基于传统BP神经网络和经云遗传优化的神经网络配电网故障定位研究

针对配电网故障定位问题提出一种基于人工神经网络(ANN)中结构较为简单并且可塑性强的误差反向传播(Error Back Propagation,BP)神经网络方法的定位模型。建立BP网络模型,并将训练好的BP网络模型和通过云遗传算法改进后的BP网络模型,应用于同一个简单的配电网系统中,分别对不同分支的反射信息进行特征提取与模式识别。通过对两种算法的训练曲线图和诊断精度的比较来反映优化算法的高效性和准确性,最终得以确定诊断的实际输出值,实现故障分支的判别和精确定位。

主动磁悬浮轴承的神经网络自适应稳定性控制

针对主动磁悬浮轴承本质非线性和开环不稳定的系统特征,设计了一种BP神经网络自适应PID控制器。该控制器采用改进的BP神经网络PID控制算法,通过BP神经网络的自学习和权值调整寻找最优的PID参数,克服了常规PID控制参数整定困难的缺陷,实现了系统的自适应控制。通过MATLAB/Simulink环境和S-Function模块建立了主动磁悬浮轴承控制系统模型,并进行了系统仿真实验,结果表明,BP神经网络自适应PID控制系统响应速度更快,具有更好的动态性能和稳态性能。