对角回归神经网络在直流双闭环调速系统中的应用

本文采用一种新型记神经网络－－对角回归神经网络（ＤＲＮＮ）,并结合ＰＩＤ控制器,构成直接自适应控制系统,自适应高速整ＰＩＤ参数,并应用于直流双闭环调速系统。仿真结果表明其性能优于ＰＩＤ控制器,有进一步的前景。     

应用Matlab分析PID控制器对G-M直流调速系统的影响

PID控制器是最早发展起来的控制策略之一,广泛应用于工业过程控制及运动控制中。Matlab软件的使用使得自动控制系统的分析与设计的视化程序设计更加方便。以控制系统中常用的PID控制器在G-M直流调速系统中的应用为对象,分析了其数学模型,借助Matlab软件分别分析了比例P、比例积分PI、比例积分微分PID控制器参数变化对系统中对稳定性、快速性及准确性的影响。     

基于单神经元自适应PID控制器直流调速系统的研究

本文提出了基于单神经元自适应ＰＩＤ控制器的控制策略。仿真研究与实时控制结果表明，该直流调速系统不仅具有令人满意的静，动态性能，而且又具有很强的鲁棒性与自适应性。     

模糊PID控制在双闭环直流调速系统中的应用研究

分析了模糊PID控制的特点以及具体运用的环境,研究了应用模糊PID控制技术的直流双闭环调速系统,通过仿真论证了模糊PID控制应用于直流双闭环调速系统时具有响应速度快、鲁棒性强以及不依赖被控对象数学模型的优点,并且分析了采用的两种模糊PID控制方法的各自特点及其应用环境。     

BP网络智能PID控制算法在交流调速系统中的应用

针对交流异步电动机存在的非线性、多变量、强耦合及模型结构不确定的特点,设计以西门子S7-300 PLC为控制单元、以研华IPC-610工业控制计算机为监视操作单元的基于PROFI-BUS-DP的交流调速控制系统.通过对被控对象特性的分析,将神经网络技术与PID控制结合,研制了基于BP网络的PID控制算法,并用PLC语言给予实现.该算法既有神经网络控制良好的动态特性又保持了PID控制的高速稳定性.实际应用结果表明:系统调速特性好,控制精度高,具有一定的推广价值.     

智能机内检测技术及其在直流调速系统中的应用

机内检测(BIT)技术是一种对设备或系统内部的故障进行自动检测、诊断和隔离的技术,是改善系统或设备测试性能和故障诊断的重要技术和途径。介绍了几种典型的智能BIT技术及其工作原理,并对智能BIT的技术特点进行了剖析,给出了一种基于BP神经网络的智能BIT技术在无刷直流电机调速系统中的应用,结果表明,该技术控制效果良好,应用前景广阔。     

直流调速系统的同步控制在卡尔多炉冶炼上的应用

使用数字式的直流调速控制器对直流电动机进行控制后,不但能满足对直流电动机的调速控制,实现多电动机的同步控制和调速,同时全数字化的控制系统使得调速器的可靠性大大提高。     

模糊控制在直流调速控制系统中的应用

本文重点研究了传统PID控制和模糊PI控制的优缺点,并在16bits单片机上进行了数字实现来控制直流有刷电机的转速。实验结果表明,模糊PI控制比传统PID控制的性能要好很多,可以提高系统的动态性能和鲁棒性,是一种有应用前景的智能控制方法。     

分数阶PIα控制器在直流调速中的应用

以改进的分数阶微积分Oustaloup滤波器算法为理论基础,建立分数阶PIα控制器,并将其应用到直流调速系统中。给出转速闭环控制直流调速系统的稳态结构框图和转速闭环无静差直流系统电路仿真模型,并将分数阶控制器和传统整数阶PID控制器应用到结构图和电路图中进行MATLAB/SIMULINK软件仿真。通过仿真比较和分析,验证了分数阶PI控制具有更好的控制效果。     

神经网络在自动调速中的应用(综述)

神经网络具有逼近非线性函数的能力，神经网络控制器的设计可以不依赖于被控对象的精确数学模型，具有这样的优点，使它在电机控制中具有很好的发展前途。     

伺服系统在摩擦条件下的模拟复合正交神经网络控制

在数字复合正交神经网络的基础上提出一种模拟复合正交神经网络,并用于非线性伺服系统控制中.在带有非线性摩擦力矩的直流电机飞行模拟转台伺服系统中,控制系统是基于PD控制加神经网络前馈控制的并行控制方法,使用神经网络是用来消除非线性摩擦力矩的影响.通过数字复合正交神经网络的连续化算法处理获得了一种模拟复合正交神经网络,并作为前馈控制器.用并行控制与单一的PD控制对带有非线性摩擦力矩的直流电机伺服控制作了仿真研究.仿真结果表明复合控制比单一的PD控制具有实时性好、响应速度快、跟踪精度高,位置与速度跟踪控制获得了满意的效果.该模拟神经控制器能用于不确定对象的控制,为不确定系统控制提供了一种新的途径.     

复合神经网络在电力系统暂态稳定评估中的应用

提出了一种基于复合人工神经网络的电力系统暂态稳定评估方法。该复合网络由Kohonen网络与若干径向基(RBF)网络组成。它结合了两种网络的优点,因此提高了稳定评估能力。分别采用Kohonen网络、径向基网络以及该复合网络对华中电网的仿真结果证实了该方法的优越性。     

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。     

人工鱼群神经网络在电力系统短期负荷预测中的应用

短期负荷预测结果对电力系统的经济效益具有重要影响.人工鱼群算法是最新提出的新型寻优策略,具有良好的克服局部极值、获得全局极值的能力.文章建立了一种新的人工鱼群神经网络预测模型,利用人工鱼群算法训练神经网络的权值,再将该神经网络用于短期负荷预测.对某电力系统进行的负荷预测结果表明,该方法与传统的BP神经网络预测方法相比具有较强的自适应能力和较好的预测效果.     

神经网络的同伦算法与电力系统状态估计

本文将同伦算法引入到神经网络的学习训练中，提高了神经网络的学习效率，该方法具有稳定性强，收敛性好的优点，用这种神经网络进行了电力系统的状态估计，算例表明了该方法的有效性。     

遗传神经网络在电力系统短期负荷预测中的应用

为了克服传统BP神经网络中存在的一些缺陷,实现准确、快速预测电力系统负荷的目的,作者通过将遗传算法与神经网络结合,构造了一种遗传神经网络来进行电力系统短期负荷预测,方法的思路是：首先,利用遗传算法有指导地计算神经隐层节点数,从而确定一个较合理的神经网络结构;其次,由遗传算法从初始权值的解群中选取出一个优秀的初始权值,克服初始权值选取的盲目性;最后,将得到的神经网络结构和优秀的初始权值结合起来,利用改进的BP算法进行电力系统短期负荷预测,仿真计算表明该方法达到了提高预测精度和改善网络性能的要求。     

基于模糊支持向量机的多级二叉树分类器的水轮机调速系统故障诊断

在传统支持向量机(C—SVM)的基础上，通过集成模糊聚类技术和支持向量机算法，构造了一种适合于故障诊断的多级二叉树分类器，并首次应用于水轮机调速系统故障诊断，取得了良好效果。该方法首先利用模糊聚类技术求取每类样本聚类中心，再对各聚类中心逐次二分，从而确定了一棵二叉树，然后在二叉树的每个节点处，根据样本聚类中心把相应样本分成两类，构造出SVM子分类器。实验结果表明，对于k类别故障诊断问题，只需构造k-1．1个SVM子分类器，简化了分类器结构，避免了不可区分区域的出现，且节省了内存开销，故障诊断正确率高。     

基于人工神经网络的电力线路损耗计算

本文介绍了一种采用人工神经网络进行电力网线损值的计算方法,比较传统方法而言,具有计算速度快、计算精度高和适用面广的优点。     

基于神经网络的规则自校正模糊控制器及其在交流伺服系统中的应用

提出了一种基于神经网络的规则自校正模糊控制器,设计了一种在线的模糊推理算法,利用神经网络调整模糊控制规则,并将其用于交流伺服系统的控制中,仿真实验结果表明：该控制器响应快、鲁棒性强,采用该控制器的系统具有较好的动、静态性能和抗干扰能力。