自适应RBF-LBF串联神经网络结构与参数优化方法

研究了前向单层径基函数 (RBF)网络和前向单层线性基本函数 (LBF)网络的分类机理 ,提出了RBF的中心和宽度应通过学习自动确定 ,在学习过程中根据错分样本被错分入的类别自动生成新的核函数这一观点 .如果两个或两个以上核函数属于同一类 ,在输入空间相距较近且未被其它类别的样本分隔开来的情况下 ,则应考虑将之合并 ,或者使它们的作用区域部分重叠 .从理论上阐明了采用Sigmoid活化函数的单层感知器的分类阈值为0 .5 ,进而提出了由单层RBF网络和单层感知器组成的串联RBF LBF神经网络 .文中详细给出了确定该串联RBF LBF神经网络结构、核函数个数、位置与宽度的优化算法 .一般来说 ,该算法的计算复杂性比前向单隐层感知器采用的误差反传算法要小或至少相当 .对几个经典的模式分类难题的处理结果表明 ,与一般RBF网络和前向单隐层感知器网络相比 ,该串联RBF LBF网络及其自适应学习算法具有收敛速度快 ,分类精度高 ,易于得到最小结构 ,在学习过程中不易陷入局部极小点等优点 ,有利于实现实时分析 .实验结果同时也验证了单层LBF网络对提高RBF LBF网络分类正确率的重要性 .

基于神经网络自适应PI控制的SSSC潮流控制器

提出了一种基于神经网络自适应PI控制的SSSC潮流控制策略,并设计了控制器的结构。该控制器主要由系统辨识和PI参数整定两个神经网络组成,并给出了它们的学习算法。该控制器在动态过程中,利用神经网络对SSSC的有功控制器和无功控制器的PI参数进行在线调整,提高了控制器的自适应能力和鲁棒性。在Matlab动态仿真环境中建立了控制系统的仿真模型,并基于此模型对系统的暂态行为和输电线路潮流的调节过程进行了仿真,仿真结果验证了该控制器在潮流控制上的有效性和适应性。

串联型模糊神经网络PID控制器的设计

该文提出了一种串联型模糊神经网络PID控制器的设计方法 ,该方法利用人工神经元网络的聚类功能来对反馈回来的误差输入量进行分类 ,然后串联一个模糊控制器 ,并根据人工神经网络的分类结果来构造模糊规则库 ,使整个控制器既具有PID调节的功能 ,同时避免了神经元网络的发散问题 ,并解决了模糊规则库构造的困难 ,从而实现对PID控制器参数的智能调节。

基于RBF神经网络的TCSC自适应PID控制

针对可控串联补偿(Thyristor Controlled Series Capacitor,TCSC)的传统PID控制器存在鲁棒性差和自学习能力不强的问题,利用径向基函数(Radial Basis Function,RBF)神经网络可以无限逼近非线性系统的特性,提出了一种基于RBF神经网络设计的TCSC自适应PID控制器。该自适应PID控制器不仅具有传统PID控制器结构简单、易于工程实现等特点,而且通过RBF神经网络辨识的被控系统Jacobian信息来在线实时调整PID控制的参数,对被控系统参数和运行状态改变有较强的适应性,克服了常规PID控制器鲁棒性不强的缺点。两机五节点系统和四机两区域系统的仿真结果表明所设计的控制器控制效果明显优于传统PID控制器,具有较好的适应性和鲁棒性,对系统低频振荡的阻尼特性有很大地改善。

基于RBF神经网络PID控制的SSSC控制器研究

在介绍静止同步串联补偿器（SSSC）的数学模型和控制结构的基础上,提出了一种基于RBF神经网络PID控制策略的SSSC新型潮流控制器,设计了控制器的结构。选择含SSSC的电力系统工作在有功功率控制模式下,利用PID控制器对系统进行闭环控制,而采用RBF神经网络的自学习能力可以改善传统PID控制器中参数固定不变的缺点,对PID控制器的3个参数进行实时在线调整,确保输电线路的有功功率能快速达到给定的参考值。最后,在MATLAB/Simulink仿真环境中对所设计的控制器进行了仿真验证。并同传统PID控制器和BP神经网络PID控制器分别进行比较,结果表明所提出控制策略具有较好的适应性和鲁棒性。

基于非对称卷积神经网络的电弧故障检测系统

串联电弧故障是引发电气火灾的重要原因,对其有效检测能确保线路的正常运行和电气设备的可靠工作。根据低压串联电弧故障的检测难点,提出了基于非对称卷积神经网络的识别模型,用于适应性地提取串联电弧故障信息。针对串联电弧故障种类多、信息隐蔽等问题,首先利用格拉姆角差场时域数据处理方法,将负载模拟的时域信号经过极坐标变换、三角变换后映射到二维矩阵中,以增加故障数据点的空间占有率和数据关联信息。之后,为了不增加时间开销,同时改善模型的识别效能,使用自适应非对称卷积、多通道离散注意力机制改进残差神经网络,作为低压线路中的串联电弧故障模型。最后,利用容器封装已训练好的故障识别模型,实现故障信息的快速分析。验证表明,所提方法对串联电弧故障的识别率达到99.95%,具有良好的识别效果。

基于BP神经网络的SSSC的建模与仿真

SSSC的模型是分析其原理和设计其控制器的基础。由于SSSC是一个强非线性的系统,用传统的方法所建立的模型已不能达到人们的要求,利用具有非线性拟合能力的人工神经网络建立了逆变器电容电压和线路有效阻抗的神经网络模型。神经网络特有的非线性逼近、强化学习和自适应能力,使神经网络模型对变化的环境和参数具有自适应性。

串联弹性驱动器的设计及力矩控制研究

为了改善机器人在人机交互过程中力矩柔顺性问题,对机器人关节中的串联弹性驱动器(Series Elastic Actuator,SEA)进行了改进,从而提高了SEA驱动器中弹性体受力与变形的线性特性。在力矩控制器的设计中,采用了基于数据驱动控制的无模型自适应控制算法(MFAC),并利用BP神经网络算法实现控制器参数的在线自整定。该数据驱动控制算法在不需要建立受控系统精确数学模型的情况下,即可实现串联弹性驱动器(SEA)的力矩控制。既简化了控制器设计的难度,避免了机器人关节建模的复杂性和未建模的动态误差,又提高了控制系统对负载扰动的鲁棒性。为了验证控制方法的有效性,对SEA驱动器进行仿真分析。仿真结果验证了所设计的控制方法对SEA力控具有良好的跟随性,能够实现机器人与人、环境之间的安全物理交互。

神经模糊技术在DSP控制交流调速系统中的应用

运用神经模糊技术中的串联型神经模糊混合模式,设计了神经网络在线模糊自适应控制器,作为异步交流电机直接转矩调速系统中的速度控制器.在TMS320F240 DSP的开发平台上进一步开发设计了全系统的硬件和软件.实验结果表明,系统取得了较好的调速性能.

兼顾多动作与轻量化的仿生假肢手设计创成

假肢手的动作数量与轻量化之间存在矛盾关系,为兼顾两者之间的平衡,满足假肢手多动作和轻量化的要求,该研究通过分析人手的16种日常抓取动作,设计了一种合理的电机驱动结构。该结构在四指中应用了多关节同时屈曲传动,在拇指中应用了定轨迹适应性传动,掌骨使用可自动切换为弧面和平面的对称弹性串联驱动式传动,以及配置五指的自动伸展,将这些机能融合在假肢手中,仅用3个电机实现了11种假肢手动作,达到了132.1 g的轻量化设计。该文还通过肌电信号结合神经网络算法,实现了假肢手直觉控制,并验证了其具有良好的抓取稳定性和操作性。