神经网络逆系统及其在电力系统控制中的应用

阐述和证明了基于输入输出微分方程描述的系统可逆性的充分条件,并给出了相应的解析逆系统的实现方法。文中同时研究了采用积分器和静态神经网络组成动态神经网络结构的方法,并将这种神经网络结构与逆系统理论相结合,提出了神经网络α阶逆系统的结构及其实现步骤,运用该神经网络α阶逆系统对TCSC控制器进行了设计。实际系统的仿真结果证实了所设计控制策略的有效性。     

神经网络逆系统方法在SVC非线性控制中的应用

利用神经网络逆系统方法对系统精确线性化能力和不依赖系统精确参数的特点,考虑电力系统中SVC现有非线性控制方法存在的问题,给出了便于工程应用的复合非线性控制器设计详细过程.并对装设有SVC的两区域四机电力系统进行计算机数字仿真,结果表明基于神经网络逆系统方法设计出的复合非线性控制器可以有效地改善SVC控制性能.     

神经网络α阶逆系统控制方法的可行性

证明满足一定条件的单输入单输出系统的α阶逆系统(与原系统复合起来可构成α阶积分或 时延系统)存在且唯一，阐明静态多层网络加若干积分器或时延因子可以逼近这样的α阶逆 系统，对神经网络α阶逆系统方法用于线性、非线性控制的可行性作了探讨。     

神经网络辨识及控制研究

研究了前向多层神经网络及其BP算法，并利用此网络设计了辨识器和控制器，进行离线辨识、在线辨识和控制等。研究结果表明，这种控制结构能对复杂的非线性系统进行有效的控制，并且具有收敛速度快、抗干扰性好、鲁棒性强等特点，效果明显优于一般的PID控制方法。     

逆系统方法在电力系统控制中的应用

本文指出：逆系统方法和微分几何方法本质上是等价的，而逆系统方法的物理意义直观，不局限于仿射型系统，使用时仅需求导运算和代数运算，求解控制律过程比较简捷，便于工程应用。     

超声波电机神经网络逆模型的辨识建模

针对超声波电机时变、强耦合使得数学模型难以建立的问题,以超声波电机转速的非线性逆控制为应用背景,本文给出了超声波电机神经网络逆模型的辨识建模方法.基于实验测得的足够样本数据,通过反复测试确定模型形式为三层非线性DTNN网络.进行串-并联辨识,建立了以电机转速为输入、驱动频率为输出的超声波电机神经网络逆模型.所得模型的输入-输出关系与实测数据接近,表明了所建模型的有效性.     

改进的自组织神经网络及在动态非线性系统辨识中的应用(Ⅰ)

提出了一种改进的广义自组织神经网络非线性系统建模新算法,该算法基于Ｋｏｈｏｎｅｎ自组织特征映射,采用多个局部线性模型代替全局模型,在训练过程中,将竞争层的神经元权值与外部计算输出层权值一起在领域内修正,使网络的收敛速度和性能大大提高,经过仿真实验说明了改进后的算法是有效的。     

神经网络逆系统在电机变频调速系统中的应用

神经网络逆系统是近年来发展起来的非线性控制新理论 ,它具有物理概念明晰、适用面宽、使用简便的特点。论文给出了感应电动机变频调速系统的数学模型 ,并通过可逆分析 ,证明该系统可逆 ,可以用神经网络逆系统对其进行控制。仿真和试验结果表明 ,对感应电动机变频调速这一非线性、快速多变、难于建模的复杂系统 ,神经网络逆控制器的控制是实用和有效的。     

可控串联电容补偿装置的神经网络α阶逆系统控制

研究将神经网络α阶逆系统控制策略艇于可控串联电容补偿装置的控制。针对从实际系统等值简化而得的单机无穷大双回线电力系统,探讨了神经网络α阶逆系统的辨识和附加线性控制器的设计;在不同运行方式下,研究新的控制策略对系统暂态稳定的作用。仿真结果表明：同常规的ＰＩＤ控制策略相比,文中所提出的控制策略具有相当强的自适应性,可大大提高高力系统的暂态稳定性。     

汽门开度的神经网络广义逆系统控制

给出了一种基于神经网络广义逆系统的汽轮发电机汽门开度控制策略,在无需系统模型参数和状态反馈的情况下,可实现非线性系统的大范围线性化,从而实现非线性系统的线性化控制。对单机无穷大系统的仿真表明,应用该控制策略可显著地增强电力系统的暂态稳定性。     

基于神经网络的温、湿度控制系统辨识

针对温、湿度需要同时进行控制的这种复杂的非线性系统,采用神经网络辨识的方法,从工程实用角度出发,考虑辨识精度和辨识学习时间,确定出合理简单的网络结构及网络训练参数.考虑影响温湿度控制的各种因素,用不同测试条件下得到的检测样本对训练后的网络进行检测,均能满足一定的精度要求.在网络训练中实行训练和测试间隔进行,最终确定出网络参数,这样训练出来的神经网络有较好的泛化能力,能在较宽的范围内正确映射控制系统的输入输出,为对温、湿度控制系统进行进一步的研究,进而为神经网络控制器的设计打下可靠的基础.     

多目标励磁控制的神经网络逆系统方法

根据逆系统理论分别分析了以机端电压和功角为被控量的励磁系统的可逆性，并采用不同的神经网络逆系统结构实现了对单目标量的励磁控制，针对单目标励磁控制不能够同时改善功角稳定性和机端电压稳定性的不足，在以机端电压为被控量的神经网络逆系统结构中引入功角偏差反馈信号，设计了多目标神经网络励磁控制器，研究结果表明，应用该系统能够实现多目标励磁控制，综合性能优于目标的神经网络逆系统控制方法和常规PSS控制方法。     

基于遗传算法的模糊神经网络在动态系统辨识中的应用

复杂不规则系统的语言建模构成了许多控制／决策系统的核心问题,模糊逻辑是进行语言建模最有效的方法之一。本文介绍了一种基于模糊逻辑、神经网络和遗传算法的语言建模方法,并给出了新型的混合学习算法,即：首先由自组织算法确定出模糊神经网络的初始隶属度函数;其次由最大匹配因子学习算法完成模糊规则确定;最后提出了一种改进的遗传算法用来优化调节已经获得的隶属度函数。通过具体的仿真实例说明了所提出的建模方法在动态系     

神经网络在工程控制中的应用

介绍了目前工程控制中常用的几种神经网络模型：BP网络、径向基网络、动态反馈网络及其相应的学习算法；重点分析了神经网络与反馈控制、自适应控制、模糊控制、模式识别等相结合的典型形式，及其相应的工作机理；并指出了今后的可能发展方向。     

发电机励磁与汽门系统解耦控制的神经网络逆系统方法

在分析励磁与汽门系统可逆性的基础上为输电系统中汽轮发电机组的控制提出了一种新的解耦控制器的设计方法，在系统精确模型参娄未知的情况下，神经网络逆系统可将被控系统解耦成两个SISO线性子系统；然后为了满足高性能控制的要求，针对两个不同的子系统增加两个不同的线性控制器来形成闭环控制。理论分析和仿真结果表明：该控制策略较好地解决了输电系统中汽轮发电机组控制时存在的多变量，非线性，强耦合问题，实现了系统的动态解耦控制，因此可显著增强输电系统的暂态稳定性。     

感应电机的新型神经网络广义逆系统解耦控制

针对感应电机这一多变量、强耦合系统,提出了一种新型神经网络广义逆系统解耦控制方法,给出了新型广义逆系统的存在性证明.它与感应电机复合,将转子磁链与转速的解耦成两个独立的伪线性子系统,并且可以随时通过调整反馈参数改变两个伪线性子系统的配置极点,为控制器的设计提供了便利.仿真结果表明,通过合理的选择配置极点和控制器参数,整个控制系统对电机参数变化和负载扰动有较强的鲁棒性和动态性能.     

感应电机的神经网络逆系统线性化解耦控制

提出了一种新的感应电机的线性化解耦控制方法，其特点是不依赖于对象的精确数学模型与参数。通过用静态神经网络加积分器来构造感应电机的逆系统，将感应电机这一多变量、非线性、强耦合的复杂对象动态解耦成转速与转子磁链两个二阶线性子系统，然后运用线性系统理论进行综合。仿真与初步的实验结果表明系统具有优良的静态及动态解耦性能，且对电机参数的变化与负载扰动具有较强的鲁棒性。     

基于遗传算法的神经网络优化在系统辨识中的应用研究

在基于神经网络的系统辨识中,传统辨识方法易陷于局部寻优,或在优化过程中忽略了网络权值和结构的关联性而进行单一优化,这都难以建立精确模型。针对此问题,本文采用遗传算法浮点数编码的方式,同时优化神经网络权值及拓扑结构,设计评估综合性能的适应度函数,求出最优解。最后通过试验仿真,证明此方法的可行性。     

基于多层前向神经网络的伺服系统逆动态控制

建立了非线性伺服系统逆动态控制的体系结构,利用启发式模拟退火算法,进行了基于神经网络方法对象模型未知条件下的伺服系统逆动态控制仿真研究。