基于粗糙集的高速公路交通流神经网络模型

利用粗糙集能够处理模糊、不确定知识和神经网络对非线性函数具有任意逼近能力的优点,提出一种粗糙集和RBF网络集成的动态系统建模算法。并利用这种方法建立具有复杂动态特性和不确定性的高速公路宏观交通流动态模型,仿真结果表明了该方法的有效性。     

基于改进差分进化算法的VSG控制策略

新能源发电系统的并网稳定性成为了微电网技术研究的热点。虚拟同步发电机（VSG）控制技术通过并网逆变器模拟同步发电机（SG）的运行特性,使之具备惯性和阻尼特性。VSG控制器参数设计困难,使用传统的计算方法得到的并网效果并不理想。针对此问题,建立VSG控制系统,应用改进的差分进化算法（DE）寻优参数。对比电网在频率和电压扰动下的仿真结果,验证了改进差分进化算法相比较传统算法更适用于VSG并网稳定研究。     

基于差分变异的混合蛙跳算法在配电网重构中的应用

提出了一种基于差分变异的混合蛙跳算法进行配电网重构。采用基于十进制环状编码方法解决了二进制编码产生大量不可行解的问题。给出了十进制环状编码的变异和选择策略,同时结合蛙跳算法的分组更新特点。应用该算法对IEEE33节点和PG&E69节点网络进行配电网重构仿真,结果表明,该方法能有效降低配电网损耗。     

四相无刷直流电动机系统建模与仿真

对四相无刷直流电机结构和工作原理进行了分析,推导出了四相无刷直流电机的数学模型.利用此数学模型并借助Matlab仿真软件,建立了四相无刷直流电机的仿真模型,仿真结果验证了该建模方法的有效性和该模型的准确性.分析了参数变化对转速的影响,为四相无刷电机控制系统的设计和调试奠定了基础.     

采用改进PSO的非线性系统T-S模糊模型辩识

提出了一种新的T-S模糊模型的非线性系统辨识方法。采用自适应模糊C均值聚类算法确定模糊模型的前件结构及参数,用改进的粒子群优化(PSO)算法来辩识模糊模型的结论参数以获得系统参数的最优估计。仿真结果表明该方法是有效的。     

求解约束优化问题的人工鱼群算法

在利用人工鱼群算法求解约束问题时,处理好约束条件是取得好的优化效果的关键。引入了半可行域的概念,并结合人工鱼群算法(ArtificialFish-SwarmAlgorithm,AFSA)本身的特点,设计了基于竞争选择和惩罚函数的适应度函数,从而得到了一个利用ASFA算法求解约束优化问题的新的进化算法。实验证明了算法的有效性。     

带电压调节的非线性鲁棒励磁控制策略研究

针对电力系统的非线性特性和内外扰动的影响,结合微分几何精确反馈线性化和非线性鲁棒H∞控制理论,提出了一种新的励磁控制器设计方法,在励磁控制规律引入了机端电压反馈,使得所设计的控制器不仅提高了电力系统暂态稳定性,而且在机械功率由于负荷或调速而变化时机端电压仍能回复到给定点上运行。将该控制方法运用到单机无穷大电力系统设计中,用Matlab/Simulink进行三相短路实验和机械功率扰动实验,结果表明:与非线性励磁控制器及传统的PID控制器相比,所设计的带电压调节功能的非线性鲁棒H∞控制器在提高电力系统的稳定性及稳定机端电压方面有很好的控制效果。     

基于极值优化的混合差分进化算法

针对标准差分进化算法在求解复杂优化问题时易陷入局部最优的问题,提出了一种基于极值动力学机制的混合差分进化算法。该算法的核心在于,当种群聚集度较高时, 利用极值优化算法强大的波动性,通过引入基于种群的极值优化算法来提高种群多样性,从而协助差分进化算法跳出局部最优。仿真实验表明,该混合算法具有较好的全局收敛性,能有效避免早熟收敛。     

基于预测函数与线性多变量反馈控制的同步发电机励磁控制

基于预测函数设计了励磁控制器对发电机端电压进行控制。同时设计一种以发电机功角偏差、角速度偏差以及有功功率偏差的线性组合作为控制目标的线性多变量励磁控制器。将2种励磁控制器进行结合,以实现预测函数和线性多变量并行励磁控制,在有效提高电力系统稳定性的前提下还能解决发电机端电压的稳定问题。最后通过MATLAB／Simulink仿真证明了改进后的励磁控制器的有效性。     

基于混沌离散粒子群的粗糙集属性约简算法

针对粒子群属性约简算法容易早熟、易陷入局部最优解的问题,提出一种融合混沌离散粒子群与粗糙集的属性约简算法(CBPSORS).在该算法中,首先利用混沌序列初始化粒子的位置和速度,得到一个无序的粒子种群.其次改进最优粒子进行混沌变异过程,改进惯性因子和加速因子来提高算法性能.再次用粗糙集理论对生成的属性子集相关性进行评估.最后用K-近邻(KNN)算法生成分类模型在UCI数据集上对该算法进行验证.理论分析与实验结果表明,与基于粗糙集的属性约简算法(RS)、基于粒子群的粗糙集属性约简算法(PSORS)以及基于遗传算法的粗糙集属性约简算法(GARS)相比,文中算法可以在保持决策表知识信息的前提下,约减掉更多的条件属性,提高分类精度.