基于单神经元自适应PID的矢量控制系统研究

转子磁场定向矢量控制中,转速PI调节器在控制对象参数变化时其鲁棒性能较差,而单神经元具有自学习、自适应能力,为了进一步改善矢量控制系统的性能,文章提出了用单神经元自适应PID控制器代替传统PI调节器。为了提高单神经元PID控制器的学习能力,将无监督的Hebb学习规则与有监督的Delta学习规则相结合,实现单神经元控制器的参数优化与在线自调。仿真结果表明,该系统不仅具有很好的静、动态性能,而且还具有很强的自适应性和鲁棒性。     

基于神经元自适应PID船舶电力推进电机控制系统研究

在船舶电力推进电机控制中,提出了一种基于神经元自适应PID控制的方法,控制算法采用有监督的Hebb学习规则。从仿真结果可知,采用神经元自适应PID控制具有较好的适应能力和抗干扰能力,满足船舶电力推进电机控制的要求。     

蒸汽发生器水位神经自校正控制研究

针对传统的核动力蒸汽发生器水位PID控制方法存在的缺点,将神经网络方法与PID控制的结构结合起来,提出核动力蒸汽发生器水位单神经元自校正PID控制方法,在线调整控制器参数。仿真研究表明,该方法可以提高系统的控制品质。     

基于神经网络的船舶航向自适应PID控制

详细分析基于单神经元的自适应PID控制算法,并推导了为改进其应用上的不足,将自适应PSD控制器中递推计算增益K的方法应用到单神经元的自适应 PID控制,构成具有自动调整增益K值的单神经元自适应PID控制器的学习算法.将控制算法应用到船舶航向控制系统,仿真结果显示了该方法的有效性.     

神经网络-PID在船舶核动力装置蒸汽发生器水位控制中的应用

利用BP神经网络的学习功能来调整蒸汽发生器水位控制器PID的参数,使其跟随功率的变化,从而跟踪模型的变化.以典型的五种工况下的蒸汽发生器模型为基础,按照给定的要求,分别设计得到相应的PID水位控制器.以功率和相应的PID控制器增益作为神经网络的输入、输出变量来设计和训练BP神经网络,并以训练好的神经网络和PID控制器组成神经网络-PID控制器应用到蒸汽发生器水位控制系统中,并利用MATLAB进行仿真.仿真结果表面神经网络-PID具有非常好的适应性.     

卸船机电能质量的综合治理

为抑制直流电机在运行过程中产生的谐波电流导致的输电、供电和用电设备的额外附加损耗,采用E5080APF有源滤波装置和静止无功发生器E5080SVG对电能质量进行综合治理,能有效地提高系统的整体运行效率,保障系统的安全稳定运行。     

基于BP神经网络整定的蒸汽发生器水位PID控制及仿真研究

将神经网络与PID控制结合起来,提出了基于BP神经网络整定的蒸汽发生器水位PID控制方法,采用BP学习算法调整控制器神经网络的连接权值,通过对系统性能的学习实现了控制器参数的在线整定,仿真结果表明,所设计的控制器具有良好的控制性能。     

基于非参数模型的自适应PID控制系统

通过神经网络技术构造PID控制器,能解决PID参数在线调整的问题;模糊自适应PID(FAPID)控制系统,则可以大大减小超调量,提高抗干扰能力;单神经元自适应PID控制器有结构简单,计算量小的优点;采用参考模型自适应原理,可避免被控对象动态特性计算错误而带来的偏差。     

基于RBF神经网络的永磁同步电机矢量控制系统

永磁同步电机(PMSM)数学模型是非线性、强耦合、多变量的。传统的矢量控制采用双闭环控制,转速环和电流环都是采用的传统的PID控制器。针对PID控制方法的不足,提出一种基于径向基函数神经网络的在线辨识的单神经元PID模型参考自适应控制方法,利用神经网络对信息数据的自学习和自适应能力,提高系统对环境改变的稳定性,仿真实验表明,系统很好的实现了给定速度参考模型的自适应跟踪,结构简单,能适应环境变化,具有较强的鲁棒性。     

基于ETAP的石油平台静态无功发生器应用研究

结合中国东海某海洋石油平台的系统无功补偿的需求,引入了一种新型的无功补偿装置静态无功发生器(SVG),利用电力系统计算软件ETAP对SVG在不同补偿位置的补偿效果进行了分析,结合分析的结果,最终确定了SVG的具体补偿位置,对多海缆连接电力系统的无功补偿方案的确定提供了可参考案例,对海洋石油平台的大电网开发和建设积累了成功的经验。