性与电机参数时变易受扰动的特性,提出一种基于RBF神经网络在线自学习模糊自适应控制器,利用模糊推理机产生的分目标学习误差进行RBF神经网络的在线训练,有效地提高了控制系统的品质。算法简单易于实现;仿真证明,系统具有较好的动态性能。     

改善系统暂态稳定性的HVDC模糊神经控制器

提出了一种HVDC在线模糊神经控制器以提高交直流系统的暂态稳定性.该控制器的特点是结合了模糊系统处理复杂和不确定性问题及神经网络具有自学习能力的优点,选取整流侧交流母线电压相位误差及其变化率作为模糊逻辑控制部分的输入,其输出结果作为神经网络的一个输入,采用改进BP算法进行在线训练神经网络,神经网络的输出用来修正整流器的触发角,并利用NETOMAC软件对控制器主要参数进行了离线优化.仿真结果表明该控制器能有效地抑制有功功率振荡,改善发电机的功角特性,提高系统的暂态稳定性.     

双神经网络交流传动自适应规划控制

将Hopfield神经网络应用于交流传动系统的自适应控制，通过神经网络来规划交流调速系统的速度控制器动态输出；并将Hopfield神经网络控制器代替矢量控制系统中的转速调节器，使速度控制器具有对某些参数变化良好的鲁棒性。对于不可控的负载转矩分量，加入神经网络负载转矩在线跟踪控制器，形成参数自动跟踪神经网络，构成具有参数在线跟踪功能的交流传动双神经网络自适应规划控制模式，进一步提高了系统的性能．仿真结果证明了该控制方案的有效性．     

永磁同步电动机的神经网络模糊控制器设计

提出了基于神经网络的自学习模糊控制器的设计方法。在永磁同步电动机(PMSM)矢量控制系统中,使用该控制器作为速度调节器对永磁同步电动机进行精确的速度控制。仿真结果表明,该神经网络模糊控制方法是可行的,具有良好的动态及静态特性。     

神经网络在线学习模糊自适应控制及其应用

基于反馈误差学习法,提出了一种神经网络在线学习模糊自适应控制结构。利用模糊推理机产生的分目标学习误差训练神经网络,避免了控制器的输出产生振荡或进入饱和状态。工程应用表明,该方法将模糊推理引入神经网络学习中,可有效地提高系统的控制品质。     

基于模糊RBF神经网络的风电机组变桨距控制

在介绍模糊RBF神经网络基本原理的基础上设计了模糊RBF神经网络控制器,并将其应用于大型变速变桨风力发电机组的变桨距控制中.在风速高于额定风速时,通过控制桨叶节距角来改变攻角从而改变风机获得的空气动力转矩,以实现输出功率稳定在额定值.将该模糊神经网络控制方法和PI控制进行仿真比较,结果表明前者优于PI控制.     

基于模糊神经网络的纯电动车永磁同步电机矢量控制

纯电动车控制系统对电机控制性能要求较高。提供了一种基于模糊神经网络的永磁同步电机矢量控制方案。以模糊神经网络控制器作为电流调节器,并在速度环引入模糊控制器,将其输出作为电流环的限幅,达到限速的目的。仿真和试验结果表明:对于电动车运行的复杂情况,该方法具有良好的转矩跟踪和电机限速性能。     

电动汽车动力传动系转矩波动抑制研究

针对电动汽车由于传动系低阻尼特性产生的转矩波动问题,在Matlab/Simulink平台上搭建了基于永磁同步电机矢量控制策略的传动系扭振仿真模型,在电机速度环设计出模糊自整定PID控制器和神经网络PID控制器,以提高电机控制器的响应速度和抗干扰能力。仿真结果表明:运用机电耦合的建模方法能够有效揭示电动汽车传动系的动力学特性;通过模糊逻辑方法或者神经网络算法对PID控制器进行参数整定,能够改善由突变负载和突变控制信号引起的传动系转矩波动问题。     

基于模糊神经网络算法的交流伺服系统DSP控制

将神经网络与模糊逻辑控制结合起来,设计模糊神经网络控制器应用于交流伺服系统中的转速调节器,克服交流调速系统中参数漂移、非线性和耦合等因素的影响.针对模糊神经网络控制器运算量大、收敛慢的特点,硬件采用数字信号处理器(DSP)作为控制器运算单元,并在DSP上实现模糊神经控制算法,提高了系统实时性.实验结果表明,采用该控制器的调速系统具有较快的响应速度、较高的稳态精度和较强的鲁棒性.     

模糊CMAC神经网络控制系统及混合学习算法

针对CMAC神经网络和模糊控制的特性,给出了一种能反映人脑认知的模糊性和连续性的模糊CMAC神经网络控制器,该控制器采用高斯函数作为模糊隶属函数,利用神经网络实现模糊推理并可对隶属函数进行实时调整,从而使其具有学习和自适应能力。讨论了这种控制器的混合学习算法,即先采用混沌算法离线优化,再采用BP梯度算法在线调整,并推导了变形Elmam网络的系统辨识算法。对电厂锅炉主蒸汽温度控制的仿真结果表明了此控制器及其学习算法的可行性和有效性。     

基于模糊调整的神经网络逆模型控制

研究了神经网络的逆模型辨识及其直接逆模型控制,提出了一种基于模糊调整的神经网络逆模型控制方法。采用神经网络建立非线性被控对象的动态逆模型,并用模糊集理论对控制器增益和积分增益进行动态调整。仿真实验结果表明该方法应用于纸浆浓度控制系统中具有良好的控制品质,较强的鲁棒性、适应性和抗扰能力。     

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。