基于模糊神经网络的绝缘子表面污秽在线监测

在恶劣的自然环境下,积污绝缘子随时可能发生闪络。在实验室模拟试验和现场实测数据基础上,分析了环境因素对不同污秽程度绝缘子外部电气特性的影响。通过选择泄漏电流有效值、泄漏电流峰值及泄漏电流脉冲频次、环境温湿度等参量作为输入参数,提出采用模糊神经网络方法实现对输电线路绝缘子污秽状况在线监测结果的综合评定。介绍了基于模糊神经网络的污秽评定模型的构建过程,最后列举部分试验数据验证了该方法的可行性。     

基于模糊神经网络直接转矩控制系统设计

针对传统的直接转矩控制中存在转矩、定子磁链波动大的问题,提出了一种结合空间矢量调制的模糊神经网络直接转矩控制方法。它运用模糊神经网络得到期望的任意相位空间电压矢量,再结合空间矢量调制直接对逆变器的开关状态进行控制,以达到减小转矩、定子磁链波动的目的。最后以TMS320F240为核心搭建了一个直接转矩控制系统,通过采集实验数据,分析该直接转矩控制系统与传统的直接转矩控制系统相比磁链和转矩波动明显减少,并具良好的响应性。     

神经网络在线学习模糊自适应控制及其应用

基于反馈误差学习法,提出了一种神经网络在线学习模糊自适应控制结构。利用模糊推理机产生的分目标学习误差训练神经网络,避免了控制器的输出产生振荡或进入饱和状态。工程应用表明,该方法将模糊推理引入神经网络学习中,可有效地提高系统的控制品质。     

模糊神经网络在线辨识定子电阻的直接转矩控制技术

提出用FNNS（模糊神经网络）在线辨识异步电机的定子电阻，把电机运行时间、频率、电流作为输入变量，得到输出变量，定子电阻值，其中利用模糊规则的增减优化BP网络，节约处理时间，并按规则数确定学习率（具有可变性），保证了系统的高效性，稳定性及收敛性，用DSP进行运算处理，对定子转矩和磁通等进行快速运算，减少了由于运算时间而带来的误差，由实验得，整个系统可以减弱电机低速下运行不平衡和指令突变时所带来的影响。     

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发电厂自适应配煤控制

根据发电厂灰分控制的时变、滞后和非线性特性,本文提出了一种基于人工神经网络与模糊控制相结合的控制器。利用人工神经网络的自学习、自适应和并行处理的能力,将模糊控制规则转化为神经网络的学习样本,通过FNN的BP学习算法记忆这些规则样本。实验表明该控制器具有响应速度快、精度高和鲁棒性强的特点。     

基于模糊神经网络的锅炉蒸汽压力控制系统

蒸汽压力控制是锅炉控制系统中一个重要的环节，其控制质量的优劣直接影响到锅炉的安全和经济效益。本文将一种基于模糊神经网络的控制器应用到锅炉蒸汽压力控制当中，采用了模糊神经网络控制技术与自寻优控制思想，可以在线自动调整控制规则。仿真结果表明这种控制器具有较强的适应性与稳定’陛，控制效果得到明显改善。     

一种基于模糊神经网络的电弧控制系统

等速送丝系统中电弧的控制是一个极为重要的环节,其控制质量的好坏直接影响到焊接过程的稳定。本文研究了一种模糊神经网络控制器,该控制器根据给定电压与反馈电压的误差和误差变化率,能够自动调整隶属函数和控制规则,具有自学习和自适应能力。     

基于小波神经网络的在线警报处理系统

利用小波变换在信号处理方面的时频分析能力和神经网络对任意非线性函数的普通的逼近能力，提出了一个基于小波神经网络的电力系统故障段辨别方法。故障诊断系统依据保护继电器和断路器的采样信息估计电力系统中故障段的位置。仿真结果显示，小波神经网络故障诊断系统能正确估计电力系统单一故障和多重故障的位置，即使在电力系统中存在保护继电器和断路器误动或拒动的情况下，小波神经网络也能给出合理的结果。测试结果表明，小波神经网络在电力系统警报处理系统中有良好的应用前景。     

感应电机调速系统的模糊神经网络控制研究

针对多变量、非线性、强耦合的感应电机调速系统,传统的PID控制和模糊控制均不能达到理想的控制效果的问题,依据空间矢量控制理论建立了感应电机的数学模型,提出了一种基于模糊神经网络的感应电机调速系统控制方法,并且在基于神经网络离线训练的基础上提出了在线调整网络参数的策略,实现了感应电机调速系统的高精度控制,并通过Matlab仿真进行了分析研究。结果表明,系统具有优良的动静态性能,且对电机参数的变化与负载扰动具有较强的鲁棒性。     

基于模糊神经网络的模糊控制器综合优化设计：I.设计方法

将人工神经网络和模糊控制相结合，提出了一种实用的模糊神经网络的构造方法，并利用优化技术，提出了基于模糊神经网络的模糊控制器综合优化设计方法。     

基于模糊神经网络的直接转矩控制系统研究

传统的直接转矩控制方法采用离散的两点式调节器,调节电机磁链和转矩大小,容易引起磁链和转矩脉动。提出了一种基于Takagi-Sugeno型模糊神经网络控制的新方法,该方法是将模糊控制与神经网络相结合,建立模糊神经网络控制器,并通过离散电压空间矢量计算补偿电压,来提高电机的控制性能。最后通过Matlab建立仿真模型,结果表明:所提出的新方法在一定程度上改善了感应电动机的低速性能,减小了转矩脉动,具有良好的动态响应和自适应能力。     

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。     

基于模糊神经网络的模糊控制器综合优化设计

针对单机—无穷大电力系统，利用所提出的模糊控制器综合优化设计方法设计了基于模糊神 经网络的模糊电力系统稳定器(FNN-PSS)，并由数字仿真证明了所提出方法的有效性和 实用性。     

基于模糊神经网络的模糊控制器综合优化设计 Ⅰ设计方法

将人工神经网络和模糊控制相结合，提出了一种实用的模糊神经网络的构造方法，并 利用优化技术，提出了基于模糊神经网络的模糊控制器综合优化设计方法。     

小波模糊神经网络在绝缘子污秽在线监测中的应用

为了实现电气设备在线监测的智能化和自动化,提出了基于小波模糊神经网络的绝缘子在线监测的方法。鉴于模糊神经网络具有良好的学习性及其很强的模式识别能力以及小波对含噪泄漏电流信号有很好的去噪能力,故提出了小波理论和模糊神经网络相结合的小波模糊神经网络。在实验室模拟实验和现场实测数据的基础上,分析了环境因素对不同污秽程度绝缘子外部电气特性的影响,通过选择环境温度和湿度,泄漏电流有效值,泄漏电流峰值及泄漏电流脉冲频率等变量作为其输入变量,并将其用于对绝缘子污秽程度在线监测结果的模糊综合评定。同时也介绍了基于小波模糊神经网络的污秽评定模型的构建过程,通过部分实验数据验证了该方法的可行性。通过此方法,监控人员可以实时在线监测变电站实时绝缘状况,同时可减少电网因绝缘问题引起的故障,在保证电网安全运行方面有突出贡献。     

基于模糊神经网络高压电气设备绝缘状况评价方法研究

提出了利用模糊逻辑-神经网络分析高压电气设备绝缘参数变化趋势的方法。根据在线监测获得的实时和历史数据确定绝缘参数变化的趋势法,应用隶属函数实现对变化趋势的描述,建立了相应的数学模型。基于模糊神经网络构造了评价绝缘状况的“正常”、“观察”和“检修”的模糊评价体系,把绝缘参数变化归为“减小”、“平稳”和“增大”3个模糊集合,得到评价设备绝缘状况的变化趋势准则。该方法可用在高压电气设备绝缘在线监测系统中,保证在线监测的准确性和可靠性。     

基于神经网络在线学习的过热汽温自适应控制系统

将反馈误差学习控制与径向基函数神经网络相结合，提出了一种基于神经网络在线学习的自适应控制方法，神经网络控制器利用常规控制器的输出增量作为误差信号进行在线学习，实现对常规PID控制器的补偿，使控制系统能够适应对象的非线性和时变特性。将该方法应用于电厂过热汽温控制系统进行仿真研究，结果表明该方法能较好地适应对象特性的变化，且控制系统的性能比常规串级控制系统有较大的提高。     

基于模糊神经网络PID算法的液位控制系统研究

在工业生产中,液位控制系统得到了广泛应用,但是对于这种大滞后、非线性的复杂控制系统,传统的PID控制方法存在着参数整定困难,控制效果不理想的缺陷。在对传统的PID算法、模糊控制算法和神经网络算法研究的基础上,提出了一种将模糊神经网络PID算法应用到液位控制系统中去的解决方案,并采用MATLAB对液位对象控制进行仿真实验,同时采用A3000型水箱实验平台对仿真实验结果进行验证。研究结果表明,基于模糊神经网络的PID算法的液位控制系统在调整时间和超调量上都优于传统的PID算法,控制效果和抗干扰能力更强,克服了传统PID算法的不足。     

基于RBF神经网络的模糊自适应控制

在对一些复杂系统进行模糊控制时,由于对系统的不了解,很难得到适合的控制规则。基于模糊控制器的一种解析结构,提出了模糊控制器与径向基函数（Radial Basis Function)神经网络相结合的方法。由RBF神经网络对系统进行辨识,并为学习系统提供必要的信息,根据信息对经验规则进行修改,从而改善模糊控制系统动态响应。仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入。