蚁群优化算法在发电机励磁控制中的应用研究

针对现有发电机励磁控制器参数优化中存在的寻优时间长、易陷入局部最优的问题,提出了一种引入杂交及变异算子的蚁群算法。该算法利用蚁群算法良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的思想,利用杂交及变异算子来进行局部寻优,使其能快速搜索到全局最优点。MATLAB仿真结果表明,该算法可行且有效。     

一种新颖的单神经元励磁控制器

本提出了一种新颖的发电机励磁控制的单神经元控制结构，并利用遗传算法进行控制器的设计。数值仿真分析证明了所提出的神经元励磁控制器具有良好的控制性能。     

基于PSO优化算法的模糊PID励磁控制器设计

针对优化发电机励磁控制器控制问题,研究模糊理论及人工智能控制方法,建立数学模型分析励磁控制器,找到将粒子群算法与模糊PID相整合的励磁控制途径,并设计了适用于低压水轮发电机的励磁控制器.粒子群优化算法优化控制系统的初始参数,模糊PID完成对系统的动态控制.仿真结果表明,改进的控制器算法相比传统PID控制和模糊控制PID,响应速度较快(上升时间少于1s),超调量小(超调量少于5%).能够满足控制器快速、准确和稳定的要求,是一种先进的控制方法.     

柴油发电机神经网络非线性励磁控制器研究

采用基于LM算法的BP神经网络逼近柴油无刷发电机微分几何非线性励磁控制器,实现了神经网络非线性励磁控制方式,简化了控制回路。仿真结果表明,在系统遭受扰动或故障时,所设计的神经网络非线性励磁控制器具有良好的控制效果。     

非线性励磁控制对发电机进相运行稳定性的改善

总结了非线性励磁控制对改善发电机进相运行稳定性的实验结果，验证了非线性控制理论中微分几何设计方法的正确性。在实验研究中，着重比较了比例－积分－微分控制器（ＰＩＤ）、电力系统镇定器（ＰＳＳ）、线性最优励磁控制器（ＬＯＥＣ）和非线性励磁控制器（ＮＥＣ）等四种不同的励磁控制方式对发电机进相运行的影响。实验结果表明，在改善发电机进相运行稳定性方面，非线性励磁控制较其它几种控制方式具有明显的优越性。在电网低谷进相运行中它是有较大潜力的技术措施。     

一种基于遗传算法的单神经元PID控制器参数优化

文章分析了神经元PID控制器存在的问题,提出了一种用遗传算法对单神经元控制器进行参数寻优,并利用种群数N和交换概率Pc逐次递减的方法来提高计算效率和收敛速度,在搜索空间内获得全局最优点的方法。试验仿真结果表明,基于遗传算法的单神经元PID控制器参数优化方法能获得很好的控制效果。     

基于改进遗传算法的PID型励磁系统控制器(英文)

提出了一种新型PID型励磁控制器,采用一种改进的遗传算法优化其参数,不仅克服了参数设计的主观性,且可以提高优化速度.计算结果表明,这种改进遗传算法的搜索速度与精度均优于试探法和标准遗传算法.与传统控制器的仿真比较表明,采用改进遗传算法优化的PID型励磁控制器对于电力系统动态特性具有较好的控制作用.     

基于PSO算法的模糊自调整PID励磁控制器研究

设计了一种新的模糊自调整PID控制器,应用于同步发电机励磁控制系统.利用粒子群优化算法对该模糊自调整PID励磁控制器的量化因子和比例因子进行优化,从而实现模糊控制规则的自动调整和完善,并对所设计的控制器进行了仿真研究.仿真结果表明,所设计的控制器较常规PID励磁控制器有更好的控制效果和较好的动静态特性.     

发电机的快速模糊自适应励磁控制

提出了一种新的模糊推理机和设计方法 ,并在线性最优励磁控制器的基础上 ,实现了发电机励磁的快速模糊自适应控制。数值仿真结果证明了快速模糊自适应励磁控制器的良好控制性能。     

同时改善系统稳定和电压特性的变结构励磁控制器

依据非线性变结构控制理论,提出一种新的励磁控制器的设计方法。应用该方法设计的变结构励磁控制器,在有效地改善电力系统功角稳定性的同时,还可以改善发电机端电压的动态特性。该控制器对系统工作点的变化具有鲁棒性。仿真结果表明:该种控制器与已有的PSS控制相比,在改善系统稳定性的同时,改善了发电机端电压的动态特性     

含约束条件遗传算法在连续催化重整优化操作中的应用

介绍了通过惩罚函数法解决含约束条件遗传算法的实现问题。分别采用内点法和外点法,将有约束优化问题转化为无约束的优化问题,再利用Matlab编制遗传算法程序。通过对连续催化重整优化操作过程仿真计算,证明该方法具有快速收敛且优化结果好的特点。     

基于遗传算法的模糊控制送丝系统

高质量的焊接在很大程度上决定于送丝机构的性能 ,模糊控制相对于传统的 PID控制 ,具有更高的系统鲁棒性和稳定性 .而模糊控制的三个因子对控制器的性能有很大的影响 ,常规的模糊控制都是采用人工的多次现场调试来确定 ,不仅费时 ,而且也不能得到最优的控制性能 .采用遗传算法来寻优整定模糊控制器的参数 ,以送丝系统的跟踪误差为目标函数 ,采用二值编码的遗传寻优整定 ,不仅得到了最优性能的模糊控制送丝系统 ,而且使其设计过程大大简化 .最后通过仿真比较 ,证明了遗传寻优模糊控制送丝系统的性能明显优于常规模糊控制的性能     

地震作用下结构振动最优控制的一种一般算法

基于对地震激励输入结构过程的重新理解,直接从二次型控制目标函数的泛函变分出发,推导出了一种更为一般的最优控制算法,并用状态转移的数值方法加以实现．所获得的最优控制力表达式同时包含了结构响应和地震激励两部分的影响,从概念上改进了现有的结构最优控制算法;还导出了最优控制力系数表达式,用代数公式取代了传统的Riccati微分方程的求解,提高了计算效率．算例表明,该算法的控制效率优于现有的两种结构最优控制算法,具有更高的精度,且稳定性良好．     

同步发电机监督学习神经网络励磁控制器

应用神经网络的监督学习控制(SNC)方法,在线性最优励磁控制的基础上,利用神经网络对同步发电机的励磁控制过程进行监督学习,设计出基于SNC的同步发电机励磁控制律。仿真结果表明,所设计的SNC在系统运行方式较大的变化范围内,都能提供很好的阻尼特性和良好的控制性能,并且控制结构简单,有较强的实时性和适应能力。     

Feedback Linearization H∞ Control and Its Application to Excitation Systems

This work presents a new design method based on differential geometry and the nonlinear H∞ approach which has verified that the H∞ control for the feedback linearization system is equivalent to a nonlinear H∞control for the primitive nonlinear control system in the sense of differential game theory. In addition, this kind of design method is used for nonlinear robust optimal excitation control of a multi-machine system. The controller constructed is implemented via purely local measurement. Moreover, it is independent of the parameters of power networks. Simulations are performed on a single-infinite system. It has been demonstrated that the nonlinear H∞ excitation controller is more effective than the other nonlinear excitation controller in dynamic performance improvement for variation of operational states and parameters in power systems.     

基于遗传监督的受限预测控制及其在热工控制中的应用

将普通的预测控制优化方法与遗传算法的优化方法有机地融合起来,用遗传算法来监督整个优化过程.当由普通广义预测控制GPC所计算出的控制作用能满足受限条件时,就直接采用所算出的控制作用;当由普通GPC获得的控制作用突破受限条件时,直接启动遗传优化算法,在约束范围内搜索控制作用的最优解.通过计算实例并与其他已有控制算法进行了详细的比较,其结果表明本文所提出的基于遗传监督的受限预测控制算法在控制系统品质、算法复杂性及实时性方面均具有明显的优点.     

基于智能算法的磁流变阻尼器位置优化

为了控制20层Benchmark建筑在地震作用下的非线性地震反应,采用改进的遗传算法确定MR阻尼器的优化设置位置.将标准遗传算法的遗传操作作相应改进,并进行给定数量的MR阻尼器优化配置的数值仿真分析,解决多约束非线性整数优化问题.结果表明,采用改进的遗传算法进行MR阻尼器位置设置优化后的半主动控制,能有效地降低结构在地震荷载作用下的响应,进一步提高了平均控制效果.     

基于GAPSO-SVM的航空发动机典型故障诊断

针对遗传算法（GA）和粒子群优化（PSO）算法优化支持向量机（SVM）存在容易陷入局部最优解、诊断精度相对较低、鲁棒性较差的问题,提出了一种结合GA、PSO、模拟退火算法的GAPSO优化算法,利用这种算法对SVM的参数进行了优化,优化后的算法能够较好地调整算法的全局与局部搜索能力之间的平衡.通过对航空发动机典型故障的诊断研究表明,该方法不仅能够取得良好的分类效果,诊断精度高于BP神经网络、自组织神经网络、标准SVM、GA-SVM,而且有较好的鲁棒性,更适合在故障诊断中应用.     

遗传算法在区域水污染控制系统规划中应用

针对传统最优化方法求解区域水污染控制系统的非线性规划问题难度较大,以及很难保证得到全局最优解的问题,给出一种求解非线性水污染控制系统规划的遗传算法(GA),由于GA方法具有全局搜索能力,从而快速获得最优解.实验证明GA方法在通用性、有效性及可靠性方面均具有一定的优越性,为区域最优化模型提供了一种新方法.