| 【中文题名】 | 基于模糊神经网络的发电机PID励磁控制研究 |
| 【英文题名】 | Research of PID Excitation Control for Generators Based on Fuzzy RBF Neural Network |
| 【学科专业】 | 检测技术与自动化装置 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-9-14 |
| 【中关键词】 | 励磁控制,模糊控制,RBF神经网络,PID,, |
| 【英关键词】 | excitation control,fuzzy control,RBF neural network,PID, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>自动控制、自动控制系统> |
| 【论文摘要】 |
发电机励磁控制系统是电力系统的重要组成部分，它能够起到保证电压质量，提高电力系统运行的稳定性等作用，因此励磁控制对整个电力系统的运行具有决定性的意义。本文将模糊控制和神经网络技术综合应用于发电机的非线性控制设计中，提出了一种新的励磁控制方案。
论文在分析发电机励磁控制系统原理的基础上，推导并建立了以状态方程表示的单机—无穷大电力系统的非线性数学模型，重点把模糊控制与神经网络具体融合，建立了模糊RBF神经网络，并对所建网络采取行之有效的算法，实现了PID励磁调节器的参数按模糊RBF神经网络的控制决策在线自动调整的智能控制。最后，对所设计的模糊RBF神经网络PID励磁控制器进行了大量的仿真测试，并与常规PID励磁控制器进行综合比较，结果表明模糊RBF神经网络PID励磁控制方式具有优良的动态品质和控制效果，较强的鲁棒性和适应性，在系统扰动和故障情况下能很好地维持发电机的运行特性和稳定性。 |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Abstract |
5-8 |
|
第1章 绪论 |
8-16 |
|
1.1 发电机励磁控制的意义 |
8-9 |
|
1.2 发电机励磁控制的发展与评述 |
9-13 |
|
1.2.1 古典励磁控制方式 |
9-10 |
|
1.2.2 线性多变量励磁控制方式 |
10-11 |
|
1.2.3 非线性多变量励磁控制方式 |
11-12 |
|
1.2.4 智能控制方式 |
12-13 |
|
1.3 模糊神经网络的发展与现状 |
13-14 |
|
1.4 本文的主要工作 |
14-16 |
|
第2章 模糊神经网络 PID控制的相关理论分析 |
16-34 |
|
2.1 PID控制 |
16-18 |
|
2.2 模糊控制 |
18-20 |
|
2.2.1 模糊控制系统的组成和基本原理 |
18-19 |
|
2.2.2 模糊系统的分类 |
19-20 |
|
2.3 神经网络控制 |
20-27 |
|
2.3.1 神经网络控制的结构和基本原理 |
20-22 |
|
2.3.2 神经网络的分类 |
22 |
|
2.3.3 径向基函数(RBF)神经网络及其算法研究 |
22-27 |
|
2.4 模糊控制与神经网络的融合 |
27-34 |
|
2.4.1 模糊系统与神经网络的融合方式 |
27 |
|
2.4.2 模糊系统与 RBF神经网络的函数等价性 |
27-29 |
|
2.4.3 模糊 RBF神经网络的结构 |
29-34 |
|
第3章 励磁控制系统及其数学模型的建立 |
34-40 |
|
3.1 励磁系统的组成 |
34 |
|
3.2 励磁系统的性能要求 |
34-35 |
|
3.3 励磁控制系统数学模型的建立 |
35-39 |
|
3.4 本章小结 |
39-40 |
|
第4章 基于模糊 RBF网络的PID励磁控制器的设计 |
40-47 |
|
4.1 模糊 RBF网络 PID励磁控制系统的总体设计 |
40-41 |
|
4.2 模糊 RBF网络结构设计 |
41-42 |
|
4.3 控制算法分析 |
42-45 |
|
4.4 控制算法的实现 |
45-46 |
|
4.5 本章小结 |
46-47 |
|
第5章 仿真实验及结果分析 |
47-56 |
|
5.1 起励实验 |
47-50 |
|
5.2 初始扰动实验 |
50-52 |
|
5.3 三相短路故障实验 |
52-55 |
|
5.4 本章小结 |
55-56 |
|
第6章 结论 |
56-58 |
|
6.1 本文的总结 |
56 |
|
6.2 下一步工作的展望 |
56-58 |
|
参考文献 |
58-62 |
|
致谢 |
62-63 |
|
在学期间发表的学术论文与研究成果 |
63 |
|
| 【DOI】 | LunWen.ID:2.2008.388944 |
