水轮机调速器的非线性PID控制

本文研究采用非线性PID控制来改善水轮机调速系统的性能。仿真结果表明：非线性PID控制具有响应速度快、超调量小的特点，可有效地改善水轮机调速系统的控制性能。     

基于模糊神经网络的水轮机调速器故障诊断

分析了水轮机调速器调节过程的故障机理,得到专家经验的故障诊断推理规则,利用模糊逻辑在表达专家知识方面的优势及神经网络的自学习能力,建立模糊神经网络,利用有限的推理规则对模糊神经网络进行训练,得到的模糊神经网络作为专家系统用于水轮机调速器的故障诊断,解决了故障样本获取困难、专家经验获取不足及模糊规则＂组合爆炸＂的问题,仿真实验证明该网络诊断结果正确,实用性较强。     

水轮机调速器的智能非线性PID控制

将PID控制、非线性控制、仿人智能控制相结合，提出了一种智能非线性PID控制器，并讨论了其结构和算法。它在大误差时采用强比例、弱积分，小误差时采用弱比例、强积分控制，具有参数自适应和结构自组织的特点。对水轮机控制系统的仿真，智能非线性PID控制器具有响应速度快、超调量小的特点，可有效地改善水轮机调速系统的动态性能和鲁棒性。由于所述控制器的参数调谐和控制策略切换是基于控制误差进行的，因此易于在工程实践中实施。     

智能PID方法在水轮机调速器中的应用研究

针对传统ＰＩＤ控制方法鲁棒性较差的问题,提出了一种智能ＰＩＤ调节方法,该方法将智能控制中的模糊控制与ＰＩＤ控制相结合,采用分段控制策略,并实时地对ＰＩＤ参数进行修正,仿真实验结果表明,智能ＰＩＤ方法对水电机组具有较好的实时控制作用。     

基于现代智能控制技术的水轮机自适应工况PID调速器研究

针对水轮机常规PID调速器不能根据系统的动态过程自动调整控制参数的缺点,提出一种新的基于现代智能控制技术的水轮机自适应工况PID调节方法。该方法根据水轮机模型综合特性曲线划分水轮机工况,采用一种改进遗传算法对水轮机的不同工况求取最优调节参数,利用神经网络做到运行工况与最优参数间的平滑切换。经过仿真表明,该控制方法具有良好的静态和动态性能,并具有很强的鲁棒性。     

基于现代智能控制技术的水轮机自适应工况PID调速器研究

针对水轮机常规PID调速器不能根据系统的动态过程自动调整控制参数的缺点,提出一种新的基于现代智能控制技术的水轮机自适应工况PID调节方法.该方法根据水轮机模型综合特性曲线划分水轮机工况,采用一种改进遗传算法对水轮机的不同工况求取最优调节参数,利用神经网络做到运行工况与最优参数间的平滑切换.经过仿真表明,该控制方法具有良好的静态和动态性能,并具有很强的鲁棒性.     

水轮机调速器的仿人智能PID控制

基于仿人智能控制的原理，提出了水轮机调节系统的仿人智能PID控制策略与规则。所述智能PID控制器基于对控制误差的识别来调整控制策略和控制参数，比常规PID有更好的动态调节特性和鲁棒性，且实时性强，易于实施。仿真与现场试验结果表明：仿人智能PID控制可以提高水轮机调节系统的速动性和稳定性。     

水轮机微机调速器PID调节器的实现及其稳定性分析

本文在介绍水轮机微机调速器PID调节器的几种实现方法的基础上,建立其离散模型,并通过稳定性分析得出调节器的较佳模式。     

水轮机调速系统的PID参数模糊整定

提出用一种智能的模糊PID控制器代替常规的PID控制器，并试图应用于 水轮机发电机组的调速系统。这种方法结合模糊控制和传统PID控制的优点，以获得良好的 静态、动态特性为目标。大量的仿真实验表明这是一种有效的控制策略，且具有良好的稳定性。     

水轮机调速器的PID调节规律

本文根据水轮机调节系统的特点分析了PID调节规律在水轮机调速器中的具体应用及PID参数的选择，指出现代水轮机调速器中的主导调节规律还是PID调节。     

基于协同进化算法的水轮机模糊PID调节系统研究

针对常规遗传算法在优化水轮机模糊PID调节系统的模糊规则时，对于模糊PID整定公式中的三个比例因子的确定采用手动调整的不科学性，本文提出了一种新的基于协同进化算法的参数自整定模糊PID控制算法，该方法采用协同进化算法同时优化模糊PID控制的模糊规则和模糊PID整定公式中的三个比例因子，通过模糊推理的方法求解PID参数的变化量，对PID参数进行自动整定，为了避免优化得到的模糊规则之间发生跳变，在目标函数中引入一光滑因子。仿真结果表明，该控制算法具有良好的静态、动态性能和很强的鲁棒性。     

基于遗传算法的水轮机模糊自适应PID调速器研究

本文针对水轮机常规PID调速器中不能根据系统的动态过程自动调整控制参数的缺点,提出一种新的基于遗传算法的模糊自适应PID控制算法,该方法采用遗传算法优化模糊推理的模糊规则,并通过模糊推理求解PID参数的变化量.经过仿真表明,该控制算法具有良好的静态和动态性能,并且具有很强的鲁棒性.     

基于模糊小脑模型的水轮机调速控制

水轮机调速器是控制水轮机输出机械功率的关键设备,是水轮发电机组控制的重要内容。针对非线性复杂时变水轮机调速器,研究了一种模糊小脑模型关节控制器,该智能控制器是一种模糊逻辑与小脑模型关节控制器的结合,集中了二者的优点和长处。分析了该控制器的结构、具体实现以及学习优化。仿真实验表明该智能控制器的实际效果良好     

风电机组RBF神经网络PID独立变桨控制研究

针对额定风速以上,风切变、风剪切和塔影效应引起的不平衡载荷进行优化控制,提出一种基于径向基函数(RBF)神经网络比例积分微分(PID)变桨控制方案。通过Park坐标变换与解耦的方法,将风轮不平衡载荷分解成俯仰力矩与偏航力矩,利用经典控制理论实现了风电机组独立变桨控制设计:通过RBF网络在线学习优化:PID控制器的参数,从而对塔架和桨叶上的不平衡载荷进行优化控制。在GH.Blade和Matlab中搭建3 MW风电机组联合仿真模型进行仿真。最后在3 MW风电机组变桨测试平台上进行现场实验,实验结果表明,提出的变桨控制方案能有效减小塔架与叶片等关键部件的载荷,而且提高了变桨控制系统的鲁棒性。     

基于水轮发电机综合非线性模型的调速器控制

为了提高大型水轮机组远距离输电的安全稳定性,在具有刚性水锤的一类水轮发电机的综合非线性模型的基础上,根据非线性微分几何控制理论,提出了新的调节输出设计法。该方法可以克服现有调速器非线性控制面临的零动态设计瓶颈,从而推导出调速器的一种新型非线性控制律——综合非线性调速器控制器(CNGC)。同时,论证了理想水轮机模型是该综合非线性模型在额定运行点线性化近似的结果。数字仿真实验表明,所提出的CNGC不但效果远好于常规控制律,而且优于现有的基于理想水轮机模型推导的非线性控制律(GNOPSS)。     

基于模糊神经网络的农业电气PID控制参数优化

提出一种基于改进模糊神经网络PID控制的农业电气设备控制参数优化方法。设计了农业电气设备的系统结构模型,对农业电气设备的控制参量进行约束模型构建,得到控制目标函数,设计三层前向变结构PID神经网络,对农业电气PID控制参数进行自适应优化调节,设计了变结构的模糊神经网络PID控制器,实现对农业电气PID优化控制。仿真结果表明,采用该算法进行农业电气设备控制,其输出电压和电流等参数的稳定性和自整定性较好,功率增益较高,收敛性好,控制误差较少,提高了电气系统的稳定性和可靠性。     

基于模糊PID的水轮机调节系统的研究

建立了水轮机调节系统一次/二次调频的仿真模型;针对水轮机常规PID调节系统不能在线自整定参数的问题,提出了基于模糊控制技术的PID参数模糊自整定;仿真结果显示新控制策略效果更佳,更具鲁棒性。     

基于遗传算法-BP神经网络优化的PID控制

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法。对于非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为一种有效的控制策略。该文提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化。仿真结果证明了该算法的有效性。