共查询到20条相似文献,搜索用时 250 毫秒
1.
将排序加权的方法引入基本蚁群算法中,用改进型蚁群算法优化BP神经网络的权值和阈值,有效地解决了BP神经网络训练时容易陷入极小值的缺点,提高了收敛速度,得到了一种时间效率和求解效率都比较好的启发式方法,即改进型蚁群神经网络。运用该方法对直接转矩控制系统中的电机转速进行了辨识。仿真试验结果表明:该改进型蚁群神经网络不仅具有广泛的映射能力,还明显提高了运算效率,能够准确地辨识电机转速,具有良好的辨识效果,实现了无速度传感器直接转矩控制。 相似文献
2.
3.
4.
5.
基于直接转矩控制(DTC)系统中的非线性关系,提出了利用改进粒子群优化(PSO)算法优化BP神经网络来构造转速辨识器。利用惯性权重线性递减法和粒子调整机制相结合来改进PSO算法,能加快BP神经网络收敛速度并实现全局搜索。通过对3种改进BP神经网络的仿真和实验,验证了改进PSO—BP神经网络能够使系统具有更为良好的静态和动态性能。 相似文献
6.
描述了基于神经网络技术的无速度传感器矢量控制。运用BP神经网络在线对电机转速进行辨识,并以调节电机转速使神经网络输出跟踪参考模型输出。对实际电机进行了仿真验证,证明该方法的可行性和高效性。 相似文献
7.
8.
基于单维离散滑模的模型参考自适应转速辨识方法 总被引:2,自引:0,他引:2
针对感应电机无传感器直接转矩控制下的速度辨识问题,在模型参考自适应方法的基础上,提出并实现了一种单维离散滑模模型参考自适应速度观测方法。算法首先采用传统模型参考自适应算法获得辨识磁链,然后依据波波夫定理求得的误差函数作为滑模面函数,以离散时间滑模控制策略替代模型参考自适应中的比例积分环节完成对转速的估计。通过与传统模型参考自适应算法的仿真比较研究,说明该方法在直接转矩控制系统中的速度动态辨识能力得到提高。实验结果验证了本文提出的方法是有效的,具有实际应用价值。 相似文献
9.
10.
为解决直接转矩控制下的开关磁阻电机低速运行时磁链计算受电阻变化影响比较大的问题,详细观察分析了电阻对于相电流的影响,通过比对电阻可调的电机模型与实际的电机模型的输出电流,提出了一种基于优化BP神经网络的电阻辨识器。优化BP网络数学理论,结构简单,学习算法清晰明白,基于该网络的算法能够对变化的定子电阻进行辨识。将该方法置于Simulink控制系统上进行仿真,同时比较有无电阻辨识器前后仿真波形。试验表明,该电阻辨识方法可以提高开关磁阻电机低速运行时系统性能。 相似文献
11.
将遗传算法中的变异机制引入基本蚁群算法中,用遗传蚁群算法来优化直接转矩控制系统中PID调节器参数,提高了PID调节器的自整定能力,有效地降低了系统中的转速脉动,增强了系统的快速性和稳定性。仿真实验表明:该策略使直接转矩控制系统的动、静态性能得到了明显的提高和改善。 相似文献
12.
基于蚁群BP神经网络的动态测量误差预测 总被引:1,自引:0,他引:1
针对BP算法在神经网络参数学习中局部性能好但易陷入局部极小值而蚁群算法拥有良好的全局性能的特点,提出了神经网络的综合训练方法(蚁群BP算法,ACBP Algorithm)即首先利用蚁群算法对神经网络参数进行全局搜索训练,然后再利用BP算法对参数进行局部学习。设计了一种自适应蚁群算法,一定程度上解决了传统蚁群算法收敛速度和拓宽搜索空间之间的矛盾。最后利用仿真实例验证了ACBP神经网络较之BP神经网络和AC神经网络在动态误差预测方面的优越性,得出了相关结论。 相似文献
13.
蚁群算法在配电网重构的应用 总被引:7,自引:1,他引:6
配电网络重构是一个非常复杂的大规模组合优化问题。蚁群算法作为一种现代启发式寻优技术,适合于求解组合优化问题,其主要特点是正反馈、分布式计算、易与其它算法结合以及富于建设性贪婪启发式搜索。对配电网络从图论拓扑结构上进行分析,将配网重构问题转化为求图的生成树问题,并以破圈法为基础得到快速而有效地求解图的生成树的方法。在应用蚁群算法求解配网重构问题时,通过首支路选择随机化和取消蚁群算法常用的启发值的方法,扩大算法搜索范围,使算法可以跳出局部最优化陷阱,改善算法的搜索效果。对IEEE 69网络的算例表明,该方法能以较少的计算量和较大的概率收敛于全局最优解。 相似文献
14.
针对地图环境建模以及蚁群算法存在的问题,提出了一种移动机器人路径规划的多层优化方法.首先对U型陷阱栅格区域进行凸化处理,避免前期搜索混乱;设计新的状态转移规则,解决常规蚁群规划的路径过于紧贴障碍物的问题;改进距离启发式函数,有效提高算法收敛速度;设计平滑启发函数,增加蚂蚁局部探索时直行的机率,提升初始路径平滑性;提出按路程长度和平滑程度分配信息素的更新原则,利用优质蚂蚁进行全局信息素更新,进一步提高算法收敛速度;利用最大最小蚂蚁策略,防止蚁群陷入局部最优;通过二次路径优化策略,去除多余冗余点,进一步提升路径平滑性.仿真及实验结果表明,该方法能为移动机器人规划出一条安全且综合性能较好的路径,为路径规划的求解提供了一种切实可行的方法. 相似文献
15.
为了克服基于神经网络的故障选线方法收敛速度慢、易于陷入局部极小点的缺点,提出了蚁群算法和神经网络相结合的故障选线方法。利用ATP-EMTP做单相接地仿真试验,得到各线路的零序电流信号,通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入。利用蚁群算法对神经网络进行训练,完成训练的神经网络模型即可实现故障选线。仿真结果表明,该方法训练速度快、误判率低。 相似文献
16.
针对径向基函数(radialbasisfunction,RBF)神经网络收敛速度慢、易于陷入局部极小点的问题,提出了基于蚁群优化算法(antcolonyoptimization,ACO)的RBF神经网络线损计算新方法。通过引入交叉和变异改进后的ACO训练BRF神经网络,使其具有神经网络广映射能力、ACO快速全局收敛以及启发式学习等特点。利用优化后的RBF神经网络算法拟合配电线路线损与特征参数之间的复杂关系,实现配电网线损计算。仿真结果表明,优化后的BRF神经网络算法的线损计算误差基本在1%以内,具有良好的收敛能力和较快的计算速度。 相似文献
17.
18.
作为一种求解组合优化问题的启发式方法,基本蚁群算法以其正反馈、并行计算和鲁棒性强等优点被许多领域的专家所关注;但是如果正反馈应用不得当,也会出现搜索时间过长或陷入局部最优解的情况。为此,提出采用加入扰动策略的蚁群算法,通过对各计算因子的动态调整,控制其正反馈过程和算法的搜索区域,以提高蚁群算法得到全局最优解的概率和收敛速度。配网规划的应用算例证明了这一改进的有效性。 相似文献
19.