多机电力系统的滑模智能PSS设计

以电力系统的非线性模型为基础 ,依据滑模变结构控制理论和神经网络的知识 ,提出了一种多机电力系统神经网络滑模变结构PSS的设计方法。计算机仿真研究表明 ,神经网络滑模变结构PSS不仅可以有效地改善系统的动态特性 ,而且能够在较宽运行范围内为系统提供良好的阻尼 ,提高电力系统的稳定性。     

粒子群神经网络辨识的机器人分数阶滑模控制

研究了一种粒子群算法优化的神经网络分数阶滑模变结构控制方法，并将其应用到工业机器人路径跟踪研究中。首先采用粒子群算法优化的神经网络辨识工业机器人的系统模型，训练得到与系统控制参数解析度最相关的模型；然后基于分数阶理论与滑模变结构理论设计了分数阶滑模变结构控制器，作为系统的主控制器应用到工业机器人轨迹跟踪控制系统中。仿真及实验结果表明，该方法具有良好的跟踪性能和快速性。     

SRM积分滑模变结构与神经网络补偿控制

针对开关磁阻电机非线性动态特性不易控制的缺点,提出了一种积分型滑模变结构与神经网络补偿相结合的复合控制策略.应用一个具有积分型式的滑模切换面的变结构控制器,使用积分补偿技巧降低系统的振动与稳态误差.为减小滑模面的抖动,引入神经网络补偿控制环节.建立滑模变结构控制的数学模型,并给出神经网络补偿滑模面抖动的控制律表达式.利...     

高超声速飞行器RBF神经网络滑模变结构控制

针对高超声速飞行器高度非线性及强耦合的特点,提出了一种基于RBF神经网络调参的滑模变结构控制器。滑模变结构控制器能够使高超声速飞行器稳定飞行,但在系统状态到达滑模面后会产生剧烈的抖振现象,不利于工程应用。RBF神经网络在一定条件下可以任意精度逼近非线性函数,且具有较强的自学习、自适应和自组织能力。将RBF神经网络与滑模变结构控制相结合,一定程度上能够消除滑模控制的抖振问题。在高超声速飞行器的巡航状态下,分别加入高度阶跃指令和速度阶跃指令进行了仿真。仿真结果表明,所设计的RBF神经网络滑模变结构控制器使高超声速飞行器在保证快速性、鲁棒性和抗干扰性的同时,克服了执行机构的抖振问题。     

基于RBF网络的开关磁阻电动机自适应滑模控制

结合滑模控制和神经网络各自的优点,对开关磁阻电动机提出了一种基于RBF神经网络的开关磁阻电动机自适应滑模控制方案。设计了基于反馈线性化的滑模变结构控制器,通过RBF神经网络的在线学习实时估计系统参数变化,减小系统参数变化对控制效果的影响,实现了开关磁阻电动机的自适应滑模控制。理论分析证明了所设计自适应神经滑模控制器的稳定性和可行性,仿真结果证明了所设计控制器可行性。     

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。     

基于滑模变结构控制的余热发电机机组励磁控制研究

水泥生产过程中会产生大量中低温余热,利用余热发电是水泥生产企业节能的重要手段。为维持余热发电系统的电能稳定,以单机无穷大电力系统为例,建立余热发电机组励磁系统数学模型,设计基于指数型终端滑模变结构控制理论的同步发电机励磁控制器。针对电力系统中三相短路和三相断路故障利用Matlab进行时域仿真,与采用快速终端滑模变结构控制的仿真结果进行对比分析,仿真结果表明该指数型终端滑模变结构励磁控制系统具有更好的适应性及稳定性。     

基于RBF神经网络的电压外环滑模控制的Vienna整流器

以Vienna整流器为研究对象,针对其传统电压外环滑模变结构控制不变性和对系统参数扰动敏感的问题,分析了以逼近率为基础的滑模变结构控制算法,提出了一种基于RBF神经网络的自适应电压外环滑模控制算法。该控制算法通过将RBF神经网络与滑模控制算法有效结合,同时将中点电位平衡控制加入到RBF神经网络自适应电压外环滑模控制算法的设计中,使用RBF神经网络对电压外环非线性系统进行自适应逼近,能够有效降低切换增益,削弱抖振,增强系统的抗干扰能力。最后,通过仿真分析与实验测试验证所提控制算法的有效性。将所提出的控制算法与传统滑模控制算法、PI控制算法进行比较,结果表明采用这种电压外环控制算法能够对直流输出电压目标值进行快速跟踪,平衡中点电位,改善了系统的动静态性能,提升了其抗干扰能力。     

分数阶滑模控制策略提高电力系统暂态稳定性研究

电力系统暂态稳定是电力系统遭受大干扰能够恢复稳定运行的能力,是电力系统安全稳定运行的重要基础。电力系统是一个高度复杂的、强耦合的非线性系统,PSS作为线性控制策略不能够有效抑制大扰动。基于滑模控制,分数阶微积分和有限时间稳定,提出了分数阶滑模控制策略来提高电力系统暂态稳定,使系统能够在有限时间内恢复稳定运行。首先,通过输入输出线性化方法解耦非线性电力系统。然后,提出分数阶滑模控制器并给出其设计和证明过程。同时,给出电力系统在所提出的控制策略性下的收敛时间。最后,在3机9节点电力系统中应用分数阶滑模控制器调节发电机的励磁提高电力系统的暂态稳定,验证了所提出的分数阶滑模控制器的有效性和优越性。     

感应电动机滑模变结构控制的仿真实验研究

根据滑模变结构控制原理，提出了感应电动机滑模变结构控制算法，阐述了滑模变结构控制交流调速系统的实现方法，给出了仿真实验波形和结果。     

基于神经网络的双馈感应发电机滑模控制

针对不平衡电网下双馈感应发电机运行不佳的问题,将神经网络控制和二阶滑模控制相结合构成的神经网络滑模控制器运用到双馈风力发电机的直接功率控制中。设计了二阶滑模控制器,二阶滑模能够有效地削弱传统滑模控制的抖振;接着,设计了径向基神经网络对系统的不确定部分进行逼近;最后,基于李雅普诺夫稳定性定理推导了神经网络权值更新律,证明了控制系统的稳定性。仿真结果表明所设计控制策略能对有功、无功功率及其定子电流进行有效控制,削弱了传统滑模控制中的抖振。     

A New Static Synchronous Series Compensator Control Strategy Based on RBF Neuro-Sliding Mode Technique for Power Flow Control and DC Voltage Regulation

This paper presents a new hybrid approach which combines Radial Basis Function neural network with the sliding mode technique to design a Static Synchronous Series Compensator controller for power flow control and DC voltage regulation of an electric power transmission system. The proposed neuro-sliding mode control technique requires reduced number of hidden units and the weights are updated through on-line learning. The proposed technique is robust and does not need the knowledge of the perturbation bounds nor the full state of the nonlinear system (as opposed to existing methods based on Radial Basis Function neural networks). The performance of the proposed controller is validated on an IEEE 9 bus test system. Comparative results with another neural networks control and PI regulators show the effectiveness and satisfactory performance of the proposed controller in dealing with the perturbations considered.     

基于神经网络的永磁直线同步电机自适应滑模控制

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,将滑模控制和神经网络控制相结合,用两个神经网络控制器分别实现滑模等效控制和滑模切换控制,构成神经网络自适应滑模控制。仿真结果表明,神经网络滑模控制和常规的滑模控制相比,具有更好的动态稳定性和跟踪性能,对外界干扰具有较强的鲁棒性。     

一种新型神经网络滑模控制器的设计

针对滑模控制中存在的抖振问题,提出了一种新型神经网络滑模控制方法,该方法通过BP神经网络逼近系统滑动超平面与指数趋近律之间的函数关系,同时采用双曲正切激活函数代替滑模控制中的饱和函数,从而实现了滑模控制的边界层法设计。仿真实验表明,该方法有效地消除了滑模控制中的抖振现象。     

基于模糊径向基函数神经网络的永磁同步电机滑模观测器设计

针对传统滑模控制易导致系统出现抖振的问题,提出了一种模糊径向基函数(RBF)神经网络滑模观测器来实现永磁同步电机(PMSM)无传感器控制。为了减小观测器系统抖振,利用模糊RBF神经网络算法动态调整滑模增益,并采用李雅普诺夫稳定性定理证明了该模糊神经网络观测器的稳定性;利用锁相环(PLL)技术提高估算精度,并削弱计算噪声。基于MATLAB/Simulink软件平台搭建了仿真模型,将模糊RBF神经网络滑模观测器系统与传统滑模观测系统进行对比。结果表明,与传统的滑模观测器相比,新型滑模观测器能够快速、有效地跟踪转子位置,精确估算出转子速度,同时具有较好的动态特性。     

永磁直线电机神经滑模控制器设计

提出了一种用于永磁直线电机伺服控制的神经滑模控制方法,通过神经网络的在线学习,削弱了滑模控制的抖振.该方法由推力,磁链的积分函数建市滑模面,然后将滑模向量作为RBF神经网络的输入量,RBF神经网络的输出量即为d-q轴控制电压u<,d>、u<,q>,自适应算法根据可达性条件实时在线调整RBF神经网络的连接权值,从而使得系...