锅炉过热汽温自适应PI型模糊控制的仿真研究

针对锅炉过热蒸汽温度对象的非线性和不确定性等,设计了PI型模糊串级控制系统,并将该系统应用于某电厂600 MW机组锅炉过热蒸汽温度的控制。在分析模糊控制器相关参数与控制系统品质之间关系的基础上,提出相关参数的在线自校正方法,构造了一种自适应PI型模糊控制器。该控制器能够在线调整其量化因子和比例因子,以适应被控对象动态特性的变化,从而提高模糊控制系统的性能。将自适应PI型模糊控制方法与常规PID控制及PI型模糊控制进行仿真比较,表明采用自适应PI型模糊控制方法建立的过热蒸汽温度控制系统具有较好的控制品质和较强的自适应能力。     

过热汽温自适应逆控制方案研究

针对火电厂锅炉过热汽温对象,将神经网络辨识技术和自适应逆控制技术相结合,提出了一种过热汽温自适应逆控制方案.该方案首先利用RBF神经网络在线辨识被控对象模型获得其Jacobian信息,在此基础上利用对角回归神经网络(DRNN)在线辨识获得被控对象的逆模型作为控制器,串联在控制对象前面构成自适应逆控制系统.通过对超临界600 MW机组过热汽温对象进行仿真研究表明,该控制方案能很好地适应过热汽温对象特性的变化,并且可以有效克服对象的大惯性和非线性,获得良好的控制品质.     

电液位置伺服系统的模糊神经网络控制

针对电液位置伺服系统中的非线性、参数时变性等复杂因素,设计了一种模糊神经网络控制方案。由于常规的模糊神经网络学习算法具有权值调整复杂,收敛速度慢的缺点,因此采用模糊逐级误差逼近方法来调整模糊神经网络的权值。该算法易于实现,网络权值在线学习速度较快,而且计算量小于其他的常规神经网络学习算法。将该方法应用于电液位置伺服控制系统中,在对象参数摄动情况下,进行了仿真研究。仿真结果表明,采用该方法所设计的控制器满足系统对快速性和稳态精确度的要求,系统的鲁棒性增强,验证了方法的有效性。     

基于模糊神经网络的永磁同步电机控制

针对永磁同步电机控制系统的非线性与电机参数时变易受扰动的特性,提出一种基于RBF神经网络在线自学习模糊自适应控制器,利用模糊推理机产生的分目标学习误差进行RBF神经网络的在线训练,有效地提高了控制系统的品质。算法简单易于实现;仿真证明,系统具有较好的动态性能。     

基于粗糙集的自适应模糊神经网络用于循环流化床锅炉床温控制的研究

针对循环流化床(CFB)锅炉床温的非线性、大惯性和大延迟等特性,提出了1种基于粗糙集的自适应模糊神经网络的床温控制方法,并且通过大量已知数据的学习得到模糊规则及其隶属度函数.为了减少规则的数目,提高数据的学习效率,引入了粗糙集,从采集数据中提取最小规则集,从而解决了自适应模糊神经网络中的规则爆炸问题.以CFB锅炉床温为控制对象,对基于粗糙集的自适应模糊神经网络控制器进行仿真比较.结果表明,该控制器控制效果优于常规PID控制器,但稳态误差较常规PID控制器大,其稳态误差小于1.7％,在允许范围内.     

神经网络在线学习模糊自适应控制及其应用

基于反馈误差学习法,提出了一种神经网络在线学习模糊自适应控制结构。利用模糊推理机产生的分目标学习误差训练神经网络,避免了控制器的输出产生振荡或进入饱和状态。工程应用表明,该方法将模糊推理引入神经网络学习中,可有效地提高系统的控制品质。     

基于CMAC神经网络的超磁致伸缩非线性控制

对于超磁致伸缩材料固有的迟滞非线性特性，本文提出一种基于小脑模型神经网络(CMAC)前馈逆补偿与PID相结合的复合控制方法。首先利用CMAC神经网络学习获得超磁致伸缩致动器(GMA)的迟滞逆模型进行补偿，再利用CMAC模型在线快速学习适应的能力，结合PID控制器降低跟踪控制时的误差和扰动，从而实现GMA的精密控制。通过MATLAB建立了CMAC前馈逆补偿控制器和CMAC-PID复合控制模型，最后通过仿真实验验证所提方法的有效性。结果表明，提出的利用CMAC神经网络逼近的迟滞模型具有令人满意的精度，在CMAC-PID复合控制方案的作用下，系统的期望位移与实际位移相对误差值最大值仅2.39%,平均相对误差值不到0.5%。说明该控制策略能适应控制对象的非线性变化，有效地提高GMA的跟踪精度。     

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。     

基于神经网络的双闭环伺服系统自适应控制

针对双闭环伺服系统中传统自抗扰控制（ADRC）控制器待整定的参数较多且整定过程较复杂的问题,设计了一种基于径向基函数神经网络的ADRC控制器。考虑到组合控制律的独立性,设计线性状态误差反馈进一步降低参数整定复杂性。径向基函数神经网络将扩张状态观测器中的非线性误差增益作为其权值系数,在线辨识出被控对象的Jacobian信息,利用神经网络的自学习功能实现了ADRC的参数在线自整定。以永磁同步电机(PMSM)作为被控对象,通过MATLAB进行仿真。仿真结果证明,此控制策略有效地优化了伺服系统的静态性能和动态品质,实现了控制系统的高动态和高精度。     

双神经网络交流传动自适应规划控制

将Hopfield神经网络应用于交流传动系统的自适应控制，通过神经网络来规划交流调速系统的速度控制器动态输出；并将Hopfield神经网络控制器代替矢量控制系统中的转速调节器，使速度控制器具有对某些参数变化良好的鲁棒性。对于不可控的负载转矩分量，加入神经网络负载转矩在线跟踪控制器，形成参数自动跟踪神经网络，构成具有参数在线跟踪功能的交流传动双神经网络自适应规划控制模式，进一步提高了系统的性能．仿真结果证明了该控制方案的有效性．