多变量系统的神经元解耦控制

论述了神经元解耦控制系统的三种典型结构,其中包括神经解耦器分别位于控制器之前和之后的两种串联结构和一种反馈结构;给出了三种系统结构中神经解耦器的指标函数;提出了基于系统灵敏度矩阵的解耦控制学习算法,该算法考虑了多变量系统各变量之间的相互干扰,在更广泛的意义上探讨了多变量系统的神经元解耦控制。     

基于LabVIEW的解耦控制仿真研究

介绍了1种PID神经网络解耦控制结构和1种神经网络辨识器,并分别给出了前向算法及反向传播算法;最后应用LabVIEW,采用子程序模块化的编程思想,实现了神经网络控制器和辨识器的编程,并应用到2种被控对象的线性模型进行计算仿真,得到了2种被控对象的解耦控制结果,证明了PID神经网络解耦控制的有效性和使用LabVIEW实现...     

基于神经网络解耦线性化方法的锅炉主汽压力控制

锅炉对象的动态特性受到汽轮机运行状况的很大影响，必须采取解耦措施才能正常运行，但是由于其动态特性具有很强的非线性、时变性和不确定性，常规的线性解耦设计很难获得较好的效果。另一方面锅炉每天的运行是重复的，从机组的运行数据中可以充分了解对象的动态特性。该文基于神经网络α阶逆系统方法提出了一种锅炉主汽压力非线性控制系统的设计方法，利用神经网络强大的自学习和自组织能力，发掘机组运行数据包含的对象动态特性的信息，克服对象的不确定性的影响，实现了系统的大范围解耦线性化。仿真结果表明，此控制策略能有效的大范围解耦线性化。仿真结果表明，此控制策略能有效改善系统在大范围内工作时的控制品质和自适应能力。     

流化床锅炉燃烧系统的神经网络解耦控制

提出一种基于BP算法的人工神经网络解耦控制策略，并将其应用于流化床锅炉的燃烧系统中，其思想是在加入神经网络解耦环节以后，使得包括该解环节在内的广义被控对象的第一系统矩阵为对角矩阵，仿真结果证明，该策略能收到良好的控制效果，成功解决了主汽压力和料床温度的燃烧系统控制难题：即同时控制给煤量和一次送风量，有望用于循环流化床锅炉燃烧系统这类复杂过程的控制。     

PWM逆变器死区解耦控制方法的研究

提出了ＰＷＭ逆变器死区解耦控制的方法,详细分析了这种解耦控制方法的原理。实验结果表明,这种死区解耦控制方法是正确、可行的。     

三相并网逆变器无差拍解耦控制方法

针对传统无差拍控制无法实现有功功率与无功功率解耦控制的问题,在分析无差拍控制原理的基础上,提出一种新的无差拍控制策略,给出了无差拍控制策略占空比的计算方法.该控制策略将三相系统在d,q坐标系下的解耦特性与a,b,c坐标系下的无差拍控制算法有机地结合在一起,不仅实现了有功功率与无功功率的解耦控制,同时还具有控制简单、控制精度高和动态响应快等优点.最后,通过Matlab/Simulink仿真和实验验证了该方案的正确性和有效性.     

发电机励磁与汽门系统解耦控制的神经网络逆系统方法

在分析励磁与汽门系统可逆性的基础上为输电系统中汽轮发电机组的控制提出了一种新的解耦控制器的设计方法，在系统精确模型参娄未知的情况下，神经网络逆系统可将被控系统解耦成两个SISO线性子系统；然后为了满足高性能控制的要求，针对两个不同的子系统增加两个不同的线性控制器来形成闭环控制。理论分析和仿真结果表明：该控制策略较好地解决了输电系统中汽轮发电机组控制时存在的多变量，非线性，强耦合问题，实现了系统的动态解耦控制，因此可显著增强输电系统的暂态稳定性。     

感应电机的逆系统方法解耦控制

针对感应电机这一多变量、非线性、强耦合的控制对象,应用逆系统方法,将感应电机转速与转子磁链解耦成2个二阶子系统。在此基础上,运用线性系统理论对其进行控制。仿真结果表明这种基于逆系统方法的反馈线性化控制策略可实现感应电机的高性能控制。     

一种感应电机的解耦控制方法

交流电机是一种机电能量转换的重要装置，它有极强的电磁耦合性。该文在交流电机转子磁场定向控制的基础上，根据控制原理的不变性原理提出了一种感应电机偏差解耦控制方法，给出了算法的推导过程，对所提方法的鲁棒性进行了分析，对解耦方式与矢量控制系统结构，影响解耦因素进行了探讨。计算机仿真对解耦效果进行了比较。物理实验对所提方法进行了验证。理论分析和实验结果表明所提方法具有良好的解耦控制方法。     

感应电机的新型神经网络广义逆系统解耦控制

针对感应电机这一多变量、强耦合系统,提出了一种新型神经网络广义逆系统解耦控制方法,给出了新型广义逆系统的存在性证明.它与感应电机复合,将转子磁链与转速的解耦成两个独立的伪线性子系统,并且可以随时通过调整反馈参数改变两个伪线性子系统的配置极点,为控制器的设计提供了便利.仿真结果表明,通过合理的选择配置极点和控制器参数,整个控制系统对电机参数变化和负载扰动有较强的鲁棒性和动态性能.     

巨型浮吊船电力系统动态响应的联想记忆识别

巨型浮吊海洋工程船的作业依赖于船舶电力系统的稳定运行。这类船上大功率变频器、大功率交流电机等设备的大量应用,使得控制系统受干扰影响严重,检测到的动态响应常常含有干扰成分,给电力自动化设备的反馈控制带来了困难。联想记忆具有按信息内容检索的功能,可以模仿人脑进行联想,处理缺损和不确定的信息,具有容错功能。根据联想记忆原理,运用Hopfield网络结构,对Hebb学习规则进行了改进,构建了自联想离散Hopfield网络。该网络通过对动态响应标准样本进行学习,得到了稳定模式,在受干扰污染、信息缺损的巨型浮吊船电力系统动态响应的识别中表现出了良好的滤除干扰的能力。     

基于对角递归网络的时变系统解耦控制

提出一种基于DRNN在线辨识的PID解耦控制方案,给出了网络的结构和算法,并对真空炉时变耦合系统进行了仿真。仿真结果表明,DRNN神经网络对多变量强耦合时变对象具有良好的解耦性能和自学习控制特性。     

基于主元分析神经网络补偿的感应电动机逆解耦控制

对于具有多变量、非线性、强耦合、慢时变等特征的异步电动机调速系统,实现定子磁链与电磁转矩的高精度动态解耦是提高系统性能的关键.首先通过非线性状态反馈建立感应电动机的α阶积分逆模型,并分析非线性状态反馈的误差对其逆模型精度的影响.在此基础上提出了一个基于主元分析神经网络补偿的感应电动机逆解耦控制方法,将补偿后的α阶积分逆...     

球磨机神经元解耦控制系统

针对球磨机的运行特点,提出了一种新型的球磨机神经元解耦控制系统。该系统具有更好的控制品质及更强的鲁棒性。系统简单,易于实现,适合于球磨机这类的多变量系统的控制。     

配网静止同步补偿器控制新方法研究

在两相同步旋转d-q坐标系下建立了配网静止同步补偿器(D-STATCOM)数学模型。针对D-STAT-COM,基于微分几何理论,提出一种基于反馈线性化内模控制策略。采用状态反馈线性化方法,实现D-STAT-COM的线性化,使得内环dq电流解耦,省去了传统双闭环控制中的电流内环PI调节器;外环采用内模控制方法设计控制器,结构简单,参数单一,便于调整。仿真结果表明,该方法比传统PI控制能更有效地提高系统稳定性,改善动态响应品质。     

基于DSP的永磁同步电机神经网络逆解耦控制

针对永磁同步电机(PMSM)这一非线性多变量的复杂系统,提出了不依赖对象精确数学模型和参数的PMSM神经网络逆系统控制方法,并在以数字信号处理器(DSP)为核心的控制实验平台上得以验证。PMSM的逆系统由静态神经网络加积分器构成并与原系统串联,实现了其转速和磁链的动态解耦。在此基础上,为两个解耦的伪线性子系统设计了线性闭环调节器,使整个系统获得优良的动静态性能。实验结果表明,神经网络逆系统方法可以实现对PMSM的高性能控制,对参数变化和负载扰动具有较强的鲁棒性。     

两电机变频调速系统的神经网络广义逆解耦控制

两电机变频调速系统是一个多输入多输出(multi-input multi-output,MIMO)非线性强耦合的控制系统。神经网络广义逆控制方法不但可以实现MIMO系统的线性化与解耦,而且通过合理地调节广义逆系统的参数,可以使解耦后的单输入单输出(single-input single-output,SISO)系统具有开环稳定的特性,从而有利于系统的综合。论文对变频器工作在矢量控制方式下的系统数学模型进行广义逆存在性分析,进而导出系统的广义逆数学表达式。进一步构造神经网络广义逆系统串联在两电机系统之前,组成基于广义逆的伪线性复合系统。基于S7-300PLC试验平台,分别研究伪线性复合系统的开环特性和闭环特性,试验结果表明神经网络广义逆控制方法不但可以实现系统的解耦,而且可以使伪线性化后的子系统开环稳定,附加闭环控制器的问题就迎刃而解。     

基于线性化反馈的异步电动机自适应解耦控制

根据异步电动机转子电阻和负载转矩随运行工况而变化的事实,拟应用微分几何多输入、多输出线性化解耦控制理论和模型参考自适应理论,研究提高电动机鲁棒性能的控制策略。最终得到磁链和转速动态解耦的2个二阶子系统。仿真结果表明,该控制策略能够有效解决系统内部参数的摄动和外部参数的扰动影响,系统控制鲁棒性高。