自适应记忆递归神经网络预测控制器及其应用

提出一种自适应学习率记忆递归神经网络预测控制器及自适应学习率方法，它由用于预测和控制的子神经网络组成，预测子网络向控制子网络提供控制灵敏度信号；并证明了记忆递归神经网络学习的收敛性和稳定性条件．仿真结果表明控制器在线实时控制具有非线性、时变、多变量特性的水轮发电机组，对各种工况具有良好的性能．     

水轮发电机组神经网络自适应预测控制

一种水轮发电机组分层神经网络自适应预测控制器，采用多层前向神经网络，由两个分别用于预测和控制的子神经网络组成。     

神经网络自适应PID控制在柴油机齿条位置控制中的应用

提出了基于BP神经网络的PID控制算法在柴油机齿条位置控制系统中的应用，把传统的PID控制和BP(误差反向传播)神经网络控制相结合，采用“先离线学习，后在线控制”的思想实现了齿条位置闭环的自适应控制。初步实验结果表明，该控制算法能满足齿条位移控制的性能指标，且其稳态特性较好，克服静摩擦的效果令人满意。     

内燃机整机振动神经网络自适应主动控制技术研究

建立了一种发动机一汽车振动模型,利用神经网络自适应主动振动控制与机械被动控制相结合的方法,通过自适应控制算法,在控制过程中自动调整、修改和完善控制参数,从而达到了最佳的控制效果。应用MATLAB语言编程仿真表明：设计的神经网络自适应控制系统的振动控制效果优于机械被动隔振和半主动隔振（PID与模糊控制）,而且对振动环境的自适应能力强,有很强的鲁棒性和很好的减振效果。     

基于自适应神经网络模糊PID的磨煤机控制研究

以衡丰发电厂钢球磨煤机辨识结果为研究对象,基于MATLAB/Simulink平台搭建自适应神经网络模糊PID的磨煤机控制系统仿真模型,通过自适应神经网络对模糊规则进行训练和学习,改进磨煤机出口温度控制、入口负压控制以及负荷控制策略.仿真结果表明:自适应神经网络模糊PID控制优化效果明显,在磨煤机50％工况下,相比传统P...     

基于无源化方法的非线性系统自适应控制

研究了一种非线性系统的动态神经网络控制方案，利用无源化方法证明了其自适应控制系统的稳定性，并得到了动态神经网络系统的学习算法，仿真实验验证了本方法的有效性。     

模糊神经网络控制技术在加热炉过程控制中的应用

加热炉是复杂不规则系统，采用模糊控制器可克服许多常规模型无法解决的困难，本文提出了一种自适应模糊神经网络控制器，并讨论了自适应模糊神经网络的学习算法。试验表明，模糊神经网络控制器具有良好的控制效果。     

水轮发电机组的直接自适应模糊控制

提出了一种新颖的直接自适应模糊控制方法。基于筒化了的T－S（Takagi-Sugeno）模糊推理规则,采用神经网络权值的联想式学习修正方法,对T－S模糊推理规则进行在线修正,给出了盯应的神经网络实现结构,从而实现了不需要建立受控对象模型的直接自适应模糊控制。对一混流式水轮机组的仿真控制实验结果证明了所提出方法具有设计简单、鲁棒性强的优点,能适应水轮机组在不同工况下的控制要求。     

基于RBF神经网络自适应PID的预焙阳极焙烧炉温度控制

针对工况变化频繁的焙烧炉焙烧过程,提出了一种基于径向基函数(RBF)神经网络自适应PID的控制策略,该方法是通过神经网络的自学习能力在线调整PID控制器的参数,因而,其兼顾神经网络和传统PID控制的特点,能根据被控对象当前特征迅速地做出相应决策、克服实际控制过程稳态性和准确性之间的矛盾。将其应用于预焙阳极焙烧炉温度过程控制中,实验结果表明:它具有很强的自适应能力和鲁棒性,达到了满意的控制效果。     

BP神经网络在水轮机调节过程中的应用

由于水轮机调节系统的大惯性、"水锤"效应等特点及其结构复杂等问题,采用传统的常规PID控制已很难满足控制要求,控制品质也难以改善,控制过程中易发生超调量大、震荡频次多、收敛时间过长等问题。对此,在常规PID控制基础上设计了基于BP神经网络自适应PID控制,并在Matlab软件中完成相关程序的编写及仿真试验。仿真结果表明,基于BP神经网络自适应PID控制是一种有效的水轮机调速器参数整定方法,相较于常规PID控制能获得更好的动态性能。     

模糊控制算法在燃气轮机控制中的应用研究

利用模糊控制的快速动态响应和PID控制的稳态性能,设计了模糊自适应PID控制算法,实现了对燃气轮机转速的快速跟踪及稳态控制。仿真试验和工程应用均表明该控制算法的响应时间和稳态精度比常规控制算法有明显改善。     

基于模糊控制理论TCSC的PID控制器设计研究

将模糊控制理论引入传统的P ID控制器上,设计了可控串联电容补偿器的模糊自适应整定P ID控制器。该控制策略算法简单、无需精确的数学建模,并可在线修改控制器参数,以达到自适应、自学习的目的。通过在单机无穷大系统中对该控制器进行仿真,并与常规P ID控制器的效果相比,该方法可更好地提高系统的暂态稳定性、有效地阻尼系统振荡。     

风力机变桨系统单神经元自适应PID控制

在分析风力发电系统能量转换理论的基础上,将单神经元自适应算法与常规PID算法结合,通过单神经元自学习,对PID控制器的系数进行在线调整,提出一种单神经元自适应PID调节变桨角度的控制方法,建立了风力机桨距角控制数学模型.风速超过额定值后,利用单神经元自适应PID控制器进行变桨控制,将控制结果与采用常规PID控制器的控制性能进行了对比.结果表明:单神经元自适应PID控制器可以将输出功率恒定在额定值,能够对变桨系统进行有效控制,达到预期的目标.     

Maximum power point tracking using adaptive fuzzy logic control for grid-connected photovoltaic system

This paper proposes a method of maximum power point tracking using adaptive fuzzy logic control for grid-connected photovoltaic systems. The system is composed of a boost converter and a single-phase inverter connected to a utility grid. The maximum power point tracking control is based on adaptive fuzzy logic to control a switch of a boost converter. Adaptive fuzzy logic controllers provide attractive features such as fast response, good performance. In addition, adaptive fuzzy logic controllers can also change the fuzzy parameter for improving the control system. The single phase inverter uses predictive current control which provides current with sinusoidal waveform. Therefore, the system is able to deliver energy with low harmonics and high power factor. Both conventional fuzzy logic controller and adaptive fuzzy logic controller are simulated and implemented to evaluate performance. Simulation and experimental results are provided for both controllers under the same atmospheric condition. From the simulation and experimental results, the adaptive fuzzy logic controller can deliver more power than the conventional fuzzy logic controller.     

增程式电动汽车车速鲁棒自适应跟踪控制

针对增程式电动汽车行驶时因不确定性路面扰动导致车速出现波动的问题,设计自适应鲁棒车速跟踪控制器,使汽车跟踪理想车速,通过Matlab/Simulink仿真软件验证所设计自适应控制器算法的有效性。仿真结果表明,该控制器可以自适应调节控制增益,对路面环境未知扰动的不确定性具有良好鲁棒性。研究成果可为增程式电动汽车的车速跟踪控制设计提供参考。     

利用多功能模型参考修正的自适应PID控制器设计

基于参考模型和控制参数,文章设计了一种鲁棒的模型参考修正的自适应比例积分微分控制器,用于各种动态负载,增强孤岛微电网的电压和电流控制。针对负载动态、谐波源、异步电机、非线性负载和未知负载,评估了该控制器的有效性。结果表明,该控制器能够为单相和三相孤岛微电网系统提供高跟踪性能和安全操作。     

A decentralized adaptive controller for multimachine power systems

This paper presents a new adaptive controller via multilevel technique. The control strategy is based on decomposing control signals into two components: the first one balances the effect of interconnections between the subsystems, while the second one is a local adaptive controller based on hyperstability theory for the decentralized subsystems. The changeable gains generated by a non‐linear time‐varying function act as the adaptive mechanism. Compared with MRAC or STAC the proposed control avoids the difficulty in choosing an appropriate reference model and the burden of implementing an online parameter estimator. The local control is constructed so that the closed‐loop system is hyperstable guaranteeing the dynamic stability improvement of each subsystem in the multimachine power system. A guarantee of stability of the overall system is also given. Simulation results of a numerical example of a multimachine power system reveal that the low frequency oscillations can completely be eliminated using the proposed control scheme. Copyright © 2000 John Wiley & Sons, Ltd.     

基于模糊PID的风电系统转速控制仿真研究

由于风速具有随机性、不确定性、变化范围大等特点,风力发电机转速若采用传统PID控制,仅一组固定的参数难以在不同风速下均有好的控制效果。分析了风力发电系统各参数之间的关系,结合PID控制和模糊控制各自的特点,设计了模糊自适应PID控制器。在额定风速以下,该控制器用于改变发电机定子电压,从而改变发电机反力矩,调节转速,使得输出功率快速跟随风速变化。MATLAB/Simulink仿真结果证实其稳定性、动态速度响应均优于传统的PID控制,取得了较为理想的控制效果。     

Real‐time tuning of PI controllers in HVAC systems

The problem of tuning single‐loop controllers in heating, ventilating and air conditioning (HVAC) systems is explored. The HVAC process was described by a first‐order‐plus‐dead‐time (FOPDT) model. By using recursive least squares method, the model parameters were updated while the system remained in closed‐loop. The H_∞ loop‐shaping tuning rules published in the literature were transformed to discrete‐time tuning rules and were implemented in an adaptive PI control strategy. The methodology was applied to a discharge air temperature (DAT) control system. The output responses of adaptive PI controller were compared with a LQR optimal adaptive controller. Simulation results show that the adaptively tuned PI controller is able to track setpoint changes very well in the presence of changes in plant parameters, disturbances and external noise acting on the system. Copyright © 2004 John Wiley & Sons, Ltd.