带补偿的神经网络辩识器在异步电机调速系统中的应用

本文提出了一种带模糊补偿的神经网络算法并应用在异步电机速度控制系统中。一个动态神经网络用于被控装置的在线辨识，然后根据被控装置的输出和参考模型的响应迭代出控制信号，具有四条简单规则的模糊逻辑块用于提高整个系统的闭环特性。仿真结果显示，对比传统的最优PID控制器，本文提出的控制策略具有更好的瞬变特性及抗干扰特性。     

基于模糊补偿的神经网络算法在调速系统中的应用

提出了一种带模糊补偿的神经网络算法并应用在异步电机速度控制系统中，一个动态神经网络用于被控装置的在线辨识，然后根据被控装置的输出和参考模型的响应迭代出控制信号，具有四条简单规则的模糊逻辑块用于提高整个系统的闭环特性。仿真结果显示，对比传统的最优PID控制器，本文提出的控制策略具有更好的瞬变特性及抗干扰特性。     

基于模糊神经网络PID的钻杆排放控制系统设计

本文为克服钻杆在排放过程中存在的非线性问题和保证钻杆在排放过程中运动的平稳性。本文采用鲁棒控制和模糊神经网络控制器相结合的实时控制器来保证所设计控制系统的稳定性和控制效果。构建的模糊神经网络PID控制器,可用于实时辨识被控对象模型,并提供非线性关系的动态模型。通过实验仿真表明本文所设计的模糊神经网络PID控制器具有良好的动态特性和鲁棒性。     

基于神经网络自适应PID控制的船舶操纵研究

本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应ＰＩＤ控制方案。该控制结构有两上子神经网络组成,一个三层ＢＰ神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有ＰＩＤ结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。     

基于遗传算法的自适应模糊控制器在热力系统中的应用

针对热力系统的非线性特性,采用RBF神经网络进行被控对象的动态特性模型辨识,设计了评价模糊控制器控制性能的FITAE指标;采用遗传算法优化模糊控制器参数,来优化比例因子和控制规则表,并采用二阶段优化策略:首先只优化比例因子,得到一组次优的模糊控制器参数;然后优化比例因子和控制规则表,得到优化的模糊控制器参数。     

基于模糊调整的神经网络逆模型控制

研究了神经网络的逆模型辨识及其直接逆模型控制,提出了一种基于模糊调整的神经网络逆模型控制方法。采用神经网络建立非线性被控对象的动态逆模型,并用模糊集理论对控制器增益和积分增益进行动态调整。仿真实验结果表明该方法应用于纸浆浓度控制系统中具有良好的控制品质,较强的鲁棒性、适应性和抗扰能力。     

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明：与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好。并具有自适应能力,应用前景十分广泛。     

复杂工业过程的模糊神经网络自适应控制

本文针对复杂工业过程控制系统的特点 ,提出一种模糊神经网络自适应控制系统 ,该系统由两个模糊神经网络组成 ,一个完成Fuzzy学习控制 ,另一个完成未知被控对象模型的建模。仿真和复杂工业回转窑炉温控实验结果表明 ,控制系统有良好的性能     

静止同步补偿器电压控制器的设计与实现

提出了STATCOM用于维持接入点电压的控制策略,并设计出了相应的变结构神经网络模糊控制器,给出了控制器的DSP实现方案.开发出了采用变结构神经网络模糊控制的基于PWM控制方式的±300kvar STATCOM实验装置.为了验证STATCOM装置维持接入点电压的性能,论文给出了装置在冲击性无功负荷和电网电压不平衡情况下的实验结果,实验结果证明了STATCOM实验装置维持接入点电压控制策略的可行性和正确性.     

神经网络非线性模型算法控制

将多项式基函数神经网络作为模型算法控制（ＭＡＣ）中的内部模型,以此逼近被控对象的非线性特性,推导出相应的最优控制策略算法,克服了ＭＡＣ不能用于非线性预测控制的缺陷．该方法在被控对象未知或建模困难的情况下能很好地实现对系统的预测控制,具有很强的鲁棒性和自适应性．     

一种前向模糊神经网络控制系统的研究

基于模糊逻辑和神经网络技术提出一种具有快速学习算法的模糊神经网络控制系统。     

过热汽温模糊神经网络预测控制器的设计

针对锅炉过热汽温的特点，设计前馈—反馈串级复合型控制系统。主控制器采用基于神经网络预测模型的模糊神经控制，即该控制器首先是将神经网络与预测控制相结合，采用改进的递阶遗传算法对神经网络的权值和结构同时进行训练，实现了非线性、大时滞系统模型的精确预测；然后将模糊控制与神经网络相结合，实现模糊神经预测控制。副控制器采用二自由度PID控制器。仿真结果表明，该控制显著提高锅炉过热汽温这一非线性、大时滞系统的控制品质，且易于工程实现。     

交流伺服系统基于神经网络的模糊自适应PID控制及其DSP实现

提出一种基于BP神经网络的模糊自适应PID控制器,将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力以及传统PID控制的优点融为一体,形成了对非精确、非线性对象的良好控制策略。针对模糊神经网络控制器运算量大、收敛慢的特点,硬件采用数字信号处理器（DSP）作为控制器运算单元,以提高系统实时性。对交流伺服系统的实验仿真结果表明,该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

基于改进GMDH网络的风电场短期风速预测

基于GMDH神经网络和模糊逻辑理论,对风电场风速预测进行了深入研究,提出了一种改进GMDH神经网络方法。该方法在传统网络的基础上将神经元模糊化并引入反馈环,将GMDH网络的低维计算能力和模糊逻辑的高维推理能力结合起来用于预测。在进行网络训练时,采用指数型能量函数作为目标误差函数,提高了网络收敛速度。通过与BP神经网络及传统GMDH网络的预测结果相比较,表明该改进方法能够有效地提高短期风速预测的精度。     

基于模糊高斯基函数神经网络控制的交流伺服系统

将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种把高斯基函数作为隶属函数的模糊神经网络,并将之用于交流伺服系统的控制中     

Power converter control based on neural and fuzzy methods

The new power converter control approaches based on neural network techniques and fuzzy logic theorems are briefly reviewed and discussed in this paper. Current-controlled voltage source inverters offer substantial advantages in improving motor system dynamics for high-performance AC drive systems. The controller switches follow a set of reference current waveforms. Fixed-band and sinusoidal-band hysteresis current controllers have been studied. The first part of this paper develops neural network and fuzzy logic based current-controlled voltage source inverters. The models and learning techniques have been investigated by simulation. The implementation of neural networks is described and simulation results are presented. In the second part of this paper, the new UPS (uninterruptible power supply) with fuzzy logic compensator is proposed. The proposed fuzzy logic compensator is used to prevent voltage drop from nonlinear loads. The total harmonic distortion (THD) of the proposed scheme is better than that of conventional deadbeat control methods for linear and nonlinear loads. The applications of fuzzy and neural network control to DC-DC converters operating at finite switching frequency are studied in the third part of this paper. The fuzzy logic and neural network controller for unity power factor rectifiers, half-bridge DC-DC ZVZCS converters, DC motor drives, induction motor drives and permanent-magnet motor drives are also discussed. Some simulations are presented in this paper.     

基于模糊神经网络的纯电动车永磁同步电机矢量控制

纯电动车控制系统对电机控制性能要求较高。提供了一种基于模糊神经网络的永磁同步电机矢量控制方案。以模糊神经网络控制器作为电流调节器,并在速度环引入模糊控制器,将其输出作为电流环的限幅,达到限速的目的。仿真和试验结果表明:对于电动车运行的复杂情况,该方法具有良好的转矩跟踪和电机限速性能。     

改进遗传算法及模糊神经网络在交流伺服系统中的应用研究

针对交流伺服系统高精度、快响应的要求,提出了基于改进遗传算法(IGA)优化的模糊神经网络控制方案。把神经网络与模糊逻辑控制结合起来,采用IGA算法对模糊神经网络控制器中的参数进行搜索和优化,给出了具体设计方法和优化步骤。实验结果表明:基于IGA算法的模糊神经网络控制方法用于交流调速系统具有较高的精度以及较强的鲁棒性、抗干扰能力等。     

基于模糊神经网络DTC的风力机特性模拟

在传统直接转矩控制(DTC)的基础上引入模糊逻辑和神经网络,形成一种新型的模糊神经网络DTC策略,并将其应用到风能模拟系统中.利用神经网络建立DTC系统的定子磁链观测器,并引入多群体协同进化粒子群( MCPSO)算法对其进行网络训练.实验结果表明,与传统DTC相比,模糊神经网络DTC更能减小低速运行时极易出现的转矩和磁...