基于单神经元的参数自学习模糨控制器的研究

为进一步改善永磁交流伺服系统的动静态性能，本文设计了一种基于单神经元的参数自学习模糊控制器，它在控制规则数与二维控制器相当的基础上，可实现三维模糊控制的效果。引入的单神经元采用改进的BP算法来实现比例因子的在线自学习。控制器具有结构及算法简单、易于解析实现的特点。为验证其有效性，本文通过仿真试验，将其与采用常规的PI调节器的控制系统进行比较，结果表明，这种模糊控制器具有较好的控制效果。     

永磁交流伺服系统参数自学习模糊控制器设计与实现

为进一步改善永磁交流伺服系统的动静态性能,设计了一种基于单神经元的参数自学习模糊控制器,它在控制规则数与二维控制器相当的基础上,可实现三维模糊控制的效果。模糊推理方法基于相平面,直接输入连续量进行推理,计算量小。引入的单神经元采用改进的BP算法来实现比例因子的在线自学习。该控制器结构及算法简单,易于解析实现,具有通用性。将其用于永磁交流伺服系统,实验结果验证其控制性能较PI算法更佳,提高了系统的性能。     

单神经元PID控制器在过热汽温控制中的应用

将具有自学习功能的单神经元模型与常规的PID控制算法相结合，设计了单神经元PID控制器，并应用于超临界机组过热汽温控制系统。仿真结果表明，采用单神经元PID控制器的汽温控制系统，能够适应被控对象在较大范围内的变化，具有较强的自适应能力和鲁棒性，其控制品质优于常规的PID控制器。此外根据仿真结果，对单神经元的学习算法进行了改进，使其控制品质得以提高。     

超导磁储能系统的自适应单神经元控制

基于自适应单神经元的控制方法是将单个神经元与环境系统相连,利用结合了Hebbian学习和监督学习特点的迭代算法在线修改其连接权值以实现控制目标.将这种控制方法用于超导磁储能(SMES)控制器的设计无需进行系统建模,所得到的控制器结构简单,算法简便,适于工程应用.文章在MATLAB环境下建立了较精确的含SMES的电力系统非线性高阶模型,通过时域仿真考察了基于自适应单神经元的SMES控制器的性能,结果表明该控制器具有令人满意的控制效果和较好的鲁棒性.     

基于神经网络技术的异步电机控制

针对常用的传统PID控制在提高异步电动机调速性能方面存在的瓶颈问题,本文提出了一种新型的单神经元控制算法以实现异步电动机的矢量控制.在分析单神经元控制器基本工作原理的基础上,为了加快神经元权值的学习训练速度,采用梯度下降法与变步长法相结合的控制算法,并利用MATLAB软件建立新型单神经元控制器与异步电动机调速系统的仿真模型,在计算机上进行了仿真,最后在笼型异步电动机上进行了应用实验.仿真与实验表明,这种单神经元控制器具有良好的自学习与自适应能力,可以改善调速系统的动态与静态性能,提高异步电动机的跟踪能力.     

变速风力发电机组的模糊-单神经元PID控制

对风力发电机组的数学模型及常规PID控制器进行了分析设计,由于变速风力发电机组的转速变化范围很宽,表现出高度的非线性性和时变性,常规的PID控制器难以在全范围内得到理想的控制性能。为此,提出采用单神经元智能控制器来替代常规的PID控制器,以改善机组控制性能。在分析单神经元控制器的结构和控制原理基础上,为了进一步提高单神经元控制器的动静态性能,引入了模糊控技术,实现了单神经元控制器输出增益的参数自整定。在仿真基础上,建立了一套完整的实验系统,对几种控制方法进行了实验研究。仿真和实验结果表明,基于模糊自整定的单神经元控制器可有效地改善风力发电机组的控制性能,具有较强的自适应能力和鲁棒性。     

基于单神经元自适应PID控制的高压断路器永磁直线伺服电机操动机构的研究

高压断路器永磁直线伺服电机操动机构采用直线电机驱动断路器操作杆,带动机构运动,实现分合闸操作,具有良好的快速响应能力及控制性能.该伺服系统采用数字式双闭环控制,内环为电流环,采用PI控制,外环为速度环,采用单神经元自适应PID控制,通过建立直线伺服电机操动机构控制系统仿真模型,详细分析了单神经元自适应PID控制算法以及数学模型,并建立了以输出误差二次方为性能指标的单神经元自适应PID控制器模型.并分别用传统PID与单神经元PID控制算法,对高压断路器触头运动特性控制过程进行了仿真.结果表明,单神经元自适应PID控制器能够较好的实现触头速度的跟踪控制,使其按理想运动特性曲线运动,实现最优操作,该算法是一种较理想、有效的控制方法.     

基于单神经元控制器的异步电动机矢量控制

文中提出了采用单神经元智能控制器代替传统PID控制器以改善异步电动机矢量控制的性能。在分析单神经元控制器结构与控制原理的基础上，为了提高单神经元控制器的学习能力与自适应性，将无监督的Hebb学习规则与有监督的Delta学习规则相结合，运用改进的学习与控制算法，实现单神经元控制器的参数优化与在线自动调整。采用Matlab软件建立单神经元控制器与异步电动机矢量控制模型，进行仿真研究；并将单神经元控制器的控制软件应用于异步电动机矢量系统，进行实验研究。仿真与实验结果表明，单神经元控制器可以改善异步电动机矢量控制的性能，具有较强的自适应性与鲁棒性。     

基于S7-300 PLC的单神经元PID控制器设计与实现

PID控制器在被控对象具有非线性特性或运行环境发生变化时,PID的固定参数导致控制系统性能下降。针对该问题,本文提出在S7-300 PLC上设计和实现基于Hebb学习规则单神经元PID控制器。首先根据神经元的学习能力,设计了基于Hebb学习规则的单神经元PID控制器,仿真测试表明相对于PID控制器,基于Hebb学习规则的单神经元PID能够自适应调整控制器参数,具有系统响应速度快和超调量小等优点。最后在S7-300 PLC上实现了基于Hebb学习规则的单神经元PID控制算法,对温度对象进行控制。实验结果表明,基于Hebb学习规则的单神经元PID算法简单,在PLC上易于实现,有效改善系统性能。     

新型电阻点焊机恒流模糊控制器的研制

介绍了一种新型电阻点焊机恒流模糊控制器 ,对系统的硬件和原理算法、功能及工作原理和试验结果等方面作了较详细的阐述。该控制器采用单片微机控制电焊机实现闭环恒流效果 ,其控制精度为 2 % ,并具有完善的故障自诊断、自适应和保护功能     

永磁同步电机单神经元模糊PID控制

永磁同步电机(PMSM)矢量控制系统结构复杂、系统运行时参数摄动,严重影响了系统的性能.针对这一问题,设计了一种基于模糊调节单神经元增益的自适应PID控制器,将其应用于PMSM的转速控制.在MATLAB平台上得到的仿真结果表明,采用这种控制器的PMSM矢量控制系统具有一定的优越性.     

基于模糊单神经元PI的微电网频率自适应控制

在采用下垂控制策略的传统微电网中存在母线频率随负载增大而下降的问题,为确保母线频率不偏移标准频率,需要采取频率恢复控制策略。目前实现频率恢复的常用方法是基于比例-积分(PI)的控制策略。由于微电网网络结构和系统参数存在变化,PI控制可能无法满足频率控制快速响应、恢复的需求。为解决该问题,文中提出在第二层控制微电网中央控制器中使用单神经元自适应PI控制算法作为频率恢复算法,实现频率无差控制。为进一步增强系统的鲁棒性、加快频率的恢复,使用模糊控制器对单神经元PI控制器的神经元比例系数进行在线优化,并通过仿真与固定神经元比例系数的单神经元自适应PI控制进行对比,证明了所提改进控制策略可改善频率恢复控制的暂态性能,加快微电网的频率恢复。     

静止无功补偿器的模糊神经元PID电压控制

针对传统PID控制应用于静止无功补偿器电压控制系统所体现出的快速性与稳定性之间的矛盾,以及较差的自适应能力和鲁棒性的缺陷,采用神经元控制和比例控制设计了1种变结构PID控制器,并采用模糊控制实现该变结构PID控制器参数Kp、Kd和Ki的在线调整。仿真结果表明,将所设计的模糊神经元PID控制器应用于SVC电压控制系统,能有效、快速地补偿系统的无功功率,可更好地实现电力系统电压的稳定控制作用,且控制系统具有较快的响应速度、较好的动态和静态稳定性、较强的鲁棒性及自适应能力。     

单细胞神经元控制器在水轮机调速系统中的仿真研究

介绍了水轮机调速系统的基本原理和一般的控制方法 ,提出了一种采用自适应单神经元 PID控制器来控制调速系统的方法 ,并对两种方法下的控制输出进行了仿真比较 ,得出了采用自适应单神经元 PID控制器较优的结论     

基于模糊神经网络的模糊控制器综合优化设计Ⅱ．模糊电力系统稳定器

针对单机—无穷大电力系统，利用所提出的模糊控制器综合优化设计方法设计了基于模糊神经网络的模糊电力系统稳定器（ＦＮＮ－ＰＳＳ），并由数字仿真证明了所提出方法的有效性和实用性。     

基于单神经元PID的异步电动机转速的自适应控制

针对异步电动机矢量控制中转速调节器参数整定困难、自适应性差和稳态精度低的问题,设计单神经元PID控制器.将神经元学习规则与PID控制相结合,采用在线学习的方式,在电动机运行过程中实时调整控制器参数,实现转速的自适应控制.在恒速变负载和恒负载变速的仿真实验中,结果表明基于单神经元PID的转速调节器具有较好的动态性能和较高的稳态精度.     

免疫调节增益的单神经元PID控制器

针对单神经元PID控制中学习速度较慢,动态响应时间长等问题,提出了免疫调节增益的单神经元PID控制器.将T细胞免疫调节机理与单神经元PID控制算法相结合,以提高单神经元PID控制器的学习速度,缩短动态响应时间,改善单神经元PID控制器的性能.仿真研究了免疫调节增益的单神经元PID控制器的定值跟踪性能和抗干扰性能以及直流电机伺服控制性能.仿真实验结果表明,这种新的控制算法学习速度快,动态响应时间短,具有较强的自适应性和鲁棒性,其控制性能优于单神经元PID控制.     

基于单神经元控制器的永磁同步电机矢量控制仿真

在永磁同步电机状态方程和单神经元控制器数学模型的基础上，提出基于Matlab／Simulink的永磁同步电机和神经元控制器S函数仿真模型。并将仿真模型应用到矢量控制系统中，以代替传统的基于PID控制器的矢量控制系统。在Hebb和Delta学习算法的基础上，应用增量式的神经元控制算法实现神经元控制器的参数优化和自动调整功能并提高学习能力和自适应性。仿真结果表明了基于S函数的永磁同步电机仿真模型的可行性和采用神经元控制器的永磁同步电机矢量控制系统具有较强的自适应性和鲁棒性。