神经网络自适应PI控制器在有源滤波器中的应用

针对有源电力滤波器的电流跟踪控制问题,设计一种神经网络自适应PI控制器。该控制器将神经网络技术和PI控制器设计方法相结合,控制器采用PI控制器结构,具有结构简单、计算时间短、易于实现等优点。同时利用神经网络技术,使其输出作为最优控制规律下的PI控制器的参数值,并根据误差大小对控制器参数进行在线实时自适应整定,从而满足大工况、全工作条件和最优性的要求。仿真实验表明,神经网络自适应PI控制器较一般的PI控制器有更快的响应速度和更高的补偿精度,而且经过神经网络自适应PI控制器作用后,其电网电流的谐波畸变率和电流跟踪误差均降低到PI控制器的55%左右。     

神经网络算法的改进及其在有源电力滤波器中的应用

针对有源电力滤波器的电流跟踪控制问题,设计了一种基于改进梯度算法的BP神经网络自适应PI控制器。该控制器将神经网络技术与PI参数设计相结合,与传统的PI控制器相比,该控制器具有结构简单、易于在线调整等优点。同时,为了克服采用神经网络算法修正权值系数时,会存在局部极小、收敛速度慢的问题,对BP神经网络采用的梯度算法进行改进。利用代数法代替梯度下降法,从而解决了易出现局部极小问题,且使收敛速度更快。仿真实验表明,改进后的神经网络自适应PI控制器较传统的PI控制器有更快的响应速度和更高的补偿精度,从而使系统更稳定,而且电网电流的谐波畸变率更低。     

大功率混合有源电力滤波器的智能控制策略

针对传统PI控制器的比例和积分控制参数是否取得最佳值能够对滤波器滤波性能产生较大的影响,提出了一种基于智能神经网络误差补偿(INNEC)及自适应模糊PI参数整定的大功率混合有源电力滤波器智能控制方法。其中,建立了新的模糊规则并利用模糊推理对PI控制器的比例系数、积分系数进行在线修改,实现PI参数的最佳调整;在经模糊整定后的PI控制器前串接一个智能神经网络误差补偿器来有效补偿负载谐波电流与逆变器实际输出电流之间的误差。仿真和实验结果验证了该控制方法的可行性和有效性,与传统PI控制方法比较,能有效提高系统的目标跟踪能力,滤波性能更好。     

新型静止无功发生器的Fuzzy-PI控制

论述ASVG的工作原理,根据控制原理设计ASVG的模糊PI(Fuzzy-PI)控制器.采用模糊控制器获得良好的动态性能,同时引入PI控制改善模糊控制器的静态性能,增强其鲁棒性.该控制器使系统在电流跟踪误差较大时比例控制占主导,误差减小速度较快,在误差减小到一定范围内时积分控制占主导,实现稳态无差.并且该控制器具有较强的自适应控制能力,增强了对电力系统稳定性的控制,具有满意的控制精度,易于实现数字控制,比传统的PI控制具有更好的控制效果.数字仿真验证了该控制方法的有效性和正确性.     

复合控制在电流补偿装置中的仿真研究

对差异化H桥级电流质量补偿装置进行理论分析,差异化级联拓扑结构包括基频模块和高频模块。将系统电流中的谐波电流和基频无功电流作为高频模块和基频模块的指令电流,引入PI控制和自适应模糊控制并联的电流控制方法,分析并联控制器的设计方法,以减小系统稳态误差和提高输出电流波形跟踪精度。基于PSCAD/EMTDC的数字仿真建模仿真验证了这种差异化结构和提出的PI与自适应模糊算法并联的控制方法是可行和有效的。     

基于神经网络的12/10 SRM速度控制器

针对12/10结构的车用开关磁阻电机提出了一种基于神经网络的速度控制器.该神经网络控制器以速度误差及误差导数作为控制器输入,以参考电流作为输出,通过BP算法进行训练,使用Matlab/Simulink对神经网络速度控制器进行仿真,并将仿真结果与PI控制器进行性能比较,结果表明该速度控制器用于开关磁阻电机效果较PI控制器在稳态和瞬态性能上更为显著.     

基于复合PI控制器的永磁伺服电机电流控制

在永磁电机伺服系统中,电流环PI控制器通常基于零极点对消的方式设计得到,这会限制系统动态性能的提升。针对这一问题,首先通过传递函数分析说明传统电流环PI控制器存在的问题,然后基于状态方程设计电流环复合PI控制器。通过传递函数进行对比,从理论上说明电流复合PI控制器比传统电流PI控制器具有更好的抗扰性能,并给出相应的约束条件。最后,通过实验对比电流阶跃响应和跟踪正弦给定响应。实验结果表明,采用复合PI控制器的电流控制系统对正弦给定的跟踪误差更小,电流阶跃响应也更快,即电流复合PI控制系统具有更好的跟踪性能和抗扰性能,证明了所提方法的有效性。     

基于神经网络PI重复控制器的三相并联有源电力滤波器

针对传统的PI控制的局限性,提出一种新的控制策略,利用基于神经网络的PI控制器与重复控制器并联构成的控制方法,大大提高了响应速度和补偿精度。该控制器利用BP神经网络技术,根据误差大小对PI控制器参数进行在线实时自适应整定,从而满足最优性的要求。利用重复控制的零稳态误差能力保证了装置的稳态精度。最后通过与传统PI控制器的仿真对比说明所提方法的可行性。     

基于径向基函数神经网络的PI-准比例谐振控制策略

针对三相并网逆变器在电网电压波动时存在电流畸变等问题,提出了一种基于径向基函数神经网络的改进型PI-准比例谐振复合控制方法,在分析PI与准比例谐振控制原理的基础上,通过径向基函数神经网络的自适应控制能力,根据系统运行状态对改进型PI-准比例谐振控制器参数进行在线整定,解决了传统PI控制器存在稳态误差和准比例谐振控制器参数难整定的问题。采用Matlab/Simulink平台进行仿真研究,结果证明该方法实现了电流的无静差跟踪,降低了输出电流的总谐波畸变率,提高了系统的抗干扰能力,增强了系统的稳定性。     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法,用于永磁同步电机的控制.该算法用基于BP神经网络的PID算法作为速度控制器,实现控制系统的在线自适应调整;同时用模糊理论算法作为神经网络控制器输出的限制,实现了良好的控制动态性能.在与传统的PI控制仿真比较中,该算法显示出了较好的控制性能,对负载和电机参数的变化不再敏感,且控制器可以在误差较大的时候快速跟踪指令,而在误差较小的时候实现稳定运行.