风能转换系统双频环的H∞鲁棒控制

针对风速的多时间尺度特性,建立风能转换系统的双频模型,引入一种混合灵敏度H∞鲁棒控制设计方法,根据风能转换系统特点综合选择鲁棒加权函数,设计风力发电机的转速控制器,实现额定风速以下的风能最大捕获.仿真结果表明:控制器在系统模型的不确定性和强干扰情况下,具有鲁棒稳定性和抗干扰性能,有效实现风能转换系统的最大风能捕获.     

基于On-off和H_∞状态反馈的风能转换系统的双频环优化控制

根据风速的多时间尺度特性,在风能转换系统非线性机理模型的基础上,基于频率分离原理建立风能转换系统的双频环模型.在优化控制理论指导下,以额定风速以下的风能最大捕获为目标,针对低频环模型和高频环模型分别设计优化控制器,其中低频环采用On-off稳态优化控制方法,高频环采用H∞状态反馈优化控制方法,从而建立了风能转换系统的双频环优化控制结构.仿真结果表明:基于On-off和H∞状态反馈的风能转换系统的双频环优化控制方法是有效的,且相对于单纯的On-off控制具有更高的控制精度和更好的鲁棒性能,可以实现在额定风速以下的风能捕获功率最大化.     

带有未知参数和有界扰动的机械臂混沌反控制

混沌反控制是指通过对在自然状态下并不存在混沌的系统设计控制方案来实现闭环系统的混沌.文中针对带有未知参数和有界扰动的机械臂,设计了一种带有自适应终端滑模项的RBF神经网络控制器,来实现机械臂的混沌反控制.采用RBF神经网络逼近系统的未知非线性函数,通过自适应终端滑模实现系统对外界扰动的鲁棒性;利用Lyapunov稳定性定理证明了闭环系统所有信号的最终一致有界;最后,以两连杆平面机械臂为例,通过仿真验证了所提方法的可行性与有效性.     

基于改进变步长爬山法的永磁同步风力发电机最大功率点跟踪控制

针对直驱式风力发电系统存在建模误差和多变量耦合等内部不确定性以及复杂的外部环境干扰等问题,以风力机最大功率点跟踪为控制目标,基于改进变步长爬山法提出一种自抗扰控制的最大功率点跟踪方法.首先,将停止和重启机制引入变步长爬山法中,避免风速微小抖动引起的最大功率点振荡;其次,设计速度环自抗扰控制器,消除风力发电系统的内外干扰问题,提高风力发电机的稳定性和跟踪性能.仿真结果表明所提控制策略可使系统具有更好的鲁棒性和抗干扰能力,最大功率跟踪性能得到有效提升.     

神经网络监督控制在船用一体化压水堆功率控制中的应用

设计了一种船用一体化压水堆功率控制的神经网络监督控制系统,在系统中神经网络作为前馈控制器,PID控制器作为反馈控制器.对压水堆功率控制过程进行了计算机仿真,仿真结果表明,与传统的PID控制相比,神经网络监督控制具有较强的自适应能力和鲁棒性,有效地提高了控制系统的精度.     

基于BP神经网络的球杆控制算法设计

针对球杆系统定位控制问题,基于BP神经网络设计了BP神经网络控制器和BP神经网络PID参数自整定两种智能控制器.完成了两种控制器的网络结构与实现方法,并在Simulink环境中仿真.仿真结果显示出BP神经网络PID参数自整定控制器的稳定性优于BP神经网络控制器,将BP神经网络PID参数自整定控制器算法移植到GBB1004球杆系统,实现了对该系统的控制.实验结果显示,该控制器响应快,有一定的抗干扰能力,获得系统调节时间小于16s,稳态误差小于1cm.     

专家能力的模糊神经网自组织控制器

为实现酒精发酵变温控制，提出一种新的，具有专家调整策略的神经网络自组织模糊控制器，用神经网络代替传统模糊控制器逻辑规则推理合成运算或查表，减少了工作量，采用一种对量化，比例因子进行专家调整的策略，使系统响应的上升时间减少，超调量降低，控制器的鲁棒性，稳定性均良好。     

RBF神经网络在盘式制动器控制系统中的应用

针对盘式制动器控制系统存在的非线性特性,提出了一种基于R BF神经网络的智能控制方法.在常规PID控制器的基础上,利用神经网络对控制器参数进行在线自适应整定,从而实现系统的智能控制.该系统利用可编程序控制器S7-200作为主控制器,配合液压站实现了对带式输送机制动器的控制.仿真结果表明,该系统比传统的PID控制具有更快的响应速度和更高的稳定性及控制精度.     

定位平台非线性摩擦的神经网络补偿

提出了一种基于BP神经网络的机械伺服系统非线性摩擦的补偿方法，根据方法设计出一种将经典的PD控制与神经网络控制相结合的控制器，该控制器既有PD控制的优点，又能神经网络逼近非线性函数的能力，较好地补偿了系统中的非线性摩擦和外部扰动，应用Lyapunov稳定性定理，证明了系统的稳定性，并得到系统跟踪差的边界值，采用刚毛摩擦动力学模型，对X－Y定位平台进行仿真和实验，结果表明该控制器能够补偿系统的非线性因素，保证了系统的稳定，减少了跟踪误差，该方案控制效果明显优于PD控制，可用于工业设备的控制中。     

基于神经网络的机械臂任务空间滑模同步控制

针对存在不确定性的多机械臂系统,运用RBF神经网络,设计了一种新的滑模同步控制器,解决了多机械臂同步运动问题。根据无向图理论,定义机械臂之间的同步误差和交叉耦合误差。使用自适应律在线更新RBF神经网络权值,逼近并补偿机械臂的运动学不确定性和动力学不确定性。根据Lyapunov方法进行了稳定性分析。最后通过仿真验证了同步控制器的稳定性和有效性。     

改进的BP神经网络PID控制器在气体浓度控制中的研究

针对动物缺氧实验中气体浓度控制这一时变非线性的过程,将BP神经网络与传统PID控制相结合虽然可以取得较好的控制效果,但是也存在着网络收敛速度慢、稳定性较差等问题.基于此,提出了一种基于改进的遗传算法优化的BP神经网络PID控制器.首先,该控制器对遗传算法的收敛速度和稳定性进行改进,利用改进后的遗传算法优化BP神经网络的权重初始值;然后,用优化后的BP神经网络实现PID控制参数的在线调整;最后,在MATLAB中对两种控制器进行仿真实验,结果显示,与传统的BP神经网络PID控制器相比,改进后的BP神经网络PID控制器具有更好的控制性能.     

非线性系统神经网络输出稳定控制器的设计

针对一类非线性系统,以线性化后的布鲁诺标准型为新被控对象,提出一种基于李雅普诺夫定理的神经网络稳定控制器。该非线性控制器采用神经网络补偿的方式来抵消外界干扰的不利影响,减少系统达到平衡状态的时间。分析了系统的稳定性,并将该方法应用到单机无穷大电力系统中,仿真结果验证了该控制器在非线性系统稳定性控制中的有效性。     

小型风电系统MPPT控制算法的研究

针对小型风电系统的功率跟踪问题,以高性能低功耗AVR单片机为控制器核心,提出了一种改进型最大功率跟踪(MPPT)控制算法.仿真结果表明,该系统工作稳定、控制简单、功率跟踪速度快,较好的解决了风力变化较频繁场合的功率跟踪问题.     

一种非线性系统神经网络直接控制器的设计

提出了一种使用神经网络作为非线性对象直接控制器的设计方法 ,该控制器由一个常规控制器和一个神经网络控制器组成 .常规控制器对系统给出粗略控制 ,神经网络控制器给出补偿信号来进一步减小系统输出跟踪误差 .该方法对被控非线性对象类型的限制很少 .在该方法中 ,径向基函数 (RBF)神经网络被用来进行训练 ,训练后系统具有较好的稳定性 .仿真结果表明 ,该方法非常有效 ,对非线性系统能取得比较满意的控制效果     

一类欠驱动机械系统基于神经网络的控制

运用神经网络设计体操机器人欠驱动机械系统的平衡控制器.首先利用联立约束法和矢量环对两关节体操机器人进行数学建模,然后用反馈线性化理论将这个非线性系统线性化,最后结合神经网络来设计平衡控制器.仿真结果表明,神经网络控制可以有效地使系统在垂直向上位置附近到达平衡稳定状态,从而实现了此类欠驱动系统基于神经网络的控制.     

一种基于滑模自抗扰控制器的风电机组变桨距控制策略

为了改善风力发电系统在恒功率区的性能,提出了一种基于滑模自抗扰控制器的变桨距控制策略.在高于额定风速的风况下,通过变桨控制器改变桨距角,保证风力发电机输出功率稳定在额定功率附近.通过MATLAB仿真软件对所提变桨距控制策略与PID控制策略对比,仿真结果表明:基于滑模自抗扰控制器的变桨距控制策略下的风力发电机组能够使输出...     

并网风力机中基于变桨距角的神经网络控制方法

针对并网风力机的运行特性,在其传动系统和发电机的动态模型基础上设计控制器.当外界风速较大,提出采用基于神经网络的风力机叶片桨距角控制器抑制多余的风能进入发电系统,维持风力发电机馈送到电网的功率稳定;当风速较低时,风力机转速需要跟随风速变化,调整叶片桨距角处于捕捉最大风能位置处,保证风力机的风能转换效率最优,提高其运行效率.仿真结果验证了该控制方法的有效性.     

PID神经网络混沌优化及其在机械臂轨迹跟踪控制中的应用

针对BP优化PID神经网络（BP-PDNN）易陷入局部极小的不足,提出了一种变尺度混沌优化PID神经网络设计方法,即MSCOA-PIDNN,将其应用于机械臂轨迹跟踪控制中.利用混沌运动的遍历性优化网络权值,通过压缩优化变量取值区间提高搜索效率.采用MSCOA-PIDNN建立机械臂系统的预测模型,以多步预测性能指标为目标函数,优化PID神经网络控制器,从而实现机械臂系统轨迹跟踪的有效控制.仿真结果表明,MSCOA-PIDNN在机械臂轨迹跟踪控制中性能优于BP-PIDNN.     

兆瓦级永磁同步风力发电机矢量控制策略

文章针对兆瓦级永磁同步风力发电直驱系统的应用,提出了一种基于定子电流定向的永磁同步风力发电机复合矢量控制策略;该策略在发电机切入速度与转折速度间采用最大转矩电流比控制方式提高系统的发电功率,在转折速度至极限速度间,采用最大功率输出的弱磁控制方式提高系统的稳定性;根据实时检测的发电机运行状况,2种控制策略实现相互转换,应用所提方案于兆瓦级永磁同步风力发电机的控制系统,通过仿真和实验验证所提方案的正确性和可行性。     

基于高斯RBF神经网络的可伸缩机械臂系统动态建模与仿真

设计了一种新的多模块机器人机械臂系统,该机械臂的每个模块具有可伸缩杆和旋转节两部分.为了进行有效控制,给出了系统的解析公式和机械臂自适应控制的相关技术.使用高斯函数的RBF神经网络对系统的动态方程参数进行了估计,使用李亚普诺夫稳定性分析确定神经网络权重的自适应修正规则,并给出了相应的自适应控制器模型.对该机械臂系统的控制进行了计算机仿真分析,结果表明:该方法在响应时间和控制精度方面都有提高,并且在有负载等非线性事件突然干扰的情况下亦能进行有效控制.