Research on Power Control of Wind Power Generation Based on Neural Network Adaptive

For the characteristics of wind power generation system is multivariable,nonlinear and random,in this paper the neural network PID adaptive control is adopted.The size of pitch angle is adjusted in time to improve the performance of power control.The PID parameters are corrected by the gradient descent method,and Radial Basis Function(RBF)neural network is used as the system identifier in this method.Simulation results show that by using neural network adaptive PID controller the generator power control can inhibit effectively the speed and affect the output power of generator.The dynamic performance and robustness of the controlled system is good,and the performance of wind power system is improved.     

自适应神经元PID控制器在单元机组负荷控制系统中的应用

针对火电单元机组这类集炉、机、电为一体具有多变量强耦合,非线性及参数时变的受控对象,基于常规解耦控制技术的控制系统无法应用的问题,讨论了多变量自适应单神经元PID控制器在单元机组负荷控制中的设计及仿真,并给出了火电机组负荷微机控制系统的硬件和软件设计方案。     

液压增速传动风力发电恒频控制研究

以液压型风力发电机组为对象,针对低速定量泵-高速变量马达增速传动闭式回路系统,阐释液压型风力发电机组工作原理,建立定量泵-变量马达主传动系统数学模型,搭建了37 kW液压风力发电试验平台,在系统恒流源控制基础上,应用PID控制器补偿斜盘摆角方法,分析了液压增速传动变速恒频系统的马达转速特性以及控制方法的抗干扰性能。研究表明,定量泵-变量马达液压增速传动控制系统能实现电励磁同步发电机转速稳定控制。     

基于模糊神经网络PID的复合控制策略

为了结合模糊控制容错力强和神经网络PID在线学习和调整的优点,提出了一种结合模糊控制与神经网络PID控制的复合控制方法,即分别设计模糊控制器和神经网络PID控制器后,再利用权重分配器对这两个控制器进行权重分配来控制被控对象。将该控制策略应用于某火电机组的二级过热器减温水流量系统控制,并在simulink仿真平台进行仿真,仿真实验结果表明:该复合控制策略较传统的模糊控制或神经网络PID控制的上升时间更短,调节时间和超调量更小,稳态性能更好。     

变速风力发电最大风能捕获控制方法的比较和研究

简要叙述了风能利用的基本原理和风机的几个运行阶段,对几种最大风能捕获的方法作了比较和分析,如直接风速控制法、间接风速控制法、爬山算法和模糊PID控制法等,并指出风力发电存在的问题和发展方向。     

基于神经网络的模糊自适应PID控制方法研究

针对常规PID控制器不能在线修正参数以及模糊规则和率属函数对专家经验的依赖性,提出了神经网络模糊自适应PID控制器,从而综合了传统PID控制、模糊控制、神经网络控制的优点,使其具有PID控制的广泛适用性和神经网络的自适应和自学习能力,同时又具备模糊控制的非线性控制作用;仿真实验可知该控制器具有更快的响应和更好的平稳性.     

车载飞轮电池的振动控制策略研究

针对车载飞轮电池在不同工况下振动及磁悬浮轴承非线性和本质不稳定性的特点,开发了基于单神经元的PID控制软件,利用单神经元的自学习能力并通过加权系数自适应地对PID各控制参数进行调整,使得控制器的输出为PID各控制参数的非线性组合,克服了单一PID控制参数无法满足系统动态性能需要及控制参数整定困难的缺点。通过仿真分析和飞轮转子系统的高速运行试验,对比研究了不完全微分PID策略和单神经元自适应PID策略的控制效果。研究结果表明,与不完全微分PID策略相比,单神经元自适应PID策略具有无超调、鲁棒性好、调节时间短等优点,飞轮转子系统具有更好的动态性能。     

基于模糊神经网络的中频感应加热电源的研究

通过对原有感应加热电源温度控制方法的分析,提出了一种适合于非线性系统基于模糊神经网络的温度控制方法。与传统的控制策略相比,模糊神经网络控制具有不依赖控制对象精确的数学模型,较强的鲁棒性,控制方式简便等优点。实验证明:该加热方法优于常规PID和模糊PID,可获得良好的动态特性,具有稳态精度高,功率调节范围宽,工作稳定可靠的优点。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

风洞悬臂杆结构主动减振系统的研究

风洞测试时悬臂杆振动会影响测试数据的准确性,为了抑制悬臂杆振动,设计了基于压电驱动器的主动减振系统,提出了将人工神经网络与传统比例积分微分(proportion integration differentiation, 简称PID)相结合的智能控制算法,实现了控制参数在线实时调整。对该控制系统的减振性能分别进行了地面试验和风洞试验,并与采用传统PID控制的试验结果进行对比。结果表明,神经网络PID控制下的振动收敛时间比传统PID缩短了50%,而且在不同风速和攻角下,悬臂杆系统的1阶模态振动均得到了有效衰减（衰减幅度>19 dB）,表现出良好的鲁棒性。     

液压传动风力发电机并网转速控制研究

由于风速的随机性使得液压传动风力发电机采用同步交流发电机并网时的转速控制成为关键性问题,为此提出了一种并网速度控制系统的结构和原理,建立了控制系统模型,采用Simulink的SDO软件包进行PID控制器参数整定,并对系统的动态性能进行了仿真和对仿真结果进行了分析。     

基于模糊控制的电动助力转向系统控制方法研究

基于模糊控制的基本原理及模糊控制器的设计方法,对模糊＂PID参数整定的方法进行研究。针对电动助力转向系统,设计了一种模糊自整定PID参数控制策略,利用MATLAB软件对控制算法进行仿真。通过仿真实验,证明了所设计的电动助力转向系统控制算法将PID控制和模糊控制的简便性、灵活性以及鲁棒性相结合,提高了电动助力转向系统的助力控制性能。     

模糊神经网络PID控制在振动打桩机中的应用

针对双马达电液伺服系统难以进行同步控制,实现无级调频调矩的问题,提出了基于Mamdani型的模糊神经网络PID控制方法。该方法的主要思想是结合模糊推理和神经网络控制技术,构成模糊神经网络,实时调整PID参数。实验结果表明：与传统PID控制方法相比,该方法改善了系统的动态特性,提高了控制精度。     

电动助力转向系统的PID控制研究

针对电动助力转向系统,介绍了助力特性曲线的确定方法和模拟PID控制的基本原理.为便于ECU控制,通过离散法把模拟P1D控制转换为增量式PID控制方法,再利用MATLAB/Simulink软件建立PID仿真模型来分析增量式PID控制的性能.     

基于神经网络的双馈风电矢量控制系统转速辨识

阐述了神经网络转速辨识的基本原理和方法,构造了基于神经网络的双馈风力发电矢量控制系统,并在MATLAB/Simulink环境下,对该控制系统进行了仿真研究,结果表明该辨识方法比PI自适应算法的鲁棒性强,且有很好的快速逼近性。     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

大兆瓦双馈风力发电系统及发电机控制研究

介绍大兆瓦双馈风力发电系统工作原理,分析双馈风力发电系统中发电机的数学模型,并以双PWM变流器为基础对发电机的运行控制进行研究。     

变桨距风力发电机组智能控制的研究

首先分析了风力发电机组控制策略的发展状况。其次根据风力发电机组各部分原理,对气动部分、传动部分和异步发电机部分进行数学模型的建立,并在此基础上在MATLAB中搭建了风力发电机组的子模块。最后设计了基于模糊控制器的控制策略,利用MATLAB／simulink对其进行了仿真,取得了比较满意的控制效果。     

基于神经网络的火电厂脱硫控制系统研究

以某火电厂 ２×３００MW 机组为研究对象,设计了以石灰石 石膏湿法为工艺基础的烟气脱硫控制系统.对脱硫控制系统中吸收塔的浆液pH值的控制进行了改进,设计了基于神经网络自适应控制器.该控制器能有效提高浆液pH值的控制精度与稳定性.     

基于RBF神经网络的非线性系统智能控制

针对工业控制领域中复杂非线性时变系统，采用传统的控制方法不能达到满意的控制效果，提出了基于神经网络的PID自适应控制方案。采用神经网络辨识器在线辨识系统模型，自动调整PID控制器参数，从而实现系统的智能控制。仿真结果表明该方法对于复杂非线性系统能进行有效的控制并且具有很好的自适应性和鲁棒性。