基于扰动转动力矩速度补偿的电液伺服机构

电液伺服机构与负载连接具有很高的刚性,其输出受到负载和惯性变化的影响很大。除了采取速度反馈等补偿方法外,采用观测器重构状态反馈来抑制和减少扰动的影响也是行之有效方法.在迴转形电液伺服机构上,利用观测器来推定和测定负载和惯性变化的扰动量,重构状态反馈等价闭环控制系统.通过实验,对系统的频率特性和阶跃响应曲线的测定和分析,输出速度由负载和惯性变化引起的扰动影响显著被减少,证明了重构状态反馈理论的正确性。     

神经网络在同步电动机负荷扰动控制中的应用

应用神经网络建立负荷观测器,并应用于同步电动机调速系统中.仿真结果证明,神经网络负荷观测器的控制效果明显优于传统PI负荷观测器的控制效果,也表明神经网络负荷观测器控制系统具有很强的自适应和抗干扰能力.     

基于神经网络与H∞控制的PMSLM扰动抑制策略

永磁同步直线电机(PMSLM)常应用于具有高性能需求的工作场景,推力扰动抑制关乎电机的性能表现,有重要的现实应用意义。一方面,由于电机结构的原因,电机运行过程中受到与位置、速度等相关重复推力扰动的干扰;另一方面,由于复杂的应用环境,电机还会受到有非重复特性的推力扰动的干扰。考虑两种类型的扰动成因及表现具有本质差异,在应用中单独使用某一种扰动抑制方法难以取得良好的效果,故提出了一种两步法的复合推力扰动抑制策略。首先利用在线神经网络方法实现对重复扰动的提取和补偿,随后考虑非重复扰动的频域特征,有针对性地设计H_∞控制器实现对残余扰动的有效抑制。通过与其他一些方法对比,实验表明了所提推力扰动抑制策略在PMSLM系统上的优越性。     

配电补偿电容器的模糊控制

将模糊控制技术应用于配电网并联补偿电容器组的自动投切控制.对传统"九区图”控制中拒投和振荡投切,以及不能实现全局电压/无功优化控制等不足有很大的改善.通过算例分析,虽然该算法实现的是就地控制,但与全局电压/无功优化控制算法的解非常接近.     

基于神经网络补偿的二自由度PID控制

提出一种基于神经网络补偿的二自由度PID控制方法，该方法将BP网络应用到传统二自由度PID控制中，克服了参数固定不变时，系统跟随性能和抗扰性能变差的缺点，有效地减弱了参数摄动对系统造成的影响，改善了系统的动态品质，仿真结果表明该方法 的有效性。     

基于神经网络的转子电阻在线辨识及补偿方法

提出了一种基于神经网络的矢量控制感应电动机转子电阻在线辨识及补偿方法 ,建立了考虑转子电阻变化影响下电动机矢量控制的数学模型 ,仿真结果表明该方法正确可行且具有快速简单等优点。     

三容系统的智能神经网络模糊控制研究

三容系统是一个多输入、多输出、时变、强耦合的非线性实验系统,其液位控制算法的研究有着非常重要的实际意义。鉴于其高度非线性和复杂性,目前还没有很好的控制策略对其实现精确控制。结合模糊控制技术和神经网络技术各自的优点,提出用智能神经网络模糊控制器对其进行控制,实验结果证明了该控制器的可行性,取得了较好的控制效果。     

基于BP神经网络汽水分离器组合建模研究

在热工系统建模中,若建立一个全工况模型,传统上会采用集总参数建模方法,但在建模过程中,模型中存在许多经验参数,这将导致机理模型精度较低,然而很难通过简单的试验建模在全工况范围内建立模型.因此提出了一种机理建模和神经网络建模相结合的组合建模方法,它不仅提高了模型的精度,而且可以应用到更大的范围.根据某电厂1000 MW超...     

基于模糊控制滤波补偿的直接转矩控制系统

电机定子电阻的变化会严重影响直接转矩控制(DTC)系统的低速性能。由于定子电阻的变化与端部绕组温度及其变化率的关系具有非线性、时变性等特点,因此难以建立精确的数学模型。介绍了一种基于模糊控制理论的定子电阻辨识和低通滤波补偿定子磁链的DTC交流电机调速系统,其结构简单,磁链观测准确。实验结果表明,该方法能够精确辨识定子电阻,从而准确观测磁链,有效地改善了DTC系统的低速性能。     

基于扰动补偿的Boost动态滑模控制器设计

以Boost变换器的大扰动控制为研究对象,针对基于储能函数模型的Boost滑模控制器,在输入电压和负载大扰动时输出存在静态误差的现象,设计一种基于扰动补偿的强鲁棒性动态滑模控制器,根据输入电压和负载的变化方向和变化量进行动态调整储能函数滑模面,提出采用保形分段三次插值方法实现能量补偿,使得调整后的滑模面能够自适应大扰动下的Boost变换器控制需求,并提出将动态滑模面与指数趋近律相结合,使得Boost变换器在有限时间消除静态误差。最后利用Matlab/Simulink进行系统仿真验证,仿真结果表明：采用本文控制方法的系统具有较好的动态响应调节特性和稳态误差调节特性,仿真结果与理论分析吻合。     

基于扰动观察与模糊控制相结合的MPPT算法

随着化石能源的不断消耗,人类面临着巨大的能源危机,太阳能作为一种新能源越来越受到重视。分析了光伏电池板的数学模型,针对光伏电池板输出特性及最大功率点的跟踪方法,主要介绍了模糊控制的扰动观察对最大功率点跟踪的影响。利用Matlab仿真软件对电路进行仿真,验证了模糊控制的扰动观察能减少最大功率点附近震荡的功率损耗,且具有跟踪速度快等优点。     

基于神经网络BP算法的模糊自适应控制器的研究与实现

提出了一种基于神经网络BP算法的模糊自适应控制器 ,通过BP算法 ,修正量化因子和比例因子 ,使模糊控制器具有自适应的能力。计算机仿真结果和实验表明 ,这种智能控制器超调小、响应快且具有良好的鲁棒性。     

模糊神经网络型中压无功补偿控制器

从应用角度出发,尝试将模糊神经网络控制原理应用在中压无功补偿控制中,通过网络的学习和记忆功能来调节模糊控制的自适应性和鲁棒性,从而来克服SVG系统中存在的电容器反复投切所引起的电网信号的波动,减少投切谐波,提高控制精度。同时也控制电压分接头的投切次数,来保护分接头开关,延长开关的使用寿命,减少系统的维修成本。针对电力系统无功补偿的特点,确定了模糊控制的输入输出隶属度函数和控制规则,并引入BP网络来调节隶属度函数和控制规则,对电压和无功的双重控制,达到对电压和无功补偿的目的,从而提供更高质量的电能。并进行实验仿真,将实验数据与理论数据进行比较,证明模糊控制理论在无功补偿控制中的应用是可行可靠的。     

多维BP神经网络在锅炉故障诊断中的应用

采用多维BP神经网络方法进行锅炉故障诊断建模,其中BP神经网络采用多维结构,输入层采用模糊数学方法对运行参数进行量化,通过参数之间和参数与故障类之间的关联关系,建立了多维BP神经网络模型.以锅炉管泄漏为例,进行了故障仿真试验,试验结果表明此方法能有效、快速地进行锅炉故障诊断.     

异步电机的自适应节能控制研究

针对异步电机轻载运行时效率低下的问题,提出一种自适应节能控制方法.设计一个模糊控制器,通过对转子磁链进行在线调节来搜索使异步电机输入功率最小的最优运行点,然后使用不同工况下的最优运行点信息来训练神经网络,完成训练后的神经网络可以用来预测任意工况下的最优运行点,从而使电机自适应地运行在较低能耗状态.仿真结果证明所提方法的...     

基于萤火虫算法优化BP神经网络的光强度补偿方法

由于非线性因素对光纤位移传感器的影响,造成了传感器测量误差较大的情况.为此提出了一种补偿措施来降低这些非线性因素的影响,使用萤火虫算法(FA)来优化反向传播神经网络(BPNN)混合的算法优化传感器接收到的光功率值.该算法不仅利用了萤火虫算法的寻找粒子群体的最佳位置的搜索性能,还利用了BPNN比较强的局部最优权值阈值搜索...     

BP神经网络应用于船舶减摇鳍控制系统的仿真研究

由于波浪的不可预测性、强非线性的特点,导致船舶的横摇运动很难被精准预测.如何更高效地控制船舶的横摇运动,一直是困扰人们的难题.该文研究了减摇鳍系统数学模型并将BP神经网络应用于船舶减摇鳍控制系统,使基于PID控制的传统减摇鳍能更加高效地工作,减摇效果更好,通过MATLAB/Simulink仿真分析研究证明了结论的正确性...     

基于径向基函数神经网络的涡流传感器非线性补偿方法研究

为了解决数字式涡流传感器的非线性问题,提出利用径向基函数神经网络进行非线性补偿的方法。介绍非线性补偿原理以及算法,并将其与BP神经网络法进行比较。从实测数据出发,建立了涡流传感器的非线性补偿模型。结果表明,这种非线性补偿模型误差小、有良好的鲁棒性、能实现在线软补偿,比用BP神经网络有更快的训练速度。     

微电网多逆变器并联分散动态扰动补偿控制策略

为增强微电网孤岛运行时对电压波动、环流、谐波和三相不平衡的抗扰动能力,提出基于鲁棒残差生成器的多逆变器并联分散动态扰动补偿控制策略。首先,考虑多逆变器并联的环流影响,建立准稳态条件下含线路参数的多逆变器并联状态空间模型,在下垂控制的基础上将并联状态空间模型转化为分散的单台逆变器模型,基于逆变器模型对电压波动、环流、谐波、三相不平衡和功率波动进行扰动分析。其次,针对逆变器双闭环控制结构,从扰动对消的角度设计动态补偿控制器Q(s),并将其控制信号作用于电流环的输入端,实现与原系统电流给定信号的叠加,从而达到对扰动信号联合补偿的效果。该方法简化了电流环二次动态补偿控制的结构,实现了Q(s)的低阶理论推导。然后,在每台并联的逆变器中加入鲁棒残差生成器和动态补偿控制器Q_i(s),并根据本地信息推导Q_i(s)的参数表达,实现多台逆变器间相互影响的进一步解耦。最后,在RTDS平台上设计了3台逆变器并联的硬件在环实验,验证了所提策略的有效性。     

LabWindows／CVI下基于BP神经网络的温度补偿虚拟湿度测量系统设计

湿度传感器的输入输出存在非线性,而且输出会因工作环境温度的改变使其零点、灵敏度均发生漂移。为消除温度对湿度传感器测量结果的影响,在LabWindows／CVI下实现虚拟湿度测量系统,并应用反向传播（BP）神经网络,通过样本对网络进行训练。测试结果表明温度补偿效果非常好,同时具备传感器测量值的转换和非线性校正功能,该虚拟湿度测量系统具有很大的实用价值。