基于混沌神经网络预测模型的最优控制决策及应用

为了实现非线性、大时滞系统的自适应控制，首先根据具有混沌特性的非线性、大时滞系统的时序列重构相空间，计算出相空间的饱和嵌入维数和最大Lyapunov指数，并以此为指导，建立混沌神经网络预测模型，该模型即便在网络输入不完整或发生变异的情况下，仍能对系统作高精度的短期预测；在此基础上，将预测模型的输出通过反馈校正．再将校正误差和控制增量引入性能函数最优，最后得到最优控制决策，实现了对非线性、大时滞系统高精度的自适应控制。最后将预测控制决策应用到非线性、大时滞的锅炉过热汽温控制中，仿真结果表明了该控制的有效性、快速性和鲁棒性。图6参6     

基于混沌理论的过热汽温最优预测控制策略

由于非线性混沌时间序列内部确定的规律性，其重构相空间具有高精度短期预测性。因此，为实现锅炉过热汽温的非线性、大时滞系统的自适应控制，根据具有混沌特性的过热汽温时间序列重构相空间，计算相空间饱和嵌入维数、最大Lyapunov指数和系统的可预报尺度，并以此为指导，建立神经网络预测模型对过热汽温系统作高精度的短期预测，在此基础上，通过反馈校正，将校正误差和控制增量引入性能函数，寻优得最优控制策略，实现了对过热汽温的非线性、大时滞系统高精度的自适应预测控制。仿真表明了控制的有效性、快速性和鲁棒性。     

风速时间序列混沌判定方法比较研究

混沌识别是对非线性时间序列进行混沌预测的前提。针对时间序列风速确定性与随机性相结合的复杂非线性特征,研究了不同的混沌识别方法,并对风速时间序列进行混沌特征识别。应用随机噪声、周期运动及经典混沌系统的时间序列对所选方法进行可靠性验证。对美国国家风能研究中心M2测风塔实测时间序列风速数据进行非线性混沌特征识别。结果表明:风速时间序列具有明显的混沌特征;各风速时间序列表现出不同程度的混沌特征;各混沌识别方法对风速时间序列混沌特征的表达形式不同,互为补充,相互验证。     

混沌相空间的卡尔曼滤波模型及其应用

针对混沌时间序列,提出将混沌分析方法和卡尔曼滤波实时技术相耦合,建立混沌相空间的卡尔曼滤波模型.以混沌系统的相点为状态变量构成相点的状态空间描述,运用卡尔曼滤波实时预测并校正相点的未来演化规律,据此对四川省电力系统的日负荷时间序列进行短期预测.实例表明,该模型有利于跟踪相空间中相点的非线性演化轨迹,预测精度高、效果好.     

风速时间序列混沌特征分析及非线性短期预测

针对风能发电及天气预报等领域中一直是难点和重点的风速时间序列预测问题,首先分别通过相图法和最大Lyapunov指数法定性定量确定风速时间序列具有混沌特征;在此基础上,针对风速时间序列混沌特征结合相空间重构理论进行预测,根据C-C算法确定嵌入维数及延迟时间,将混沌理论应用于Volterra自适应模型,建立新的风速预测模型;以Lorenz方程为例验证该预测模型的准确性,并通过预测风速对比实测风速,进行误差分析。结果表明:风速时间序列具有明显的混沌特征;风速时间序列的混沌特征表明其长期预测是不现实的,但其确定性结构表明其具有短期可预测性;以预测Lorenz方程数值解的方式验证了Volterra自适应预测模型的准确性,其预测误差控制在10~(-4)以内;Volterra自适应预测模型可以对实测风速时间序列进行准确的预测,预测误差控制在0.1 m/s内。     

混沌时间序列预测技术

介绍了解决非线性系统辨识与预测问题的各种方法,如混沌时间序列全局、局部、半局部建模预测方法,分析了各种方法的优缺点,这些方法可广泛应用于各工程领域,但在大多数情况下,更适宜使用局部化方法。     

GPC-PID串级控制在主汽温控制系统中的仿真研究

针对火电厂主汽温控制系统大惯性、大延迟且模型不确定,以及常规PID串级控制难以取得良好的控制效果等特点,设计的主汽温控制系统将串级控制结构与预测控制相结合,内回路采用常规比例调节,外回路采用广义预测控制器(GPC).通过Matlab仿真得到,该系统具有较强的鲁棒性和很好的控制品质,适合具有时滞的复杂控制系统.     

风力发电系统发电容量时间序列的混沌属性分析

利用非线性动力学的分析方法对并网型风电机组的发电容量时间序列进行分析,以检验其是否存在混沌属性。分析表明,通过对低维非线性动力学建模,风电机组发电容量时间序列表现出了混沌特性,此结果为基于混沌时间序列的风力发电容量预测奠定了基础。     

风速时间序列非线性特征分析

针对时间序列风速确定性与随机性相结合的复杂非线性特征,基于相空间重构理论和最大Lyapunov指数对其进行混沌与分形特征分析。首先,以经典Lorenz混沌系统及非混沌完全随机白噪声时间序列为验证算例,通过相空间重构和最大Lyapunov指数法判断以上2种非线性时间序列的混沌特征,分别从定性和定量的角度验证了所提方法的可行性;其次,对美国风能研究中心实测风速数据进行相空间重构,计算其最大Lyapunov指数并估算其可预测时间,最后采用G-P算法分析了实测风速时间序列的饱和关联维数。结果表明:相空间重构理论及最大Lyapunov指数法均可作为判断混沌特征的重要方法,时间序列风速具有明显的混沌分形特征及短期可预测性。     

变形数据的混沌特性和预报方法分析

依据确定性混沌原理，采用自适应神经模糊推理系统模型，完成观测数据的长期预报，对混沌系统时间序列重构的延迟时间间隔和最佳嵌入维数的确定进行了探讨，并将模型应用于大坝变形预报，结果表明：该模型应用于大坝变形的长期预测精度较高。     

时滞分数阶直驱风力发电机模糊混沌控制

为研究含有状态时滞的分数阶直驱风电系统（D-PMSG）混沌控制问题,提出模糊记忆状态反馈控制策略。首先,利用T-S模糊理论和分数阶微积分理论建立D-PMSG时滞系统模糊混沌模型;其次,基于并行分布补偿（PDC）控制技术,设计出模糊记忆状态反馈控制器;然后,利用Lyapunov稳定性理论和分数阶微积分性质,基于Schur补引理,以线性矩阵不等式（LMI）形式给出系统渐近稳定的充分条件;最后,利用Oustaloup滤波器逼近分数阶微积分算子,搭建仿真模型,验证该系统模型的正确性及控制方案的有效性,与无记忆状态反馈控制器相比,模糊记忆状态反馈控制器具有更好的控制性能和鲁棒性能。     

基于神经网络Fuzzy-PID控制器的温控系统

设计了一种基于模糊推理进行参数自整定的PID控制器,构造了一个3层BP神经网络来学习模糊控制规则完成模糊控制的模糊推理.将该控制器应用于电阻炉的温度控制,并与普通模糊自整定PID控制器进行比较,表明该方法提高了对非线性、时滞系统的控制效果.     

直流微电网系统的DC/DC变换器控制系统设计

全桥DC/DC变换器由于具有高功率密度、高效率、高变压比及电气隔离的特点,成为直流微电网系统中重要的电力电子接口。而移相全桥DC/DC变换器具有高阶时变非线性的特点,具体应用时较难建立其精确的数学模型,这影响了传统PID控制性能,因此设计了模糊自整定控制器。通过对峰值电流模式下变换器的小信号建模,在传统PI控制的基础上,给出了基于模糊理论的PI参数在线自整定方法。同时,利用Matlab仿真工具给出了模糊控制器的设计方法,并通过DSP对其进行软硬件实现。仿真和试验结果表明,模糊自整定控制与常规PI控制相比,提高了系统的抗扰动能力,改善了系统的动态性能,从而提高了整个微电网系统的可靠性。     

基于模糊神经元网络的球磨机控制系统的改进

球磨机是一个多变量的复杂非线性系统,介绍了设计的由模糊控制器和神经元控制器结合的控制系统,用PLC加以实现,取得了对球磨机良好的控制效果.     

火电机组负荷多模型鲁棒预见控制方法

提出一种火电机组负荷多模型鲁棒预见控制方法,该方法首先对负荷区间进行模糊划分,然后在每个模糊子区间建立相应的结构参数摄动模型,并使用鲁棒预见控制方法设计控制器,最后总的控制量为多个子控制器输出的加权平均。仿真研究表明,该方法能够使负荷系统获得良好的全局控制性能。     

基于新型Fuzzy-PID控制器的热水锅炉温度控制

设计了一种新型的fuzzy-PID控制器,在模糊控制器部分加入了-个积分参数,并将其应用于热水锅炉的温度控制.经过与PID控制器的比较,表明该方法提高了对非线性、时滞系统的控制效果.     

利用剩余风电的感应储能供暖控制系统研究

为了解决我国北方地区风电的弃风问题,改进剩余风电供暖系统的直接消纳储能技术,改善电蓄热供暖控制系统中存在换能装置电热转化效率低下的问题,经过方案对比提出采用电热转换效率高、安全可靠性好的电磁感应加热装置作为供暖系统的换能装置。为优化储能水箱加热供暖系统的控制策略,针对系统给定的控制需求,采取前级附加给定温度模糊控制器串联后级感应加热模糊PID控制器的复合控制策略,使闭环加热系统的给定温度随室外温度的变化而调整;同时为了节约不可再生能源,降低损耗,采用与后级模糊PID控制器的输出构成闭环比值随动控制系统的加热循环流量协调控制策略。利用Matlab/Simulink软件进行仿真实验,结果表明：模糊PID控制特性明显优于传统PID控制,系统的超调量显著减少,动态调节速度明显加快;实现模糊控制和模糊PID控制复合与协调智能控制策略的网络化,提高了系统控制的实时性和可靠性,使系统控制性能大为提升。     

基于混沌理论的电力负荷短期预报的神经网络方法

探讨了电力负荷的混沌特性,提出一种基于混沌理论的神经网络训练样本预处理技术,该技术与常规方法相比,其预测精度和收敛速度都有较大的提高。     

Fuzzy Variable Structure Control of a Class of Nonlinear Sampled-Data Systems

A novel approach to the fuzzy variable structure control is presented. The method is applicable to a class of discrete-time multi-input, multi-output systems. The controller for each subsystem is a two-input single-output fuzzy inference system partitioning the input space. The scheme presented analytically demonstrates that an appropriate tuning of the defuzzifier parameters can drive the plant to the desired sliding regime. The analysis begins with the extraction of the equivalent measure of the applied control signal, and continues with the proof of convergence claims for the discrete time sliding mode control. The method discussed has been applied to a double pendulum system, whose dynamics is assumed to be unknown, and the mathematical claims of the paper have been justified through a series of simulations. The results observed strongly recommend the use of the algorithm in the cases where the tracking precision and robustness against disturbances are sought.