基于改进GA优化T-S模糊神经网络的小电流接地故障选线方法

在小电流接地系统中,发生最多的是单相接地故障,针对如何快速准确地查找故障线路一直都是重点研究课题,且没有得到有效的解决。本文提出一种基于遗传算法(GA)优化T-S模糊神经网络的配电网故障选线新方法:通过调整传统GA的适应度函数,先对网络初始参数、权值进行一次优化后,使用梯度下降法进行二次优化的选线算法。讨论了T-S模糊神经网络,传统GA优化的T-S模糊神经网络及不同网络结构对网络性能的影响。研究结果表明新型GA优化T-S模糊神经网络的选线效果明显优于T-S模糊神经网络和传统GA优化T-S模糊神经网络,能够快速、准确、可靠的选取故障线路。     

一种基于T-S云模型的非线性系统控制

将云模型与T-S模糊系统结合,利用隶属云代替模糊系统的前件,提出一种T-S云模型.T-S云模型综合考虑模型的精确性和可解释性,不但可以利用专家的知识和经验建立系统模型,而且还可以通过输入/输出数据设计云模型系统.详细分析T-S云模型的系统结构.基于云模型和模糊系统对模糊概念表述的一致性,在不考虑超熵的情况下,使用梯度下降法辨识T-S云模型前件参数.利用递推最小二乘法辨识T-S云模型后件参数.设计了基于T-S云模型的控制器,实现了将卡车后倒至指定的卸车位置,体现了T-S云模型的不确定处理能力.仿真研究验证了算法的有效性.     

T-S模糊控制技术在电力滤波器中的应用研究

为了能够提高电力滤波器控制的稳定性,深入地研究了T-S模糊控制技术在其中的应用。分析了混合有源电力滤波器的基本原理,设计了混合有源电力滤波器的T-S模糊模型的数学模型,进行了混合有源电力滤波器的T-S模糊模型的稳定性分析。最后,用Matlab软件进行了仿真研究,结果表明该方法具有非常好的控制精度和稳定性。     

一种新型非线性时变模型:模糊变参数系统

为了研究非线性时变模型,提出了模糊变参数系统。它是一种集T-S模糊系统和线性变参数系统诸多优点为一体的新型非线性时变模型,它继承了T-S模糊模型能有效处理非线性系统的优点,又保持了线性变参数模型处理时变系统的优势。模糊变参数系统不仅克服了传统T-S模糊模型在处理时变系统时模糊规则剧增的弱点,也扩展了线性变参数系统理论的适用范围,为解决非线性时变系统的控制问题提供了新思路。在以上模型的基础上,给出了零平衡点全局渐进稳定的一个充分条件以及设计一种T-S全状态反馈控制律的充分条件,数值仿真验证了结果的有效性。     

仿射线性结果T-S模糊建模及其应用

为了改善风能转换系统(WECS)非线性模型的线性化水平,本文以其为研究对象,围绕工况点且基于一阶泰勒展开提出了一种结果部分为仿射线性结构的Takagi-Sugeno(T-S)模糊建模方法;然后利用该方法处理WECS模型中的非线性,给出了具体的T-S模糊建模步骤并得到了高精度的WECS线性控制设计模型;最后,基于模糊逻辑工具箱对该T-S模糊模型进行了模型验证。仿真结果显示,该T-S模糊建模方法具有任意精度的非线性模型及动态特性逼近能力。     

基于风能转换系统的T-S模糊建模与控制

根据风能转换系统的状态方程,结合T-S模糊模型良好的局部线性的特点,建立了风能转换系统T-S模糊控制模型。然后针对新的风能转换系统模型设计了模糊控制器。仿真结果表明在额定风速以下,T-S模糊控制方法能够将风能转换系数控制在最优值0.476附近,叶尖速比也可以维持在最优值7附近,能够实现额定风速以下的最大风能捕获。     

改进的T-S模糊神经网络在化工软测量中的应用

软测量技术在化工生产过程中具有较好的应用前景,适合于监测测量成本高、难于或无法实际测量的过程变量。将改进的T-S模糊神经网络模型引入到软测量建模中,通过偏差校正网络对系统输出量进行动态补偿,可比传统T-S模糊神经网络模型获得更好的系统辨识效果,通过实际测试,软测量结果的均方误差可降低约70%左右。改进的T-S模糊神经网络中由于增加了偏差补偿系统,因此软测量精度获得提高。     

一种改进共轭梯度在线学习滑模控制算法

对于一类基于T-S模糊模型描述的非线性不确定系统,滑模控制算法的稳态误差和动态品质与T-S模糊算法描述模型的准确度相关,利用最小二乘支持向量机算法(LSSVM)学习T-S模糊模型可以很好的逼近实际系统.但是由于LSSVM算法对数据量有一定要求,而且学习速度比较慢,对要求动态响应较高或者内存较小的系统不适用.提出了一种基于改进共轭梯度在线学习算法学习T-S模型,可以实时逼近实际模型,配合滑模控制算法可以达到控制系统的渐进稳定.在不同误差条件下对该控制算法进行仿真实验,在随机误差幅值100以内,系统稳态误差为0.01,同时对时变误差表现出快速的稳定特性,显示了该控制算法较强的鲁棒性.最后,实验还对随机误差幅值为500的系统验证了T-S模型对于系统学习数据的随机误差具有去噪能力.     

基于T-S模型的模糊控制器设计

讨论了一类由T-S模糊模型表示的不确定时滞非线性系统的模糊控制器设计问题。刻画了系统的不确定性,采用并行分布补偿的基本思想设计了状态反馈控制器,分析了现有T-S型模糊控制器设计方法计算复杂且难以求解的原因,在此基础上,提出了一种与系统实时输入相关的动态模型简化算法。同时,利用Lyapunov稳定性理论和线性矩阵不等式等有关工具,得出了该不确定时滞非线性系统的稳定条件,并给出了系统以衰减率α全局渐近稳定的充分条件,从而相应得出T-S型模糊状态反馈控制器。仿真实例表明,该设计方法的有效性。     

基于T-S模糊模型的多变量非线性预测控制

针对多变量非线性系统预测控制的实时性问题,提出一种基于T-S模糊模型的预测控制快速算法.通过辨识建立非线性系统的T-S模糊模型,依据系统的运动特性和实际中控制输入增量的变化趋势选取特定基函数,将广义预测控制和预测函数控制相结合设计多变量预测控制律.该算法相比已有基于T-S模糊模型的多变量非线性广义预测控制算法大幅度减少了计算量,显著提高了控制的实时性.仿真结果验证了该算法的有效性.     

T-S模糊模型控制器的LMI设计方法

为了探讨模糊控制系统的稳定性分析和设计方法,依据模糊控制理论,把离散T-S模糊模型看成是一个线性不确定系统,提出了基于线性矩阵不等式和分段Lyapunov函数的模糊控制器设计方法.将闭环控制系统的稳定要求、性能指标约束条件统一到线性矩阵不等式的框架内,通过求解线性矩阵不等式族获得控制器参数.该方法能够保证系统全局稳定,并且具有良好的动态和稳态性能.     

基于T-S模糊模型的有源电力滤波器控制研究

为了进一步提高有源电力滤波器(Active Power Filter,简称APF)的补偿效果,提出了一种基于T-S模糊模型的APF控制新方案。首先分析了在不检测谐波电流条件下控制系统的特点,建立了三相三线并联型APF的T-S模糊模型,并对模型进行线性化处理,进而通过并行分布补偿(PDC)方法设计出系统的模糊控制器。实验结果证明了该控制策略的有效性。     

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T-S模糊策略永磁直线同步电动机直接推力控制

直接推力控制系统存在推力和磁链脉动以及效率低等问题。首次将T-S模糊控制策略应用到永磁直线同步电动机直接推力控制系统,采用模糊规则取代滞环控制,采用系统辨识方法明确T-S模糊规则的后件并将其直接作为控制量来选择控制逆变器开关的空间电压矢量。采用该方法无须专门解模糊处理,简化了解模糊的过程。基于Matlab软件对所设计系统进行仿真,讨论了系统稳定性问题。从仿真结果可以得出所设计的新系统有效减小了推力脉动,得到快速的速度响应。     

基于T-S模型的烧结终点广义预测自适应控制

针对铁矿石的烧结过程具有时滞、非线性、不确定等特性,在研究了烧结工艺和烧结终点子系统的部分参数选型的基础上提出一种基于T-S(Takagi Sugeno)模糊模型的烧结终点的预测控制方法。首先,根据烧结终点和台车速度之间的动态非线性化关系,建立烧结终点的T-S模糊模型;然后,在此基础上进行广义预测控制器的设计;最后加入了模糊补偿控制,以实现对烧结终点的自适应控制。利用某烧结厂产生的历史数据对该方法进行仿真实验,结果表明该方法具有较高的辨识精度,超调量小,控制时间短,方法有效。     

木材干燥过程温湿度的T-S型模糊神经网络控制器设计

木材干燥过程是一个强耦合、大滞后的非线性动力系统,很难准确建立被控对象的数学模型。为了准确控制木材干燥过程的温度和湿度,提高木材干燥质量,将智能控制引入木材干燥控制系统是必然的发展趋势。结合模糊控制和神经网络优点,设计了一种木材干燥窑内温湿度的Takagi-Sugeno(T-S)型模糊神经网络控制器。该控制器无需对象的精确数学模型,适应性强,利用模糊算法解除木材干燥窑内温度和湿度间的强耦合关系,采用神经网络的自学习和自适应能力来实现整个非线性过程的模糊逻辑推理。仿真和实验结果表明,T-S型模糊神经网络控制器有效解决了木材干燥过程的温湿度控制,控制器响应速度快、超调小、鲁棒性强、控制精确度高,可以满足木材干燥控制系统要求。     

随机最优非线性网络控制系统设计

针对网络控制非线性系统中存在的不确定时延,利用Delta算子方法,研究了基于T-S模糊模型的随机最优网络控制问题。采用T-S模型模糊动态逼近非线性系统,将非线性模型模糊化为局部线性模型,设计了本质为非线性的具有时延补偿功能的状态反馈控制器,并进行了稳定性分析,并仿真。结果表明,所提出的建模方法是可行的,实质为非线性的状态反馈的控制器能够有效地补偿时延对系统性能的影响,且补偿效果好。     

Lorenz与Rossler混沌系统的跟踪控制

研究了Lorenz与Rossler两混沌系统的跟踪控制问题，采用模糊动态模型逼近混沌非线性系统，将混沌非线性系统模糊化为局部线性模型，设计出一种模糊渐近跟踪控制器，控制器结构简单，规则少，仿真验证了方案的有效性。