基于改进粒子群算法的PIDNN控制器在VSC-HVDC中的应用

针对海上风电场并网柔性直流输电(voltage sourceconverter based high-voltage direct-current,VSC-HVDC)系统比例–积分–微分神经网络(PID neural network,PIDNN)控制器参数寻优过程中存在的问题,提出一种基于限制竞争小生境混沌变异的改进粒子群算法(improved niche chaoticparticle swarm optimization,INCPSO)。该算法中小生境技术引入限制竞争淘汰机制,使其具有良好的全局寻优能力(探索),配合改进的帐篷映射混沌变异算法,可获得局部精细遍历性能(发现)。在解决粒子群算法早熟收敛和搜索精度低等问题的同时,最大程度地平衡了粒子群算法在解空间内的探索和发现能力。给出了VSC-HVDC系统中PIDNN控制器参数寻优INCPSO算法步骤,并进行算例分析验证。仿真结果表明,该算法寻优效率和搜索精度高,鲁棒性好,INCPSO-PIDNN控制器可用于海上风电场柔性直流输电变流器。     

模糊神经网控制器学习方法的改进

本文给出了一种完整的模糊神经网控制器设计方法,它包括一种新的离线学习取样方法和一种模糊神经网控制器在线学习新思想。通过将控制器用于几组不同对象的仿真和对加热炉温度控制,证明设计的思想和方法是正确的。     

可控串补神经内模控制系统设计

可控串补(TCSC)是一种重要的柔性交流输电系统(FACTS)控制装置。其建模及相应的控制策略是当今国内外重要的研究课题。通过神经网络系统辨识设计了一个TCSC神经内模控制系统。仿真表明:该控制器不但能快速调节容抗、改善系统的稳定性,并且有较强的自适应性和鲁棒性。     

基于模型参考的神经网络自适应控制器

在过去30年,线性系统理论为经典控制的发展作出了巨大贡献。文章提供了一种能用于非线性动态系统控制的控制策略,其中的自适应设计可以解决时变系统的控制问题。文章提出的基于参考模型的神经网络结构可以用于线性、非线性系统的自适应控制,并且在线性仿真系统环境对该神经网络控制器进行了测试。     

基于BP神经网络在线辨识的开关磁阻电机神经网络自适应PID控制

基于开关磁阻电机的高度非线性的电磁特性,固定参数的PID调节器无法得到理想的控制性能指标,该文提出了一种基于BP神经网络在线辨识的SRM神经网络PID自适应控制新方法。实验结果表明,利用BP神经网络来构成开关磁阻电机的神经网络自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。     

Reference Model with an Adaptive Hermite Fuzzy Neural Network Controller for Tracking a Synchronous Reluctance Motor

This article presents a reference adaptive Hermite fuzzy neural network controller for a synchronous reluctance motor. Although synchronous reluctance motors are mathematically and structurally simple, they perform poorly under dynamic modes of operation because certain parameters, such as the external load and non-linear friction, are difficult to control. The proposed adaptive Hermite fuzzy neural network controller overcomes this problem, as using the Hermite function instead of the conventional Gaussian function shortens the training time. Furthermore, the proposed adaptive Hermite fuzzy neural network controller uses an online self-tuning fuzzy neural network to estimate the system's lumped uncertainty. The estimation method involves a fuzzy controller with expert knowledge of the initial weight of the neural network. Finally, the Lyapunov stability theory and adaptive update law were applied to guarantee system convergence. In this article, the responsiveness of the adaptive Hermite fuzzy neural network controller and an adaptive reference sliding-mode controller is compared. The experimental results show that the adaptive Hermite fuzzy neural network controller markedly improved the system's lumped uncertainty and external load response.     

有源滤波器的神经网络控制

提出了一种应用于有源滤波器系统的神经网络控制器,能为该系统提供合适的开关控制信号,可应用于单相、三相三线制、三线四线制非线性负载电流波形畸变的抑制。进化算法和反向传播被用于神经网络的训练。仿真结果表明了所提出的神经网络控制器的有效性。     

基于神经网络预报的专家控制器设计

采用人工神经网络对船舶操纵动态特性进行在线辨识，并提出了一种基于神经网络预报的专家控制算法用于船舶自动操舵仪的设计。该算法在保证控制系统稳定的前提下，能实现时跟踪船舶航行环境的变化和船舶操纵动态特性的变化，逐步提高自动舵的控制性能。仿真结果表明了新算法的有效性，另外，算法简单，易于在线实现。     

微型水力发电机组的T-S模糊神经网络控制器

随着能源短缺现象的加剧,全球能源互联网的提出,微型水力发电越来越被人们重视。详细分析了模糊控制、神经网络以及TS模糊神经网络结构和算法,针对微型水力发电机系统的非线性和时变性的特点,构件了微型水力发电机组的T-S模糊神经网络控制器,采用MATLAB/Simulink仿真软件,在动态负载条件下对该微型水力发电机组进行仿真,分析了突甩负载和突加负载对机械功率、转子速度、频率和电压的影响,并与PID控制器进行比较。其仿真结果表明,所建立的T-S模糊神经网络控制器动态特性模型符合工程实际,满足系统的稳定性要求,具有良好的稳定性和鲁棒性。     

基于多步预测神经网络的异步电动机控制器设计

在分析交流异步电动机数学模型的基础上，利用直接多步预测控制方法，设计了一种动态神经网络电机速度控制器，其中神经网络采用扩展卡尔曼滤波方法在线训练。仿真结果表明，该控制器具有良好的动、静态特性，并且在电机参数和负载发生变化的情况下效果依然理想，为实际电机控制系统的设计和调试提供了新的思路。     

基于神经网络分数阶控制的逆变电源控制策略

为了提高逆变电源的电压输出波形质量,增强电源控制系统的快速响应特性,提出了神经网络自整定分数阶控制器的控制策略。在介绍三相逆变电源电路模型及分数阶PIλDμ控制器的基础上,采用改进的BP算法对分数阶控制器的参数进行自适应整定,组成逆变电源神经网络分数阶控制器。仿真结构表明,改进的神经网络分数阶控制器控制下的电压输出波形质量及系统的快速响应特性均优于传统的神经网络分数阶控制器,而实物调试实验进一步证明了所设计的控制器的有效性。     

A Deep Neural Network Model for Upper Limb Swing Pattern to Control an Active Bionic Leg

Leg amputations are common in accidents and diseases. The present active bionic legs use Electromyography (EMG) signals in lower limbs (just before the location of the amputation) to generate active control signals. The active con-trol with EMGs greatly limits the potential of using these bionic legs because most accidents and diseases cause se-vere damages to tissues/muscles which originates EMG signals. As an alternative, the present research attempted to use an upper limb swing pattern to control an active bionic leg. A deep neural network (DNN) model is implemented to recognize the patterns in upper limb swing, and it is used to translate these signals into active control input of a bionic leg. The proposed approach can generate a full gait cycle within 1082 milliseconds, and it is comparable to the normal (a person without any disability) 1070 milliseconds gait cycle.     

基于改进BP算法神经网络的超声波电动机速度控制

针对超声波电动机没有精确数学模型,输出具有很强的时变性和非线性的特点,提出了一种改进BP神经网络控制器,神经网络由输入层、隶属函数层、规则层和输出层四层节点构成,在传统BP神经网络基础上,加入了模糊偏差单元和关联节点,使规则层不仅接收来自隶属函数层输出的信号,还接收自身的延时输出信号,能够存储过去的输入输出信息,提高控制系统学习记忆的稳定性。将改进BP神经网络控制器应用于行波超声波电动机速度控制,仿真实验验证了该方法的有效性,与传统BP神经网络相比较,控制精度、响应速度都有改善。     

永磁直线同步电动机模糊神经网络控制器的设计

为了有效地抑制负载阻力扰动等外部扰动对永磁直线同步电动机(PMLSM)系统稳态性能影响,本文设计出了模糊神经网络控制器(FNNC).该控制器将模糊控制的非线性辩识功能和神经网络的自学习功能有效地结合了起来,在保留神经网络自学习能力的同时,增加了对系统的辨识能力,从而提高了伺服系统的稳态性能.仿真结果表明,基于FNNC的PMLSM伺服系统响应快,精度高,对外部扰动有很强的鲁棒性.     

基于PCC的神经网络PID控制器设计

利用神经网络逼近任意非线性函数的能力,对PID参数进行在线调整,并利用神经网络模型对控制对象的输出进行预测,对神经网络各层中的加权系数进行修正,使控制器具有调节数度快、适应能力强、可靠性高等优点.试验结果表明,控制器具有强抗扰、响应快、鲁棒性好等特点.     

神经网络鲁棒控制器的设计及应用研究

针对变频调速系统中交流电机模型的不确定性和非线性等特点。提出一种神经网络鲁棒控制方法。这种控制方法采用已知模型与神经网络在线逼近非线性相结合来共同辩识系统的实际模型。同时通过引入鲁棒因子将神经网络控制与传统控制方法有机结合起来。仿真研究表明它能明显提高系统性能．具有实际应用价值。     

基于模糊神经网络的温度控制器研制

本文提出一种基于模糊神经网络的智能温度控制器，给出了模糊神经网络模糊帮一种快速的学习算法，并通过自学习砂断修正模糊控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新。     

基于自适应神经网络的PMLSM速度控制研究

针对永磁直线同步电机(PMLSM)直接驱动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BP神经网络的自适应神经网络速度控制器.该控制器由一个传统的PID位置控制器、神经网络控制器(NNC)和神经网络辨识器(NNM)组成.仿真结果表明,当突加负载扰动或参数突变时,系统具有较好的动态性能和较强的鲁棒性,能够满足工业场合高精度、微进给的需求.     

可控串联补偿的神经滑模控制器设计

为克服电力系统可控串联补偿装置非线性及外部扰动影响,应用反馈线性化方法和径向基神经滑模变结构控制理论,设计了可控串联补偿的神经滑模控制器。通过状态反馈方法对非线性模型精确线性化,运用径向基神经网络的非线性映射和自学习能力自适应调整滑模控制律,使得设计的可控串联补偿控制规律简洁,鲁棒性好。仿真结果表明,与传统的控制方式相比,设计的神经滑模控制器能有效地阻尼系统振荡,增强系统的暂态稳定性,对运行点变化也具有较好的适应性。     

基于BP神经网络的永磁同步电机直接转矩控制器

基于BP神经网络具有模式识别的分类功能,提出了永磁同步电机直接转矩控制器的BP网络设计方法。在MATLAB仿真环境下,对永磁同步电机控制器进行了建模与控制仿真,仿真结果达到了理想的控制目标。