带补偿的神经网络辩识器在异步电机调速系统中的应用

本文提出了一种带模糊补偿的神经网络算法并应用在异步电机速度控制系统中。一个动态神经网络用于被控装置的在线辨识，然后根据被控装置的输出和参考模型的响应迭代出控制信号，具有四条简单规则的模糊逻辑块用于提高整个系统的闭环特性。仿真结果显示，对比传统的最优PID控制器，本文提出的控制策略具有更好的瞬变特性及抗干扰特性。     

异步电机变频调速系统的神经网络逆系统控制

本文运用神经网络逆系统这一新的控制策略，对异步电机变频调速系统进行可逆分析与控制试验，理论分析与实验的结果表明：该方法对异步电机变频调速这一非线性，快速多变，难于建模复杂系统的控制是实用和有效的。     

无刷直流电机调速系统模糊神经网络控制新方法

在分析无刷直流电机(BLDCM)数学模型的基础上建立控制系统的仿真模型，提出了用基本样条函数实现BLDCM模糊神经网络速度控制器设计的新方法。在dSPACE环境中构建了BLDCM控制系统硬件，进行了基本样条模糊神经网络调速系统的实时控制实验。结果表明，该方法响应快、超调小、鲁棒性强，动、静态特性均优于传统PI控制。     

模糊神经网络控制在直流电机控制中的应用

利用神经网络实现对直流电机调速系统的模糊控制，仿真结果表明，该控制方法具有很强的自学习和抗干扰能力，当突加、减负载时，神经网络模糊控制与PID控制相比较，具有恢复时间短，超调和振荡小等特点。     

感应电机调速系统模糊神经网络逆鲁棒控制

以多变量、非线性、强耦合的感应电机调速系统为研究对象,采用模糊神经网络逆鲁棒控制策略,通过模糊神经网络加积分器来构造感应电机调速系统的动态逆系统,将二者串联重构成伪线性复合系统,基于内模控制,根据复合系统的特性设计鲁棒控制器,实现了感应电机转速的高精度鲁棒控制.仿真和实验结果表明系统具有优良的静态及动态性能,对负载扰动、参数摄动和未建模动态等具有很强的鲁棒性.     

永磁同步电动机调速系统模糊神经网络控制的研究

文章介绍了以基本样条函数设计永磁同步电动机模糊神经网络速度控制器的方法。基于Matlab／Simulink的PMSM控制系统仿真平台，基本样条模糊神经网络调速控制的仿真结果表明：该方法响应快、超调小、鲁棒性强，具有较优的动、静态特性。     

感应电机调速系统的模糊神经网络控制研究

针对多变量、非线性、强耦合的感应电机调速系统,传统的PID控制和模糊控制均不能达到理想的控制效果的问题,依据空间矢量控制理论建立了感应电机的数学模型,提出了一种基于模糊神经网络的感应电机调速系统控制方法,并且在基于神经网络离线训练的基础上提出了在线调整网络参数的策略,实现了感应电机调速系统的高精度控制,并通过Matlab仿真进行了分析研究。结果表明,系统具有优良的动静态性能,且对电机参数的变化与负载扰动具有较强的鲁棒性。     

模糊神经网络系统的隶属函数初始化算法研究

给出一种新颖的模糊神经网络系统的隶属函数初始化算法,并分析了算法的收敛问题,与文（１）及常规自组织照算法相比,不但每步的计算量大大减小,得到的初始化结果也更优,模拟仿真结果是令人满意的。     

基于模糊神经网络的异步电动机故障诊断研究

在对当前的检测方法与故障诊断手段研究的基础上,提出了基于模糊神经网络的故障诊断方法。该方法利用改进的BP算法,提高了学习速率,增强了稳定性。同时,针对异步电动机常见的故障特点,运用该诊断模型,对异步电动机故障进行了诊断。仿真结果表明：它具有准确度高,诊断速度快等优点,是一种较实用的故障诊断方法。     

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.     

神经网络模糊直接转矩控制在感应电机中的应用研究

针对感应电机直接转矩控制中存在较大转矩脉动的特点,提出基于神经网络与模糊逻辑的感应电机直接转矩控制策略,用训练好的神经网络建立定子磁链观测器,将模糊控制算法引入逆变器状态开关选择器,通过对转矩误差、定子磁链误差和磁链位置角的模糊分级来实现逆变器开关的分级控制。仿真及实验结果表明,与常规DTC相比,该控制方法转矩、转速、磁链响应速度快、响应脉动小,具有良好的稳态跟踪性能和优异的动态响应。     

模糊逻辑与神经网络的蓄电池容量预测

蓄电池容量预估的精度由于受到诸多因素的影响而难以让人满意。由于仅通过电池开路电压这一物理量即可与剩余容量建立一一对应关系,基于这种思想,文章在对某型号锂离子蓄电池大量实验的基础上,提取压降变化与剩余容量、电流、温度的一般规律,并通过模糊逻辑控制与神经网络技术手段实现了对蓄电池剩余容量的较准确预估。仿真及实验验证了该系统的有效性。     

基于模型参考自适应模糊神经网络的直线永磁同步电动机速度伺服系统

针对直线永磁同步电动机全闭环控制系统易受干扰而降低系统性能指标,甚至造成不稳定等问题,采用模型参考自适应模糊神经网络在线辩识方法,用梯度法实时修正模糊控制器的输入和输出隶属度参数,建立了模型参考自适应模糊神经网络速度伺服系统模型,并给出了模糊神经网络控制器的设计。通过仿真和实验结果证明,这种方法提高了速度检测装置的分辨率和动态响应能力,并且使系统具有很强的鲁棒性。     

带补偿的神经网络辩识器在异步电机调速系统中的应用

本文提出了一种带模糊补偿的神经网络算法并应用在异步电机速度控制系统中.一个动态神经网络用于被控装置的在线辨识,然后根据被控装置的输出和参考模型的响应迭代出控制信号,具有四条简单规则的模糊逻辑块用于提高整个系统的闭环特性.仿真结果显示,对比传统的最优PID控制器,本文提出的控制策略具有更好的瞬变特性及抗干扰特性.     

基于NARX神经网络预测及模糊控制的互联电网CPS鲁棒控制策略研究

对于传统CPS控制策略难以满足互联电力系统对鲁棒性和适应性的要求,提出了一种将NARX神经网络预测算法和模糊逻辑控制器相结合的控制方法。配合CPS下的传统PI控制器,根据CPS控制参数的预测值与当前值之间的偏差值,实现对AGC机组的预控制。利用Matlab的Simulink仿真软件建立了一个双区域电力系统的控制模型。仿真结果表明,新的控制方法不仅达到了改善CPS控制效果的目的,并且提高了CPS1,CPS2指标的考核率,减少了机组的调节次数,降低了运行费用,取得了一定的经济效益。     

基于模糊神经网络的交流伺服系统

提出了一种基于神经网络的模糊控制交流伺服系统,将神经网络与模糊逻辑结合起来,输入信号先模糊化,然后通过构建的神经网络,在线调整其权值和变化的控制参数,使系统的输出具有更好的动、静态性能,提高了系统的鲁棒性。仿真实验证明了这种基于神经网络模糊控制方法在交流伺服系统中应用的可行性和可靠性。     

带智能补偿的模糊PID控制在伺服系统中的应用

对于常规PID及模糊PID控制在交流伺服电机伺服系统控制中的不足,提出一种带智能补偿的模糊PID控制策略,应用于PMSM伺服系统的电流控制中。仿真结果表明,该控制策略能提高系统的控制精度,使系统响应速度快且具有较强的鲁棒性。     

粗糙-神经网络逆模补偿的发电机励磁复合控制

利用粗糙集数据智能分析与决策规则自动提取的优点以及神经网络良好的泛化能力,提出了粗糙-神经网络逆模型的具体实现方法;在证明五阶同步发电机模型可逆的基础上,研究了船舶同步发电机的粗糙-神经网络逆模型,提出了基于粗糙-神经网络逆模型前馈补偿的船舶发电机励磁复合控制方法,并对复合控制的稳定性和可靠性进行了分析.在某船舶电力仿真系统中进行了多工况仿真研究并进行了对比分析.仿真结果表明,粗糙-神经网络逆模型前馈补偿的复合控制可以提高船舶电力系统电压控制的稳态精确度、改善系统的动态性能.     

一种自动无功功率补偿模糊控制策略的研究

自动无功功率分级补偿电容器的投切策略严重影响系统的无功补偿效果及开关、电容器的使用寿命。针对目前高压无功功率自动补偿控制器普遍存在轻载时容易发生投切振荡，重载时不易达到充分补偿等缺陷，提出一种改进的试投法，结合该算法设计了一种基于模糊控制的无功功率自动补偿控制器，实验仿真及现场运行表明：该控制器解决了投切振荡问题，补偿精度高，鲁棒性好。     

基于模糊神经网络高压电气设备绝缘状况评价方法研究

提出了利用模糊逻辑-神经网络分析高压电气设备绝缘参数变化趋势的方法。根据在线监测获得的实时和历史数据确定绝缘参数变化的趋势法,应用隶属函数实现对变化趋势的描述,建立了相应的数学模型。基于模糊神经网络构造了评价绝缘状况的“正常”、“观察”和“检修”的模糊评价体系,把绝缘参数变化归为“减小”、“平稳”和“增大”3个模糊集合,得到评价设备绝缘状况的变化趋势准则。该方法可用在高压电气设备绝缘在线监测系统中,保证在线监测的准确性和可靠性。