基于遗传算法的大容量输油泵模糊控制器的优化设计

由于大容量输油泵系统存在严重的非线性和时变性 ,输油泵入口压力、出口压力及管道流量三个参数之间又存在耦合关系 ,采用传统的PID控制器难以对它们实现协调控制。针对大容量输油泵系统的特点 ,本文提出了一种由两个模糊控制器组成的大容量输油泵控制策略 ,并应用改进的遗传算法对模糊控制器的隶属函数和融合因子进行了优化。仿真和现场运行结果表明 ,该控制器能够对入口压力、出口压力及管道流量进行协调优化控制。     

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。     

基于伪并行遗传算法的无源电力滤波器优化设计

以经济成本和滤波效益为目标,采用伪并行遗传算法与自适应遗传算法相结合的方法对无源滤波器参数进行优化.在种群进化的初期引入伪并行遗传算法进行寻优,增加种群的多样性;进化后期,采用自适应遗传算法,有效减少工作量.同时,对伪并行遗传算法迁移率进行改进,使其随种群多样性自适应变化.仿真结果表明:文中所提方法设计出的滤波器滤波效...     

基于模糊控制遗传算法的电力系统最优潮流

遗传算法是一种全局优化方法,适合解决具有离散变量的混合非线性规化问题.模糊控制方法在解决具有可伸缩约束的规划问题方面具有明显优势.将遗传算法与模糊控制理论相结合应用于求解多目标函数的最优潮流问题,是一种比较有效的新方法.通过IEEE14节点和IEEE30节点算例计算,并与传统的遗传算法计算结果对比表明,该算法具有稳定收敛、优化结果精确合理、计算速度较快的特点,适合求解多目标混合非线性规划问题.     

基于遗传算法的模糊控制器规则优化

模糊控制器设计的关键问题就是模糊控制规则的选择。基于遗传算法的模糊控制规则表优化,是为模糊控制提供一种更加方便、有效的查表法。为了提高模糊控制器的性能,提出了基于遗传算法的模糊控制器规则表的优化方法,并进行了仿真实验。仿真结果表明,在模糊控制中采用遗传算法使控制系统最终达到所要求的控制效果,证明了该方法的可行性和有效性。     

基于模糊控制遗传算法的电力系统最优潮流

遗传算法是一种全局优化方法,适合解决具有离散变量的混合非线性规化问题。模糊控制方法在解决具有可伸缩约束的规划问题具有明显优势。将遗传算法与模糊控制理论相结合应用于求解多目标函数的最优潮流问题,是一种比较有效的新方法。通过IEEE14节点和IEEE30节点算例计算,并与传统的遗传算法结果对比表明,该算法具有稳定收敛、优化结果精确合理、计算速度较快的特点,适合求解多目标混合非线性规划问题。     

基于遗传算法的大中型异步电机优化设计

本文在遗传算法基本原理的基础上,结合异步电机优化设计的特点,建立了电机优化设计算法模型,并对传统遗传算法进行了改进。通过对大中型异步电机进行优化实例研究。表明遗传算法在电机优化设计领域是一种行之有效的全局优化方法。     

基于遗传算法的电磁继电器优化设计

简述了遗传算法的特点,详细分析了遗传算法应用于电器产品优化设计的若干问题,并给出了某型电磁继电器优化设计的实例.     

基于遗传算法的开关磁阻电机自适应模糊控制

开关磁阻电机的非线性特性导致采用传统的PID控制很难取得较好的控制效果,而采用模糊控制则比较适宜.传统的模糊控制是采用一组模糊条件语句来表达控制规则,控制规则的调整十分困难.采用带有调整因子的解析式来表达模糊控制规则,可方便地通过改变调整因子来调整控制规则.模糊控制过程中,在不同的误差段对调整因子的要求不一样,故应采用带有多个调整因子的模糊控制器.多个调整因子直接影响控制规则,进而影响控制品质,因此多个调整因子的确定具有重要意义.本文采用遗传算法对调整因子在线寻优,以达到最优控制效果.实验结果表明,系统的动态响应快、超调小、稳态精度高,具有较好的控制效果.     

FCMAC实现的再励学习稳定控制系统设计

给出了一种通过再励算法调节网络权值的再励模糊CMAC网络,然后针对一类非线性系统,提出了一种基于此网络的稳定控制系统。控制结构中采用滑模控制使状态到达设计的切换面,保证系统的稳定,另外,用基于瑞励学习的模糊CMAC作为补偿控制器减弱系统不确定部分的影响。最后仿真实例表明了所给算法的有效性。     

模糊CMAC神经网络控制系统及混合学习算法

针对CMAC神经网络和模糊控制的特性,给出了一种能反映人脑认知的模糊性和连续性的模糊CMAC神经网络控制器,该控制器采用高斯函数作为模糊隶属函数,利用神经网络实现模糊推理并可对隶属函数进行实时调整,从而使其具有学习和自适应能力。讨论了这种控制器的混合学习算法,即先采用混沌算法离线优化,再采用BP梯度算法在线调整,并推导了变形Elmam网络的系统辨识算法。对电厂锅炉主蒸汽温度控制的仿真结果表明了此控制器及其学习算法的可行性和有效性。     

混合系统CMAC直接逆模型控制

CMAC神经网络是一种具有线性结构、算法简单的局部逼近网络.考虑混合系统中参数不确定等因素影响,研究了一类混合系统的CMAC神经网络控制器的设计,采用直接逆模型控制方式,不仅可以缩短网络训练时间,而且实现了一类混合系统的快速跟踪控制.理论分析和仿真结果均表明该控制策略对于混合系统控制的有效性.     

基于模糊控制的PAC控制器的设计

在工业制造生产过程中,对控制的需求越来越高。PAC是一种新型的可编程自动化控制器,在控制性能、信息处理以及网络通信能力具有一些比较显著的优点。PAC控制器结合了PLC固有的可靠性、坚固性和分布特性,同时与PC控制相比,PAC使用实时操作系统,在处理性能上具有实时性、确定性等PC机不可比拟的优点。在传统PAC控制器的基础上,采用了改进PID控制算法、自整定模糊PID控制算法,能够提高控制精度、提高控制响应、满足更高的控制要求。     

基于CMAC网络和相平面分区的实时耦合控制器设计

将CMAC网络与相平面分区相结合提出了一种新的智能控制器——CMAC网络和相平面分区耦合控制器。该控制器针对非线性系统的控制难点,将系统的控制放在两个子控制策略即CMAC控制器和相平面分区控制器中,这两个控制策略相互耦合,耦合方式类似于生物视觉神经的耦合方式。利用CMAC网络的快速学习性能和根据先验知识确定的相平面分区控制器参数,使整个控制器具有自学习和实时在线控制的能力。实验结果表明,利用该方法设计的控制器稳定性和鲁棒性都比较强。     

高精度伺服系统的CMAC学习控制研究

根据神经网络的特点，提出了基于CMAC网络的伺服系统在线学习控制方案，并给出了其再励学习算法。该方法无需离线训练，经在线学习得到系统的逆动态特性，并据此实时修改控制参数。引入鲁棒控制项，增强了学习算法的鲁棒性。在某单轴速率／位置转台上的应用结果表明，该方法可有效地改善伺服系统的跟踪精度和抗扰性能。     

基于模拟退火算法的模糊控制器优化设计

提出了一种解析规则模糊控制器的改进结构，引入了能够动态调整模糊控制规则的修正函数，并给出了模糊控制器输出控制量在稳态附近的局部连续化算法；同时，通过模拟退火算法，实现了模糊控制器控制参数的组合优化设计。结果表明，使用该方法设计的模糊控制器具有响应快、超调小、稳态精度高等优点，改善了模糊控制系统的性能。