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。     

基于补偿模糊神经网络的中期电力负荷预测研究

提出一种基于补偿模糊神经网络的电力负荷预测方法,介绍了给予模糊逻辑和神经网络的补偿模糊神经网络(CFNN)及其学习算法,充分利用神经网络非线性逼近能力的优点并结合CFNN学习速度快、全局稳态优化运算等特点,建立中期电力负荷预测模型,并用 MATLAB 编写了计算程序,进行了实例计算,并验证了 CFNN 用于电力负荷预测的有效性。     

基于模糊自整定的异步电机矢量控制系统

简述了模糊自整定的原理以及基于模糊自整定的异步电机矢量控制系统的设计。针对传统PID控制存在的不足,借助高端数字信号处理器TMS320F2812,将模糊自整定控制与空间矢量脉宽调制（SVP-WM）控制系统有效地结合在一起,控制系统的性能得到了较大改善,性能指标明显优于传统PID控制,进而增强了异步电机矢量控制的动态性能。     

基于遗传算法的模糊神经网络在动态系统辨识中的应用

复杂不规则系统的语言建模构成了许多控制／决策系统的核心问题,模糊逻辑是进行语言建模最有效的方法之一。本文介绍了一种基于模糊逻辑、神经网络和遗传算法的语言建模方法,并给出了新型的混合学习算法,即：首先由自组织算法确定出模糊神经网络的初始隶属度函数;其次由最大匹配因子学习算法完成模糊规则确定;最后提出了一种改进的遗传算法用来优化调节已经获得的隶属度函数。通过具体的仿真实例说明了所提出的建模方法在动态系     

矢量控制异步电机转子时间常数的实时补偿

本文针对转子磁场定向异步电机矢量控制系统中转子时间常数易受温度和磁饱和影响而偏离其最初值,从而导致磁场定向失败,电机动静态特性变坏的现象,提出了一种基于卡尔曼滤波器的转子时间常数的辩识补偿方法,该方法具有较高的精度,借助于高速数字信号处理器（ＤＳＰ）可以实现实时补偿控制仿真结果证明该方法是有效可行的。     

模糊神经网络型中压无功补偿控制器

从应用角度出发,尝试将模糊神经网络控制原理应用在中压无功补偿控制中,通过网络的学习和记忆功能来调节模糊控制的自适应性和鲁棒性,从而来克服SVG系统中存在的电容器反复投切所引起的电网信号的波动,减少投切谐波,提高控制精度。同时也控制电压分接头的投切次数,来保护分接头开关,延长开关的使用寿命,减少系统的维修成本。针对电力系统无功补偿的特点,确定了模糊控制的输入输出隶属度函数和控制规则,并引入BP网络来调节隶属度函数和控制规则,对电压和无功的双重控制,达到对电压和无功补偿的目的,从而提供更高质量的电能。并进行实验仿真,将实验数据与理论数据进行比较,证明模糊控制理论在无功补偿控制中的应用是可行可靠的。     

带智能补偿的模糊PID控制在伺服系统中的应用

针对常规PID及模糊PID控制在交流伺服电机伺服系统控制中的不足,提出一种带智能补偿的模糊PID控制策略,并应用于PMSM伺服系统的电流控制当中仿真结果表明,所用控制策略能提高系统的控制精度,使系统响应速度快且具有较强的鲁棒性。     

在磁场定向控制的异步电机调速系统中应用灰色预测控制方案的研究

采用磁场定向控制的交流调速系统可以获得与直流调速系统相媲美的静动态特性。文章将灰色系统理论应用于交流调速系统,应用灰色预测控制进一步改善了磁场定向控制的异步电机调速系统的控制性能,从而为交流调速系统的应用提供了更广阔的前景。     

带智能补偿的模糊PID控制在伺服系统中的应用

对于常规PID及模糊PID控制在交流伺服电机伺服系统控制中的不足,提出一种带智能补偿的模糊PID控制策略,应用于PMSM伺服系统的电流控制中。仿真结果表明,该控制策略能提高系统的控制精度,使系统响应速度快且具有较强的鲁棒性。     

基于模糊神经网络的温度控制器研制

本文提出一种基于模糊神经网络的智能温度控制器，给出了模糊神经网络模糊帮一种快速的学习算法，并通过自学习砂断修正模糊控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新。     

模糊神经网络实现的参数自校正控制

将模糊控制和神经网络技术相结合,借助神经网络的学习能力和信息存储能力来实现模糊推理过程,并记忆参数调整规则,从而构成了ＰＩＤ参数调整机构,经过离线训练后,可使ＰＩＤ参数按模糊规则规定的基本原则在线调整。仿真结果表明,对非线性系统的控制,这种方法比常规的ＰＩＤ控制具有更好的动静态性能。     

基于模糊神经网络的永磁同步电动机矢量控制系统

该文提供了一种基于自适应模糊神经网络的永磁同步电动机（PMSM）矢量控制系统速度控制器的实施方案。模糊神经网络控制器（FNNC）包括神经网络控制器（NC）和模糊逻辑控制器（FC）两部分，它同时具有神经网络自学习能力和模糊逻辑在处理不确定信息方面的能力。人工神经网络（ANN）的初始权值和阈值通过离线训练的方式获得。在实际的运行过程中，利用模糊控制器的输出对神经网络的权值和阈值进行实时调整。仿真结果表明利用所提出的模糊神经网络来建立永磁同步电动机矢量控制系统的速度控制器，当电机参数改变或者受到外部扰动时，系统具有良好的动态特性。     

基于模糊神经网络的多集气管压力控制系统

针对焦炉集气管压力系统具有强耦合、强干扰、非线性的特点．文章阐述了影响集气管压力变化的三种因素，并在此基础上设计了一个基于模糊神经网络的控制系统。该系统较好的解决了多座焦炉集气管压力之间相互耦合的问题。     

基于神经网络的转子电阻在线辨识及补偿方法

提出了一种基于神经网络的矢量控制感应电动机转子电阻在线辨识及补偿方法 ,建立了考虑转子电阻变化影响下电动机矢量控制的数学模型 ,仿真结果表明该方法正确可行且具有快速简单等优点。     

基于模糊神经网络和PI控制的异步电机位置控制系统

提出一种用于异步电机位置控制的模糊神经网络(fuzzy neural network,FNN)控制器.其控制系统采用Sugeno型FNN和比例积分(proportional integrate,PI)控制进行构建.在进行试验测试之前,利用实验数据库和梯度算法对模糊神经网络进行在线训练.利用DS1104型DSP控制卡实现控制算法.利用该控制器对异步电机进行位置控制,在电机施加非线性负载和发生参数扰动的条件下,对控制系统的功能以及鲁棒性进行测试,试验结果表明,该控制系统能够保证电机稳定有效的工作.     

基于模糊神经网络的感应电机直接转矩控制

传统的直接转矩控制存在较大的转矩脉动。为了减小转矩脉动,提高控制性能,将模糊神经网络算法引入到直接转矩控制当中,设计了基于模糊神经网络的直接转矩控制系统。所采用的Takagi--Sugeno型模糊神经网络充分融合了模糊逻辑和神经网络两者的优点。在模糊神经网络的训练过程中,采用了一种最小二乘算法和BP算法相结合的混合算法进行学习,提高了学习速度。为了验证该算法有效性和可行性,在MATLAB／Simulink环境下建立了基于模糊神经网络的直接转矩控制系统仿真模型,进行了仿真研究。仿真结果表明采用Takagi—Sugeno型的模糊神经网络算法使直接转矩控制系统的转矩脉动明显变小,控制性能明显改善。     

基于模糊逻辑与神经网络的短期负荷预测

针对电力系统受多种因素影响的特点,应用模糊逻辑理论和人工神经网络两种方法,发挥各自优势,设计出一个有效的电力系统短期负荷预测系统。该系统着重考虑温度、日期类型以及特殊日期等因素对负荷的影响,实际测试证明可以提高系统的预测精度,适合在电力系统短期负荷预测中应用。     

基于可编程控制器的配电网无功功率补偿控制系统

提出了一种切实可行的无功补偿控制系统设计方案。系统以11区判断作为无功控制的依据,可编程控制器PLC作为下位机,计算机作为上位机。模拟信号经WB智能变送器3M004R4通信接口送入PLC。利用PLC的可靠性高、抗干扰能力强、维护和调试方便等优点并结合上位机数据处理和显示的长处,形成一个具有数据采集、显示、判别、通信、控制、执行的无功补偿控制系统。