基于改进灰色预测单神经元PI的全超导托卡马克核聚变发电装置快控电源电流控制

全超导托卡马克核聚变发电装置(EAST)快控电源负载电感的电流受多种不确定环境因素的影响而难以预测,灰色预测无需精确对象模型,只需少量已知信息即可实现输出电流短期预测,已在EAST快控电源中有了一定研究应用。为解决灰色预测在EAST快控电源中对突变信号边沿预测精度低和预测延时时间长的问题,提出一种改进灰色预测算法实现输出电流预测。在一个开关周期内对输出电流进行等时长间隔采样4次作为原始序列,将滚动式采样预测改为逐周期采样预测,在实现灰色预测的过程中不必依赖过去几个周期的历史采样信息,只需本周期的4个原始采样值即可实现输出电流的预测。根据预测电流与参考电流误差自适应调整单神经元比例-积分(PI)控制的输出增益,实现输出电流的快速准确控制。仿真和实验结果表明,在EAST快控电源电流预测过程中所提出的改进灰色预测,对比传统灰色预测具有更高的预测精度和更小的预测延时,改进灰色预测变增益单神经元PI控制能够在减小电流超调的同时加快输出电流响应速度。

结合蚁群算法与单神经元电压环的变流器环流和均流控制

为更有效地解决并联变流器结构所导致的环流问题以及不均流问题,在采用基于线性自抗扰控制(linear active disturbance rejection control, LADRC)的环流控制器基础上,结合蚁群算法与单神经元电压环,设计了一种新型的电压环结构。先结合神经元网络算法和比例积分(proportional integral, PI)控制理论的特点,设计出可实时整定参数的单神经元电压环结构,再考虑蚁群算法具有优化参数的特点,综合考虑设计出这种新型的电压环结构。最后对并联的变流器结构进行仿真分析,通过和传统的电压环进行比较,对比结果说明了在新型电压环的作用下,环流得到很好的抑制,不均流问题也得以解决,这就验证了所设计的新型电压环的有效性。

基于单神经元自适应PID控制的高炮随动系统扰动补偿

为提升自行高炮随动系统的抗干扰能力以及自行高炮行进间射击精度,采用了一种基于单神经元自适应PID的控制方法,利用神经元的自学习及自校正能力对控制效果进行改善,以提升随动系统的扰动补偿能力。仿真结果表明:当高炮在B级、D级以及F级路面下行驶时,采用该方法的随动系统输出曲线的波动范围分别减小了0.14%、0.65%和4.72%,在突加扰动的情况下,再次跟踪到目标信号的时间分别缩短了0.04 s、0.03 s和0.02 s,根据实验数据可知在单神经元自适应PID控制器的作用下,当系统受到干扰后能够更快地跟踪到目标信号,且稳态精度更高。

改进单神经元PI的三相PWM整流器电压控制

针对三相脉宽调制(PWM)整流器在负载变化时输出电压波动大且恢复时间长的问题,提出一种改进单神经元梯度学习控制策略。由于传统的PI控制器参数在负载变化时适应性差,在电压外环采用单神经元PI控制,利用梯度下降法在线调整权值参数。为了避免求解过程中落入局部最优解,采用带有重启功能的随机梯度下降算法(SGDR),利用余弦退火改变权值的学习速率,提升算法的收敛性能。通过Matlab及半实物仿真实验,比较分析三相PWM整流器电压外环采用不同控制算法下的动态响应性能,结果表明:改进单神经元PI算法控制下的三相PWM整流器在负载变化时具有更小的电压波动、更快的动态响应以及更加稳定的运行状态。

足式机器人腿部关节改进单神经网络PID控制算法研究

为了满足液压足式机器人在复杂环境中实现精确、快速的腿部关节控制需求,把单神经网络PID能够实时调节参数的优点运用到足式机器人液压机械腿关节的控制中,在单神经网络PID的基础上增加机械腿关节的位置和速度控制算法,形成改进单神经网络PID,实现了对神经元比例参数自调整、PID参数的自整定,能够较好地适应内、外参数的变化,增强了腿部关节的快速性、精确性。在Simulink中进行建模仿真以及在设计的以STM32为中央处理芯片的控制平台上进行实验测试,结果表明:改进单神经网络PID在足式液压机器人的腿部关节控制中具有响应速度快、超调量小、控制精度高、鲁棒性强等优点。

基于模糊免疫-单神经元PID控制单开关高增益直流变换器

针对1种无变压器、无耦合电感的新型单开关高增益变换器,通过将电压升举单元引入Boost变换器来实现在较小占空比情况下提高电压增益,降低开关管、二极管电压应力,减小开关管的导通损耗,从而提高变换器的效率。为了进一步提高变换器的动态性能与抗扰动能力,在分析单神经元控制器的基础上引入免疫反馈机制,研究模糊免疫-单神经元PID控制策略,将模糊免疫控制与单神经元智能控制器结合,实现了单神经元比例系数的自整定。最后,对所提变换器和控制策略进行了仿真研究,并设计了1台输出200V/0.5A的实验样机进行实验验证,仿真和实验结果均表明:所提变换器可在较小占空比情况下获得较高电压增益;与传统的PID控制策略相比,所提模糊免疫-单神经元PID控制策略能更有效地抑制系统扰动,提高变换器的动态性能,具有更强的自适应能力和鲁棒性。

基于模糊单神经元PI的煤矿电气设备电源频率自动化控制系统

为确保煤矿电气设备电源频率不偏离标准频率,保障煤矿电气设备安全稳定运行,设计基于模糊单神经元PI的煤矿电气设备电源频率自动化控制系统。数据采集层通过电源频率信号输出检测仪,采集电源频率数据,并使用改进小波阈值法,去噪频率数据,然后由数据传输层发送其至控制中心,控制中心在接收该数据的同时,由理想电源频率求解模块,通过多元回归模型预测电源理想频率,而后模糊神经元PI控制模块以实际、理想电源频率为输入,经频率偏差求解、模糊化等操作,获得控制信号,控制电源频率无线接近理想值。实验结果表明,该系统可实现煤矿电气设备电源频率自动化控制,控制设备电源频率无线接近理想值,电源频率控制效果显著。

基于单神经元PID的高增益DC-DC变换器

为使光伏系统和燃料电池的输出电压适应于并网发电系统所需的电压等级,提出一种基于单神经元PID的高增益DC-DC变换器。基于耦合电感的升压单元,使变换器在原有的开关占空比D上,增加一个新的自由度来调节输出电压。钳位单元的引入,削弱了耦合电感漏感与半导体器件的电压尖峰,提升了变换器的效率。通过单神经元PID,增强变换器抗扰动能力。该文先分析所提变换器的工作模态,推出其性能特点,并与经典变换器做出比较。通过仿真模拟电路运行和搭建实验模型研究,验证理论分析的正确性和实验过程的准确性。

泵阀双缸串联控制系统设计及单神经元自适应控制方法

针对外部发生扰动时离子膜电解槽挤压装置双缸负载力超调明显且同步跟踪性能差的问题,提出了一种泵阀串联系统,阐述了其控制原理并对阀控子系统的智能控制方法进行研究。其中,针对阀控子系统设计了一种单神经元自适应PID控制器来对权值进行调节,然后对泵控子系统采用PI控制器调节伺服电机转速,最后搭建泵阀串联电液负载力控制系统的MATLAB/Simulink和AMESim的联合仿真模型进行仿真验证。结果表明:阀控子系统的单神经元PID控制器较PID控制器鲁棒性强,超调量小,并且从动油缸有更好的跟随性能。

单神经元PID控制在柴油机调速系统中的应用研究

单神经元与PID控制器结合,构成具有自适应和自学习能力的单神经元PID控制器,改善控制器的控制精准度,并将该控制算法应用在具有多层次复杂性高的柴油机调速系统中,并仿真验证控制效果。

2种风力机变桨系统单神经元比例–积分–微分控制策略的比较与分析

针对风力机变桨系统非线性的特点,提出采用单神经元比例–积分–微分(proportional integral differential,PID)进行控制。分析了单神经元PID控制器的特点,建立了数学模型。将单神经元PID算法进行改进,得到改进的单神经元PID控制器。仿真结果表明:2种单神经元PID控制器构成的系统均可实现无超调,具有系统稳定性好的特点;改进单神经元PID控制器较单神经元PID控制器的响应速度更快;2种单神经元PID控制器比常规PID控制器的鲁棒性更强。

积分分离的单神经元PID控制算法及其研究

将积分分离的思想引入单神经元PID(比例积分微分控制)算法中,提出1种积分分离的单神经元PID控制算法,既避免了由于积分累积而导致的较大超调,减少振荡幅度,又利用单神经元PID算法中参数可调的特性,增强了控制系统的自适应能力。通过对不同被控对象的仿真研究,表明其有效性和优越性。同时,通过对该算法中阈值取值研究及该算法与普通PID及单神经元PID的对比研究,指出了该算法的优缺点。

一种快速响应的单神经元复合控制器

设计一种模糊 -单神经元复合控制器 ,改善自适应单神经元PID控制器存在的快速响应性能不足等问题 .本控制器算法简单、实时性好 。

基于改进适应度函数的遗传单神经元控制

介绍了一种基于改进适应度函数的遗传单神经元控制方法。通过利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元相结合,设计了一种遗传算法单神经元解耦控制器,实现了对炉群多变量燃烧系统的解耦控制。实验结果验证了这种方法是可行的。

一种基于改进遗传算法的单神经元控制方法

为实现在实际的炉群多变量燃烧系统中,对各个燃烧的子系统的控制参数进行优化,提出了一种基于改进适应度函数的遗传单神经元控制算法,该算法克服了采用神经网络方法收敛速度慢、在求解过程中陷入局部极小点等缺点,利用遗传算法的全局寻优特性和神经网络对非线性函数较强的逼近能力,将改进的遗传算法和单神经元控制相结合,实现对一类非线性系统的参数进行优化。模拟实验和真实结果验证了这种方法是可行的。

基于单神经元自适应PID的光伏发电MPPT

光伏电池的输出特性随着外部环境和负载的变化而变化,具有非线性特性。为了充分利用光伏电池,需对其进行最大功率点跟踪。利用Boost电路提升光伏电池输出电压,提出了单神经元自适应PID的控制方法来实现对其进行最大功率点跟踪。通过对目前常用光伏并网模糊控制和单神经元自适应PID控制两种方法的比较,在Matlab/Simulink的环境下进行了仿真研究。研究结果证明了使用单神经元自适应PID控制的优越性。

模糊单神经元混合控制的轧机扭振抑制研究

在轧机轧制过程中,运行工况的变化可能诱发扭振,严重影响轧机轴系的安全。通过分析轧机扭振产生的原因,针对传统PI控制方式对轧机扭振抑制的不足,提出采用模糊单神经元混合控制的方法,在误差较大的情况下采用模糊控制,加快系统的动态响应速度,在误差较小的情况下采用单神经元控制,提高系统的稳态精度,从而达到对轴系扭振进行抑制的目的。

基于单神经元控制器的异步电动机矢量控制

文中提出了采用单神经元智能控制器代替传统PID控制器以改善异步电动机矢量控制的性能。在分析单神经元控制器结构与控制原理的基础上,为了提高单神经元控制器的学习能力与自适应性,将无监督的Hebb学习规则与有监督的Delta学习规则相结合,运用改进的学习与控制算法,实现单神经元控制器的参数优化与在线自动调整。采用Matlab软件建立单神经元控制器与异步电动机矢量控制模型,进行仿真研究;并将单神经元控制器的控制软件应用于异步电动机矢量系统,进行实验研究。仿真与实验结果表明,单神经元控制器可以改善异步电动机矢量控制的性能,具有较强的自适应性与鲁棒性。

基于单神经元的盾构推进速度自适应PID控制

在分析单神经元PID特性的基础上,设计了基于单神经元的盾构推进液压系统速度自适应PID控制器。该控制器通过神经元自学习,可对传统PID控制器的比例、积分、微分系数进行在线调整,实现了盾构掘进机推进速度的自适应控制。仿真结果显示单神经元自适应PID控制器具有较强的鲁棒性,对盾构推进之类非线性过程具有较好的控制效果。

变速风力发电机组的模糊-单神经元PID控制

对风力发电机组的数学模型及常规PID控制器进行了分析设计,由于变速风力发电机组的转速变化范围很宽,表现出高度的非线性性和时变性,常规的PID控制器难以在全范围内得到理想的控制性能。为此,提出采用单神经元智能控制器来替代常规的PID控制器,以改善机组控制性能。在分析单神经元控制器的结构和控制原理基础上,为了进一步提高单神经元控制器的动静态性能,引入了模糊控技术,实现了单神经元控制器输出增益的参数自整定。在仿真基础上,建立了一套完整的实验系统,对几种控制方法进行了实验研究。仿真和实验结果表明,基于模糊自整定的单神经元控制器可有效地改善风力发电机组的控制性能,具有较强的自适应能力和鲁棒性。