神经网络SNC无刷柴油发电机励磁控制器

设计一种基于BP神经网络的监督学习控制器（SNC）,在线性最优励磁控制的基础上,得用3层BP神经网络对柴油发电机的控制过程进行监督学习,通过对网络的训练,使得网络能够达到实时控制的目的,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,都能提供很好的控制性能,并有较强的鲁棒性和适应能力。     

基于BP神经网络的同步发电机励磁控制的研究现状和发展

同步发电机的励磁控制系统是非线性、参数时变、要求响应速度快的实时闭环反馈控制系统。随着电力系统控制水平的提高,人们对励磁控制系统提出了较高的要求。励磁控制系统已有几十年的研究历史,现有的方法也都各有优势。本文阐述了基于BP神经网络的同步发电机励磁控制的研究历史和现状,指出了未来发展的方向。     

同步发电机励磁控制系统的单片机控制

介绍了一种以MSP430系列单片机为核心的全数字同步发电机励磁控制系统。首先分析了同步发电机励磁控制系统的原理,然后给出了同步发电机励磁控制系统的硬件模块化设计,最后给出励磁控制系统的软件设计。该系统易于维护,抗干扰能力较强,运行稳定可靠,可以应用于很广泛的同步发电机励磁控制领域。     

同步发电机励磁控制系统的单片机控制

介绍了一种以MSP430系列单片机为核心的全数字同步发电机励磁控制系统。首先分析了同步发电机励磁控制系统的原理,然后给出了同步发电机励磁控制系统的硬件模块化设计,最后给出励磁控制系统的软件设计。该系统易于维护,抗干扰能力较强,运行稳定可靠,可以应用于很广泛的同步发电机励磁控制领域。     

采样迭代学习发电机的励磁控制器设计

为了提高电力系统的暂态稳定性,采用采样迭代学习方法,在不需要已知被控系统精确数学模型和对机端电压误差进行求导运算的情况下,设计出了一种同步发电机的励磁控制器,给出了励磁控制系统范数形式的收敛条件.研究结果表明:该控制器避免了以往采用PD型迭代学习控制算法的不足,显著提高了同步发电机功角和机端电压的稳定性.该成果不仅解决了在实际应用中迭代学习励磁控制算法的计算机实现问题,而且还将可能成为发电机的励磁控制方式发展的一种趋势.     

神经网络逆系统非线性励磁控制器的设计

利用逆系统方法,设计出同步发电机非线性励磁控制律,并加入系统中.把控制与过程状态样本作为非线性导师信号,以训练神经网络控制器,设计一种基于BP神经网络的非线性励磁控制器.仿真结果表明,对于小干扰,神经网络控制器和逆系统控制显示出相同的控制效果;而对于大干扰,两种控制方式的暂态响应曲线也基本相同.逆系统控制与其训练出的神经网络控制器控制,都显示出基本相同的暂态和稳态性能,但神经网络控制比逆系统控制具有控制规律简单,以及实时性、可靠性和鲁棒性好的特点.     

发电机励磁系统的运行分析

发电机励磁系统是同步发电机的重要组成部分,它是供给同步发电机励磁电源的一套系统。在电力系统的运行中,同步发电机的励磁控制系统起着重要的作用,它不仅控制发电机的端电压,而且还控制发电机无功功率、功率因数和电流等参数。     

交流励磁发电机励磁控制系统的设计

从交流励磁发电机的基本原理出发,分析了基于动态同步坐标轴系的双通道励磁控制方法.利用基于高速数字信号处理器的双中央计算单元(CPU)方案,设计实现了交流励磁发电机的励磁控制系统.针对该控制系统的特点,充分利用了数字信号处理器(DSP)的高速运算能力和方便的外设,合理设计了控制系统硬件和励磁控制算法软件,双CPU工作共同实现了交流励磁发电机的双通道解耦励磁控制.通过实验分析,进一步验证了基于动态同步坐标轴系的双通道励磁控制策略.     

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。     

基于单个神经元的线性最优励磁控制器

线性最优励磁控制采用固定反馈增益矩阵来完成对发电机在电力系统运行时的控制,由于发电机功角特性的非线性,因而在不同运行点是不能一直满足最优控制的目的。提出了一种基于神经网络的线性最优励磁控制器,将两者的优点结合在一起,利用神经网络在在线调整控制变量,使同步发电机在不同运行点的动态,暂态稳定性能始终保持最优控制效果。     

基于RBF神经网络的电力系统自适应励磁控制器的设计

采用后推设计算法设计了SISO严格反馈系统的RBF神经网络自适应控制器。权值的调整算法基于所选择的积分型的Lyapunov函数 ,能保证整个闭环系统是最终一致有界的。把所设计的控制方案用于电力系统的励磁控制中。仿真结果表明 ,所设计的控制器具有良好的跟踪性能和鲁棒性     

智能PID控制器在船舶发电机电压控制中的应用

解决船舶发电机在负荷突变尤其是大负荷突变时能够稳定发电机端电压是控制系统需要解决的基本问题.为此提出和使用一种新型智能PID控制系统,其中PID控制器由三层前馈神经网络组成.利用神经网络的自学习能力,PID控制器的参数能够根据系统动态特性通过神经网络权系数进行自行调整,其特点是结构简单、工作稳定.仿真结果表明,该智能PID控制器比传统的PID控制器具有对扰动响应速度快和具有更好的控制效果和更好的鲁棒性,能更好地稳定船舶发电机端电压.该智能PID控制器已用于船舶发电机控制系统中,并取得满意的效果.     

遗传算法在励磁系统中的应用研究

鉴于励磁系统中的励磁控制器采用传统的PID控制时,不能获得满意的控制性能,提出了利用遗传算法对励磁控制器进行优化设计的方法。基于仿真结果,指出优化设计的励磁控制器能改善励磁系统的动态品质并提高系统的控制能力。     

立窑水泥煅烧过程的控制策略

从机械化立窑水泥煅烧过程的特点及其控制系统的现状出发,运用神经网络和模糊控制技术,提出基于神经网络的立窑水泥煅烧过程的模糊控制策略。据此,设计出以控制策略为核心的立窑水泥煅烧过程自组织控制器,系统仿真及运行结果表明,该控制系统具有很好的鲁棒性、稳定性,其控制效果较为满意。     

基于自适应免疫遗传算法的真空退火炉变参数PID温度控制系统

真空退火炉退火温度的精确控制是一个典型的非线性、大时滞、大惯性、存在强交叉耦合、时变的复杂的控制问题,常规的PID控制器很难实现对退火温度的精确控制.本文以神经网络建立的真空退火炉模型为控制模型,利用自适应免疫遗传算法全局搜索获取最优的可变PID参数的方法,解决了真空退火炉退火温度精确控制的问题;应用结果表明,该温度控制系统优于传统的PID控制系统,并具有良好的可靠性、自适应性和鲁棒性.     

基于神经网络模糊PID的液压电梯速度控制研究

研究了液压电梯的神经网络模糊PID控制策略．针对液压电梯的非线性数学模型,采用模糊、神经和PID三者结合的方式控制电梯速度,利用神经网络在线调整PID的参数．由仿真曲线得出,神经网络模糊PID控制器在动态特性、跟踪特性以及鲁棒性等方面都具有明显的优势．该控制器闭环性能好,是一种理想的控制器．     

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。     

基于RBF神经网络的非线性磁悬浮系统控制

磁悬浮系统是一个典型的不确定、非线性系统.由于磁悬浮系统的复杂性很难建立精确的数学模型,采用RBF神经网络(RBFNN)对非线性磁悬浮系统进行辨识,再根据神经网络自适应控制原理设计了非线性磁悬浮系统的神经网络自适应状态反馈控制器与自适应PID控制器,并利用MATLAB进行了仿真.仿真结果表明,神经网络自适应控制能很好地控制本磁悬浮系统;神经网络自适应控制器对于此非线性磁悬浮系统位置具有良好的控制效果,该控制系统具有较好的稳态特性和控制特性.