用于神经网络直接逆控制的连续空间遗传算法

为解决神经网络直接逆控制中训练样本的获取问题 ,提出一种神经控制器的设计方法 .通过对连续空间遗传算法的编码和遗传算子进行适当改进 ,采用保留精英的线性排序选择 ,避免成熟前收敛 ,并给出算术交叉算子和乘法变异算子 ,使算法同时具有好的搜索精度和搜索效率 ;然后采用这种改进的遗传算法对非线性动态系统的控制进行优化 ,获得基于一定性能指标的期望的状态轨迹及相应的最优控制序列 ,并以此训练神经网络控制器 .最后给出了以同步机为控制对象的仿真结果 ,验证了方法的有效性 .     

感应电动机惯性对电力系统低频振荡的影响

研究感应电动机惯性时间常数HD对电力系统低频振荡(LFO)的影响.在单机无穷大系统中运用积分流形理论对系统高阶状态方程进行降阶处理,以推导系统的振荡频率和阻尼比,从机理上就HD对低频振荡的影响进行定性分析.理论分析结果表明HD主要影响系统的低频振荡阻尼,影响趋势还与系统结构和初始运行状态有关.运用特征值分析方法分别对单机无穷大系统(SMIBS)和简单的两区域系统进行实例仿真,SMIBS仿真结果验证了理论分析.并且两区域系统的仿真结果表明了HD对系统区间振荡模式的影响.研究表明,在实际电力系统LFO分析中,等值感应电动机的惯性常数的选择非常重要.     

基于遗传算法的稳定自适应模糊控制器的优化

采用模糊动态模型,对连续时间的高阶非线性系统进行了模糊控制。通过模糊推理,选择起主导作用的局部子系统的状态反馈控制,并作用于整个系统。利用大系统分散控制关联稳定性的概念和方法,得到了闭环模糊系统稳定的充分条件,并在此基础上给出了对模糊控制器进行优化设计的一种遗传算法实现策略。同时,仿真例子也验证了该设计方法的正确性。     

高空风力发电机组预测函数控制研究

风筝发电机组是一种新型风力发电技术.采用yo-yo结构对风筝的动态进行建模,通过作用在两风筝线上的拉力控制风筝的飞行.风筝的一个发电周期可分为发电状态和电动状态,要求在发电阶段发电量最大、在电动阶段耗电量最小,每一个阶段的控制器设计均可归结为一个约束优化问题.为解决非线性实时优化的困难,采用预测函数控制原理设计风筝发电机组的最大发电控制器,具体分析了风筝发电机组一个发电周期各阶段的控制目标,给出了闭环控制系统的实现方案.仿真结果验证了控制策略的正确性和有效性,可以满足对控制算法速度的要求.     

用于神经网络直接逆控制的连续空间遗传算法

为解决神经网络直接逆控制中训练样本的获取问题 ,提出了一种神经控制器的设计方法。通过对连续空间遗传算法的编码和遗传算子进行适当改进 ,采用保留精英的线性排序选择 ,避免成熟前收敛 ,并给出算术交叉算子和乘法变异算子 ,使算法同时具有好的搜索精度和搜索效率 ;然后采用这种改进的遗传算法对非线性动态系统的控制进行优化 ,获得了基于一定性能指标的期望的状态轨迹及相应的最优控制序列 ,并以此训练神经网络控制器。最后给出了以同步机为控制对象的仿真结果。