Application of PID Controller Based on BP Neural Network in Export Steam's Temperature Control System

By combining the Back-Propagation(BP)neural network with conventional proportional Integral Derivative(PID)controller,a new temperature control strategy of the export steam in supercritical electric power plant is put forward.This scheme can effectively overcome the large time delay,inertia of the export steam and the influence of object in varying operational parameters.Thus excellent control quality is obtained.The present paper describes the development and application of neural network based controller to control the temperature of the boiler’s export steam.Through simulation in various situations,it validates that the control quality of this control system is apparently superior to the conventional PID control system.     

500kV交联电缆生产线机头的优化

以2012年国内某公司500 kV交联线机头优化为例,从理论和工程实践的角度就交联线调试过程中绝缘线芯存在的圆整度和偏心度问题对机头流道进行分析,并提出了四步优化路径方案。     

一类时滞不确定系统的最优滑模设计

针对一类含状态时滞的线性不确定系统,研究具有二次型性能指标的最优滑动模态的设计问题．基于状态方程的标准型,将最优滑模设计问题转化成线性时滞系统的最优控制问题．针对由最优控制的必要条件导出的一族既含时滞项又含超前项的线性两点边值问题,采用时滞线性系统最优控制灵敏度法,将该问题转化为递推求解一族不含时滞项和超前项变量的线性两点边值问题．通过有限次递推,得到最优滑模的近似解．提出并证明了最优滑动运动渐近稳定的充分条件．仿真示例验证了该方法的有效性．     

用D-S证据理论方法实现多传感器数据融合

对 Dempster- Shafer证据理论用于多传感器数据融合进行了分析 ,并将其应用于飞机目标识别的数据融合中。结果证明 ,多传感器融合后降低了识别结果的不确定性 ,较单一传感器的识别效果好。说明这一方法是一种有效的数据融合方法     

离散时滞系统的近似最优扰动抑制

研究了状态变量合有时滞的离散系统在外部扰动下的最优控制问题．通过引入一个灵敏度参数,将原系统的最优扰动抑制问题转化为一族不含超前项和时滞项的两点边值问题,并由此导出了最优扰动抑制控制器的这代近似设计方法．得到的最优扰动抑制控制律由解析的前馈一反馈项和伴随向量级数和形式的补偿项组成,截取伴随向量级数的有限和得到原系统的次优扰动抑制控制律．数值仿真表明该近似最优控制器对外部持续扰动具有良好的鲁棒性。     

基于随机游走蜂群算法优化的RBF神经网络电动机故障诊断研究

为解决目前电动机故障诊断方法收敛慢、易陷入局部极小、准确性不足等缺点,提出了一种电动机故障诊断新方法,即将Levy Flight随机游走机制、人工蜂群算法和径向基神经网络结合的方法。首先通过改进的蜂群算法即随机游走蜂群算法(LFABC)对网络参数进行全局寻优,然后对网络进行监督训练,局部细化网络参数,最终得到故障诊断模型。经实例验证,本文所提方法能更快速、准确地实现电动机故障诊断,取得了较好的效果。     

不确定时滞系统的全局鲁棒最优滑模控制

针对一类不确定性时滞系统, 研究线性二次型最优调节器的鲁棒性设计问题. 首先基于级数近似方法, 将原标称时滞系统的最优调节器问题转化为迭代求解一族不含时滞的两点边值问题, 从而获得标称时滞系统最优控制的近似解. 然后将滑模控制理论应用于最优调节器的设计, 使得系统对于不确定性具有全局的鲁棒性, 并且其理想滑动模态与标称系统的最优闭环控制系统相一致, 从而实现了全局鲁棒最优滑模控制. 仿真示例将所提出的方法与相应的二次型最优控制进行比较, 验证了该方法的有效性和优越性.     

一种有效的数据融合方法——分布式的离散Kalman滤波方法

介绍了一种基于Kalman的数据融合方法，分析了用于多传感器数据融合的Kalman滤波方法基本概念和理论。在Kalman滤波理论的基础上对全球定位和惯性导航系统的车辆组合系统进行了仿真。结果表明，分布式的离散Kalman滤波方法是一种有效的数据融合方法。     

一种有效的数据融合方法——分布式的离散Kalman滤波方法

介绍了一种基于Kalman的数据融合方法,分析了用于多传感器数据融合的Kalman滤波方法基本概念和理论。在Kalman滤波理论的基础上对全球定位和惯性导航系统的车辆组合系统进行了仿真。结果表明,分布式的离散Kalman滤波方法是一种有效的数据融合方法。     

基于布谷鸟搜索算法优化BP模糊Petri网的水电机组故障诊断

针对水电机组故障诊断的复杂性和传统算法存在的缺点,提出采用布谷鸟搜索算法优化BP模糊Petri网进行故障诊断。首先利用布谷鸟搜索算法的全局搜索功能对网络参数寻优,将得出的全局最优解作为BP模糊Petri网的最优初始参数,再用选取的故障样本数据对模糊Petri网进行学习训练,建立故障特征集到故障类型集的映射关系以实现故障分类。仿真试验表明,该故障诊断方法收敛速度快、准确率高,可应用于实际水电机组故障诊断。