改进粒子群模糊神经网络算法在同步发电机励磁参数整定中的应用

利用典型生物智能算法模糊神经网络算法优化同步发电机励磁控制系统中PID反馈控制参数,在构建四层模糊神经网络模型的基础上,将实际工程中精确的反馈值(机端电压和机端电压偏差)模糊化作为模糊系统的输入,引入快速粒子群算法全方位优化模糊系统选用的隶属函数和连接权矩阵重要参数.利用Matlab仿真平台,对同步发电机空载起励和负载电压扰动进行仿真实验,并与常规PID进行对比,实验结果证明该算法能够很好地减小系统调整时间和超调量,明显地改善了同步发电机的空载起励性能和带负载抗扰动性能,大大增强了系统的快速性和鲁棒性.

改进粒子群优化算法在同步发电机励磁参数整定中的应用

为了优化传统励磁控制系统中比例—积分—微分控制参数,文章在介绍了PSO算法的基础上,一方面引入自适应惯性权重,另一方面通过添加扰动项改进速度更新方程,提出了一种改进粒子群优化算法,并改进了适应度函数,将其应用于励磁控制系统中;在建立非线性励磁控制系统模型的基础上,设计了一种改进PSO-PID控制器,对励磁控制系统的PID参数进行整定;激励信号分别施加零起升压和负载电压扰动,新方法适应度函数为0.013,超调量为0.03%,计算时间为30.2s,均为最小,相对于一般的粒子群优化方法具有更好的收敛速度和精度,且鲁棒性更好,能有效改善励磁控制系统空载起励动态性能。