基于改进遗传算法的发电机调速器侧模糊PSS优化设计

基于模糊控制理论设计了发电机组调速器侧模糊电力系统稳定器,采用遗传算法优化其参数以克服模糊控制器参数设计的主观性.为了提高多参数控制器参数优化的速度和精度,对传统单点交叉遗传算法进行改进,提出了一种首尾轮换交叉遗传算法.该方法交替采用尾部和头部单点交叉,保证了各参数参与优化的概率基本均等.采用该算法对某水轮发电机组调速器侧模糊电力系统稳定器的参数进行优化计算,表明其优化速度和精度较试探法和传统单点交叉遗传算法有显著提高.     

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。     

遗传算法优化的BP神经网络PID控制器

神经网络的初始权值的选取影响控制器的性能，本文提出了一种新的改进遗传算法优化的BP神经网络PID控制器。该方法设计了组合交叉操作，交叉、变异并行结构及引入移民的遗传算法。将该方法用于控制器设计，仿真结果说明了该方法的有效性。     

基于改进遗传算法的发电机调速器侧模糊PSS优化设计

基于模糊控制理论设计了发电机组调速器侧模糊电力系统稳定器,采用遗传算法优化其参数以克服模糊控制器参数设计的主观性。为了提高多参数控制器参数优化的速度和精度,对传统单点交叉遗传算法进行改进,提出了一种首尾轮换交叉遗传算法。该方法交替采用尾部和头部单点交叉,保证了各参数参与优化的概率基本均等。采用该算法对某水轮发电机组调速器侧模糊电力系统稳定器的参数进行优化计算,表明其优化速度和精度较试探法和传统单点交叉遗传算法有显著提高。     

改进量子遗传算法在PID参数整定中应用

参数整定是PID控制器设计的关键,针对PID控制器参数整定问题,提出一种基于改进量子遗传算法的参数整定方法.该算法在基本量子遗传算法的基础上引入了量子交叉、量子变异和群体灾变操作.基于改进量子遗传算法的PID参数整定方法将PID控制器参数整定转化为参数优化问题,通过改进量子遗传算法的进化计算实现参数整定.与其他参数整定优化算法的仿真结果比较表明,该方法能获取更好的控制品质.仿真结果验证了该方法的可行性.     

遗传模糊神经网络在交流伺服系统中的应用

为了满足交流伺服系统高精度、快响应的要求，提出了基于遗传算法的模糊神经网络控制方案。该方案把神经网络与模糊逻辑控制结合起来，采用遗传算法（GA）对模糊神经网络控制器中的参数进行搜索和优化，给出了设计方法和优化步骤。实验结果表明：该控制方法用于交流伺服系统，具有精度高、无超调、收敛性好以及较强的鲁棒性和抗干扰性等优点。     

基于实数编码遗传优化的神经网络参数自学习PID控制器

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.利用Matlab进行仿真计算.实验结果表明,所设计的参数自学习PID控制器具有良好的鲁棒特性和响应速度以及抑制干扰特性,可构成较实用的工业控制器.     

改进遗传算法在PMSM矢量控制系统优化设计中的应用

在永磁同步电机（PMSM）的矢量控制策略中,PI控制器参数的优劣直接影响到系统的性能。若采用普通遗传算法整定PI控制器参数,常会存在早熟收敛及收敛速度慢的现象。现介绍一种改进遗传算法,该算法在普通遗传算法的基础上,改进了交叉概率及变异概率,通过仿真实验,验证了改进遗传算法能有效解决PI控制器参数寻优过程中全局收敛性与收敛速度之间的矛盾。     

基于HGA-BP算法的调速系统辨识研究

针对BP网络学习算法的不足,提出了一种基于递阶遗传算法（HGA）的BP网络建模方法。文中对递阶遗传算法在优化神经网络过程中的一些参数,如适应度函数、编码方案和交叉变异概率等提出具体的设计方法。该算法可以同时对神经网络进行拓扑结构优化和参数求解。最后采用该方法,实现了具有复杂非线性特征的某调速系统的精确建模。实验结果及其与改进BP算法建模方法的比较,验证了该算法的有效性。     

基于再励学习的交流调速系统模糊神经网络控制

针对矢量控制交流调速系统,该文提出并设计了一种基于再励学习的模糊神经网络速度控制器。详细介绍了基于遗传算法的神经网络权重在线训练方法,仿真对比了输入空间的划分即模糊子集数量对模糊神经网络控制器的训练及其控制效果的影响。仿真结果表明该速度控制器能通过在线训练方式获得最优参数以适应被控对象的参数变化,能使系统获得优良的动态和静态性能。     

基于GATS混合算法的PSS与SVC控制器参数设计

随着电力网络规模的扩大,电力系统优化问题日益复杂,故提出了一种采用遗传禁忌GATS混合优化策略对电力系统稳定器PSS和静止无功补偿器SVC附加线性稳定控制器进行参数协调优化的设计方法。该方法结合遗传算法GA和禁忌搜索算法TS各自的优点,将禁忌搜索引入到遗传算法的变异操作,改进了遗传算法的变异算子,具有比常规遗传算法更强的局部搜索能力。在10机新英格兰电力系统上对该优化方法进行了测试。特征值分析表明,该设计方法能有效地将多种不同运行方式下系统的特征根移到复平面目标函数限定的区域内,保证了小扰动稳定性控制的鲁棒。同时还对不同优化方法的收敛性及计算时间进行了比对,结果表明遗传禁忌混合策略的性能优于常规遗传算法以及遗传模拟退火混合优化策略。     

遗传算法在水轮发电机模糊神经网络励磁控制器设计中的应用研究

本文在分析了模糊神经网络(FNN)控制器的工作原理及设计方法的基础上,提出了一种采用遗传算法优化设计水轮发电机模糊神经网络励磁控制器的方法。其基本过程是利用遗传算法得到初始模糊控制规则,并对初始规则进行过滤,在此基础上利用遗传算法结合模拟退火对得到的模糊神经网络进行训练。仿真结果表明与根据专家经验获得模糊规则和BP算法进行学习的常规FNN比较,采用遗传算法优化设计的模糊神经网络励磁控制器所构成的励磁系统具有更好的动态性能。     

Tracking control of induction motor using fuzzy phase plane controller with improved genetic algorithm

This paper proposes a fuzzy phase plane controller (FPPC) using an improved genetic algorithm (IGA) for the optimal position/speed tracking control of an induction motor. The proposed optimal algorithm (IGA) is equipped with an improved evolutionary direction operator (IEDO) to enhance the traditional genetic algorithm (GA). An application example was considered to compare the proposed IGA with the GA. Computational results show that the proposed IGA is more efficient than the GA.Fuzzy membership functions, phase plane theory and the proposed IGA are employed to design the proposed controller (FPPC) for the optimal position/speed tracking control of an induction motor. The proposed FPPC has the merits of rapid response, simple designed fuzzy logic control and an explicitly designed phase plane theory. Simulated and experimental results reveal that the proposed FPPC is superior in the optimal position/speed tracking control to conventional PI controllers.     

一种基于延时补偿的电流跟踪控制新方法

提出一种基于π补偿Smith预估器和算法改进型神经网络的电流跟踪控制方案。π补偿预估器的引入有效地补偿了系统控制中的延时,提高了系统的稳定性能和响应速度;算法改进型神经网络用于优化PI控制器的参数,以提高系统的补偿精度。同时,利用ITAE准则给出π补偿预估器参数与PI控制器参数间的数学关系式。通过算法改进型神经网络可以同时优化两个控制器的参数,避免了将PI控制器参数与预估器参数分开独立识别的局面,并降低了PI控制器和π补偿Smith预估器对电网参数的敏感依赖性。当电网负载发生变化时,能够利用改进的神经网络算法实时地寻求到最优的控制器参数,达到理想的控制效果。仿真和实验验证了所提控制策略的有效性。     

基于改进遗传算法的模糊神经网络控制

针对常规遗传算法的缺陷,提出了一种依据新的种群“早熟”程度评价指标和自适应调整算法参数的遗传算法,并以单级倒立摆为被控对象,采用基于改进遗传算法的RBF模糊神经网络控制器进行了仿真研究。仿真结果表明,改进的遗传算法是有效的,新型模糊神经网络控制器的控制效果优于FLC和LQR控制。     

Bat inspired algorithm based optimal design of model predictive load frequency control

Bat inspired algorithm (BIA) has recently been explored to develop a novel algorithm for distributed optimization and control. In this paper, BIA-based design of model predictive controllers (MPCs) is proposed for load frequency control (LFC) to enhance the damping of oscillations in power systems. The proposed model predictive load frequency controllers are termed as MPLFCs. Two-area hydro-thermal system, equipped with MPLFCs, is considered to accomplish this study. The suggested power system model considers generation rate constraint (GRC) and governor dead band (GDB). Time delays imposed to the power system by governor-turbine, thermodynamic process, and communication channels are accounted for as well. BIA is utilized to search for optimal controller parameters by minimizing a candidate time-domain based objective function. The performance of the proposed controller has been compared to those of the conventional PI controller based on integral square error (ISE) technique and the PI controller optimized by genetic algorithms (GA), in order to demonstrate the superior efficiency of the BIA-based MPLFCs. Simulation results emphasis on the better performance of the proposed MPLFCs compared to conventional and GA-based PI controllers over a wide range of operating conditions and system parameters uncertainties.     

Bacteria foraging optimization algorithm based load frequency controller for interconnected power system

Social foraging behavior of Escherichia coli bacteria has recently been explored to develop a novel algorithm for distributed optimization and control. The Bacterial Foraging Optimization Algorithm (BFOA), as it is called now, is currently gaining popularity in the community of researchers, for its effectiveness in solving certain difficult real world optimization problems. This paper proposes BFOA based Load Frequency Control (LFC) for the suppression of oscillations in power system. A two area non-reheat thermal system is considered to be equipped with proportional plus integral (PI) controllers. BFOA is employed to search for optimal controller parameters by minimizing the time domain objective function. The performance of the proposed controller has been evaluated with the performance of the conventional PI controller and PI controller tuned by genetic algorithm (GA) in order to demonstrate the superior efficiency of the proposed BFOA in tuning PI controller. Simulation results emphasis on the better performance of the optimized PI controller based on BFOA in compare to optimized PI controller based on GA and conventional one over wide range of operating conditions, and system parameters variations.     

一种基于遗传算法和神经网络的PID控制

提出了一种融合遗传算法和神经网络的PID控制算法。该控制器先利用遗传算法对BP网络的初始权系数进行学习优化，再利用BP算法实现对PID参数在线调节，解决了控制器网络初始权系数对控制效果产生的影响，仿真结果表明了该控制方法的有效性。     

改进的BP神经网络PID控制器在温室环境控制中的研究

为了更好的实现对温室环境系统的智能控制,针对温室环境系统存在非线性、强耦合、大滞后、强时变等问题,在分析BP神经网络技术的基础上,提出并设计出一种基于遗传粒子群优化的BP神经网络PID控制器,该控制器结合遗传算法强全局搜索能力以及粒子群算法强局部搜索能力和收敛速度快的特点,对神经网络的权值进行优化,对温室环境系统起到了有效的控制。最后对常规和改进后的BP神经网络PID控制器进行仿真对比研究。仿真结果表明,经过改进后的BP神经网络PID控制有更好的稳定性和鲁棒性。