基于单神经元PI控制器的风电机组双馈感应发电机功率解耦控制

在双馈感应发电机(DFIG)数学模型和定子磁链定向矢量控制的基础上,提出了基于单神经元PI控制器的功率解耦控制策略。通过定子磁链定向矢量控制可以实现双馈感应发电机有功功率和无功功率的解耦控制,但是功率环中的PI调节器的自适应能力较差,用单神经元PI控制器代替传统PI控制器,可以提高系统对功率跟踪的快速性。仿真结果表明,相比传统PI控制器的解耦控制系统,采用单神经元PI控制器的解耦控制系统的跟踪速度快,参数自调节能力强。     

基于模糊单神经元PI的微电网频率自适应控制

在采用下垂控制策略的传统微电网中存在母线频率随负载增大而下降的问题,为确保母线频率不偏移标准频率,需要采取频率恢复控制策略。目前实现频率恢复的常用方法是基于比例-积分(PI)的控制策略。由于微电网网络结构和系统参数存在变化,PI控制可能无法满足频率控制快速响应、恢复的需求。为解决该问题,文中提出在第二层控制微电网中央控制器中使用单神经元自适应PI控制算法作为频率恢复算法,实现频率无差控制。为进一步增强系统的鲁棒性、加快频率的恢复,使用模糊控制器对单神经元PI控制器的神经元比例系数进行在线优化,并通过仿真与固定神经元比例系数的单神经元自适应PI控制进行对比,证明了所提改进控制策略可改善频率恢复控制的暂态性能,加快微电网的频率恢复。     

开关磁阻电机直接转矩BP-PID控制器的设计

针对采用常规PID控制器很难取得很好的控制效果,提出了单神经元PI复合控制的开关磁阻电机调速系统的新方法,利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。以速度误差为系统外环输入,大偏差时采用单神经元控制,小偏差时采用PI控制。外环的输出变量为内环的目标转矩,送入60 kW三相6/4结构的开关磁阻电机直接转矩调速系统内环。仿真结果表明,这种复合控制方法解决了常规控制方法因电机数学模型难以精确确定而无法确定控制参数的问题,并克服了常规PI控制存在静差、无抗干扰能力的缺点,很好的解决了系统上升时间与超调的矛盾。     

单神经元自适应PID控制交流调速系统

针对转子磁场定向矢量控制中转速PI调节器鲁棒性能较差的问题,提出了用单神经元自适应PID控制器代替转速PI控制器,进一步改善了异步电动机矢量控制系统的性能;将无监督的Hebb学习规则与有监督的Delta学习规则相结合,提高了单神经元自适应PID控制器的学习能力,实现了单神经元控制器的参数优化与在线自调.构造了基于单神经元自适应PID控制器和空间矢量脉宽调制(SVPWM)的异步电机矢量控制系统.仿真实验结果表明,该系统不仅具有很好的静、动态性能,而且又具有很强的自适应性和鲁棒性.     

基于单神经元自适应PID控制的高压断路器永磁直线伺服电机操动机构的研究

高压断路器永磁直线伺服电机操动机构采用直线电机驱动断路器操作杆,带动机构运动,实现分合闸操作,具有良好的快速响应能力及控制性能.该伺服系统采用数字式双闭环控制,内环为电流环,采用PI控制,外环为速度环,采用单神经元自适应PID控制,通过建立直线伺服电机操动机构控制系统仿真模型,详细分析了单神经元自适应PID控制算法以及数学模型,并建立了以输出误差二次方为性能指标的单神经元自适应PID控制器模型.并分别用传统PID与单神经元PID控制算法,对高压断路器触头运动特性控制过程进行了仿真.结果表明,单神经元自适应PID控制器能够较好的实现触头速度的跟踪控制,使其按理想运动特性曲线运动,实现最优操作,该算法是一种较理想、有效的控制方法.     

开关磁阻电机直接转矩单神经元PID设计

介绍了单神经元PI复合控制的开关磁阻电机调速系统的新方法,利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器.仿真结果表明,这种复合控制方法解决了常规控制方法因电机数学模型难以精确确定而无法确定控制参数的问题,克服了常规PI控制存在静差、无抗干扰能力的缺点,解决了系统上升时间与超调的矛盾.     

单细胞神经元控制器在水轮机调速系统中的应用与仿真

介绍了水轮机调速系统的基本原理和一般的控制方法，提出了一种采用自适应单神经元PID控制器来控制调速系统的方法，并对两种方法下的控制输出进行了仿真比较，得出了采用自适应单神经元PID控制器较优的结论。     

单细胞神经元控制器在水轮机调速系统中的应用与仿真

介绍了水轮机调速系统的基本原理和一般的控制方法，提出了一种采用自适应单神经元PID控制器来控制调速系统的方法，并对2种方法下的控制输出进行了仿真比较，得出了采用自适应单神经元PID控制器较优的结论。     

交流调速系统的单神经元自适应内模控制

针对感应电机速度控制器的传统设计方法所存在的缺点,提出了单神经元自适应内模速度控制器.首先依据内模控制原理设计出内模速度控制器,该控制器具有PI结构,但只有一个可调参数,且该参数与控制系统的动态特性直接相关,再利用单神经元对此参数进行实时在线调节,实现了系统的自适应控制.在理论分析的基础上,将此控制器应用到基于数字信号处理器实现的交流电机矢量控制系统中.实验结果表明:该方法是一种有效的实时控制策略,它能使调速系统不仅具有良好的动、静态性能,而且具有很强的鲁棒性和自学习能力.     

基于单神经元自适应PI的PWM整流器控制

根据三相电压型PWM整流器的基本结构及数学模型,推出以电网电压定向的矢量控制方法,在Matlab环境下搭建了三相PWM整流器控制系统仿真模型。将单神经元自适应PI控制引入到系统中,用S函数实现了单神经元自适应PI控制算法,对基于单神经元自适应PI控制算法与基于普通PI控制算法的三相PWM整流器系统分别进行了特性仿真,结...     

神经网络算法的改进及其在有源电力滤波器中的应用

针对有源电力滤波器的电流跟踪控制问题,设计了一种基于改进梯度算法的BP神经网络自适应PI控制器。该控制器将神经网络技术与PI参数设计相结合,与传统的PI控制器相比,该控制器具有结构简单、易于在线调整等优点。同时,为了克服采用神经网络算法修正权值系数时,会存在局部极小、收敛速度慢的问题,对BP神经网络采用的梯度算法进行改进。利用代数法代替梯度下降法,从而解决了易出现局部极小问题,且使收敛速度更快。仿真实验表明,改进后的神经网络自适应PI控制器较传统的PI控制器有更快的响应速度和更高的补偿精度,从而使系统更稳定,而且电网电流的谐波畸变率更低。     

基于模糊神经网络和PI控制的异步电机位置控制系统

提出一种用于异步电机位置控制的模糊神经网络(fuzzy neural network,FNN)控制器.其控制系统采用Sugeno型FNN和比例积分(proportional integrate,PI)控制进行构建.在进行试验测试之前,利用实验数据库和梯度算法对模糊神经网络进行在线训练.利用DS1104型DSP控制卡实现控制算法.利用该控制器对异步电机进行位置控制,在电机施加非线性负载和发生参数扰动的条件下,对控制系统的功能以及鲁棒性进行测试,试验结果表明,该控制系统能够保证电机稳定有效的工作.     

基于RBF神经网络的智能负载控制策略研究

本文在电力弹簧的数学模型和控制电路的基础上,提出了一种基于RBF神经网络的智能负载控制方法,利用RBF神经网络算法可以有效弥补传统PI控制器参数固定,无法更改的缺点。通过对控制器参数实时在线调整,可以有效地减少智能负载失稳情况,从而确保系统母线电压稳定。最后,在MATLAB/Simulink的仿真环境中进行仿真验证,结果表明：与传统PI控制下的智能负载相比,本文所提的控制方法具有更强的调节性能。     

校正无位置传感器无刷直流电机位置信号相位的闭环控制策略

分析位置信号相位与非导通相续流电流的关系,指出非导通相续流电流偏差能够准确地反应无位置传感器无刷直流电机位置信号相位误差。根据分析所得结论提出了一种校正位置信号相位的新型闭环控制方法。该闭环控制方法以控制非导通相续流电流对称为目标,以非导通相续流电流偏差为反馈量,通过PI调节器调节,及时调整过零点延时角度,从而达到自动校正位置信号相位的目的。实验验证了该控制方法能够实时、有效地校正位置信号相位。     

一种基于延时补偿的电流跟踪控制新方法

提出一种基于π补偿Smith预估器和算法改进型神经网络的电流跟踪控制方案。π补偿预估器的引入有效地补偿了系统控制中的延时,提高了系统的稳定性能和响应速度;算法改进型神经网络用于优化PI控制器的参数,以提高系统的补偿精度。同时,利用ITAE准则给出π补偿预估器参数与PI控制器参数间的数学关系式。通过算法改进型神经网络可以同时优化两个控制器的参数,避免了将PI控制器参数与预估器参数分开独立识别的局面,并降低了PI控制器和π补偿Smith预估器对电网参数的敏感依赖性。当电网负载发生变化时,能够利用改进的神经网络算法实时地寻求到最优的控制器参数,达到理想的控制效果。仿真和实验验证了所提控制策略的有效性。     

无刷直流电动机模糊神经网络PI控制方法

通过分析无刷直流电动机模糊PI控制的不足,在对传统模糊-PI混合控制策略进行改进的基础上,提出模糊神经网络PI控制策略。该策略是建立在用基本样条函数实现BLDCM模糊神经网络速度控制器新方法基础之上。通过调整模糊神经网络中唯一需要优化的权值系数,以达到模糊神经网络参数自动调整与寻优的目的,从而提高了系统的动态响应和鲁棒性。仿真结果表明,该方法响应快、无超调、鲁棒性强。     

基于模糊RBF神经网络的风电机组变桨距控制

在介绍模糊RBF神经网络基本原理的基础上设计了模糊RBF神经网络控制器,并将其应用于大型变速变桨风力发电机组的变桨距控制中.在风速高于额定风速时,通过控制桨叶节距角来改变攻角从而改变风机获得的空气动力转矩,以实现输出功率稳定在额定值.将该模糊神经网络控制方法和PI控制进行仿真比较,结果表明前者优于PI控制.     

PI-神经网络混合速度控制器的研究

文章提出了一种新颖的PI-神经网络混合速度控制器的方案.在该方案中PI参数是不变的,控制器的学习由隐含层和输出层之间的权值自调整来实现,而且PI参数可在一个较大的范围内取值.仿真结果证明了该方案是可行有效的.     

PEMFC阴极系统的混合智能PID解耦控制器设计

60 kW PEM FC发电系统要求安全性、可靠性和持久性,理想的电堆湿度和压力控制很重要。在电堆阴极系统的动态仿真和分析基础上,针对系统强非线性动态耦合的特点和控制要求,设计了阴极湿度和压力的混合智能PID解耦控制器。系统实时控制的仿真实验结果说明,利用带二次型性能指标的单神经元PI控制器,调节空气增湿器水泵的注入水流量来控制阴极湿度,控制结果快速而且稳定。以对角回归神经网络(diagonalrecurrentneuralnetw ork,DRNN)动态辨识为基础的增量式PID控制器,调节空压机送往电堆阴极的空气流量,使阴极压力的控制更加稳定和精确。两个控制器的良好配合不仅能够克服系统的非线性动态和耦合特性,而且能够克服系统负载的实时功率需求的影响。