基于神经网络PID控制器在交流调速系统中的应用

针对PID控制和神经网络控制在交流调速系统中的局限性,利用其各自的优点,采用神经网络和PID控制相结合的方法构建神经网络PID控制器,实现变频调速控制,得到了神经网络控制器模型和神经网络控制方法运行的结果。仿真结果充分表明了神经网络模型具有良好的稳定性、鲁棒性和跟随性,而且改善了原系统的动态特性,证明了该方法在交流调速系统中的应用价值。     

自适应模糊控制在交流调速中的应用

在研究交流调速系统控制方法的基础上，针对交流电机这种复杂的被控对象，利用神经网络实现交流调速系统的模糊控制，仿真结果表明，该控制方法具有很强的自学习和抗干扰能力，当突然加、减负载时，神经网络模糊控制与PID控制相比，具有恢复时间短，超调和振荡小等特点，神经网络模糊控制特别适用于结构复杂，干扰大且控制精度要求高的系统。     

交流变频调速系统神经网络控制器的研究

论述了基于神经网络控制技术的交流变频调速控制器的设计原理和实现方法。由计算机、采集板卡、D／A转换卡以及编码器等构成计算机硬件控制系统，由visual C 实现神经网络控制算法。利用神经网络的非线性映射能力、并行计算能力、自学习能力以及强鲁棒性等优点实现高品质高阶非线性交流调速的闭环响应特性。经实验验证，系统具有良好的动态跟踪能力，阶跃响应超调量小，鲁棒性好，稳定时间短。     

交流变频调速系统的神经网络自适应控制

针对交流变频调速系统模型未知情况,提出一种改进的神经网络自适应控制方案．该方法采用双神经网络结构,通过引入一个神经网络辨识器来逼近系统的动力学特性以代替真实系统,另一神经网络作为自适应控制器以改善控制性能．系统仿真实验表明,该控制方法具有很强的鲁棒性和抗干扰能力,特别对于系统结构不确定、参数时变或含非线性因素的交流调速系统是一种有效的控制策略．     

遗传算法在前馈神经网络中的应用

比较了遗传算法和神经网络的特点，对于将遗传算法用于前馈神经网络的可能性进行了研究，并给出了应用实例；同时提出了一种构造变长染色体用于神经网络演化的方法，并描述了作用于变长染色体上的遗传操作机制。     

遗传算法在汽轮机调速系统参数估计中的应用

汽车机液压调速系统是一复杂非线性系统,现有的参数估计算法存在不足之处。遗传算法寻优能力强,可以在该系统的参数估计中应用。通过２个仿算例,表明遗传算法的估计精度高于现有的算法,具有良好的应用前景。     

遗传算法在神经网络设计中的应用

通过对正被广泛应用的、智能的、并行的全局优化方法—遗传算法的性能分析，并与其它算法比较，阐述了遗传算法在神经网络设计中的优越性.     

遗传算法在BP神经网络学习中的应用

在遗传算法与BP神经网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法．     

交流变频调速技术在风机水泵中的应用

目前电力、供热、冶金等行业广泛使用交流电机拖动风机、水泵，其风量、流量采用挡板风门和阀门控制，这种控制方法电耗高，电机温度高，起动电流大，噪声大且操作环境恶劣。石河子热力公司采用变频调速技术控制锅炉风机、热网循环水泵的电机，取得了明显的节能效果和显著的经济效益。     

免疫遗传算法在变频调速泵站中的应用

针对高速线材厂冷却水循环系统中调速泵站能耗高、效率低的问题,对调速水泵的性能进行了研究,建立了基于免疫遗传算法、变频调速技术以能耗为最小目标的优化运行数学模型,对不等式约束条件进行了简化。在求解数学模型的过程中,免疫遗传算法中融入了一种新的处理约束条件的方法。避免了处理约束条件时遇到的困难和遗传算法易早熟、易收敛等缺陷,使得处理约束问题简单化,并提高了收敛速度。最后通过仿真实验验证了此算法对于解决水循环系统中多台变频调速水泵并联优化运行问题的有效性。     

遗传机理神经网络在电弧炉炼钢模型辨识中应用

在直流电弧炉炼钢过程控制系统中,由于它的复杂机理,高度非线性加大了建模的难度．为提供适用于直流电弧炉炼钢过程优化控制的模型,提出一种引入遗传算法的神经网络建模方法,并将其用于某厂直流电弧炉炼钢过程模型的建立,获得了很好的效果．同时给出了基于现场实测数据的仿真结果．     

用于前馈神经网络的遗传设计

在人工神经网络应用中,由于存在网络规模和拓扑结构难以预先确定,网络学习速度慢,且易于收敛到局部最优点等问题,有关文献提出了采用基于遗传算法（ＧＡｓ） 思想进行设计和学习的方法,该方法能够同时确定网络的结构及有关参数。该文在此基础上,对此方法进行了改进,改进之处在于,采用浮点数矩阵来表示编码,同时对于遗传算法的进化过程也进行了一定的改进,使该方法能够接受一定的约束条件。针对前馈型神经网络,该方法在满足一定约束条件的情况下,能同时有效地寻找到合适的网络结构和相应的参数（ 神经网络的权值和阈值） , 新方法较原方法在精度和速度上都有较大的提高。     

基于贝叶斯算法的神经网络优化方法

提出了一种近似建模的前馈网络训练算法一贝叶斯算法,该方法能对模型中的未知量构造其后验分布,提高网络的泛化性能,获取对应于后验分布最大值的权值向量．结果表明,贝叶斯算法所建立的神经网络近似模型具有更高、更稳定的精度．     

交流调速技术发展与展望

交流调速技术的灵活控制与高效运行,对于提高生产加工效率与产品质量以及节约能源意义十分重大,在我国同样具有广阔的发展空间。     

基于改进GA的WRBF神经网络设计与应用

针对单独自动设计径向基函数(RBF)网络和小波网络过程中对样本要求过于严格,以及输出层线性求和运算可能造成样本类别交叠的问题,结合两种网络结构简单的优点,设计了一种新的四层前馈神经网络--小波径向基网络(Wavelet radial basis network,WRBF).该网络在结构上,第一隐层对输入样本进行小波映射,实现对输入空间的压缩;第二隐层对第一隐层输出进行第二次非线性映射;在网络的训练方法上,利用多阶染色体混合编码实现两隐层间的选择性连接,并对遗传算法(Genetic algorithm,GA)进行改进,利用改进的GA同时优化网络结构和参数.通过对多输入单输出系统和热能表系数模型进行实验,结果表明:改进的GA减小了早熟收敛的发生,所设计的网络具有较高的建模精度.     

基于遗传与BP混合算法神经网络预测模型及应用

提出用遗传学习算法和权重调整BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型；即先通过遗传学习算法进行全局训练，再用权重调整BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，以新疆雅马渡站的实测径流资料和相应的前期4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量。结果表明，该方法具有收敛速度快和预测精度高的特点。     

基于遗传算法的神经网络结构优化

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.