-
Patent Agency Ranking
公开(公告)号：CN101630144A
公开(公告)日：2010-01-20
申请号：CN200910044150.1
申请日：2009-08-18
Applicant: 湖南大学
Abstract: 本发明公开了一种电子节气门的自学习逆模型控制方法，该控制器的组成结构包括2个部分：1)采用一个径向基函数神经网络作为辨识器，建立电子节气门的非线性模型；2)采用另外一个RBF神经网络作为逆模型控制器，得到合适的控制量。这里的2个RBF神经网络采取了一种自学习策略，包括离线学习和在线学习两个环节：离线学习中，2个RBF神经网络根据现场样本数据，调整优化网络权值参数；离线学习完成后，再采用一种在线学习算法调整优化这两个RBF神经网络权值参数，控制性能达到要求。本发明能克服电子节气门控制中的非线性、时变等难题，提高控制的效果和性能。
-
公开(公告)号：CN101145750A
公开(公告)日：2008-03-19
申请号：CN200710035764.4
申请日：2007-09-18
Applicant: 湖南大学
Abstract: 本发明公开了一种大型发电机组的多模型综合智能控制方法，其步骤为：(1)建立模型库与控制器库：模型库中包含了N种子模型，对应于发电机组的N种运行工况，控制器库由N个子模型模糊控制器组成，且每一个子模型模糊控制器是针对一种子模型设计控制规则；每个子模型模糊控制器均为双输入双输出的控制器，其输入为功角偏差量eδ和端电压偏差量eVt，输出为励磁调节量uf和汽门开度调节量u2；(2)采集发电机组的实时工况数据，以变量(δ，Vt)来衡量发电机组的实际工况值；(3)用模糊逻辑来计算实际工况值(δ，Vt)与模型库中N个子模型的匹配程度fn，以此作为综合控制器集成的加权系数wn(n＝1，2，…，N)。本发明具有简单可靠、实时性好、控制精度高、实践性好等优点。
-
公开(公告)号：CN100544186C
公开(公告)日：2009-09-23
申请号：CN200710035764.4
申请日：2007-09-18
Applicant: 湖南大学
Abstract: 本发明公开了一种大型发电机组的多模型综合智能控制方法，其步骤为：(1)建立模型库与控制器库：模型库中包含了N种子模型，对应于发电机组的N种运行工况，控制器库由N个子模型模糊控制器组成，且每一个子模型模糊控制器是针对一种子模型设计控制规则；每个子模型模糊控制器均为双输入双输出的控制器，其输入为功角偏差量eδ和端电压偏差量eVt，输出为励磁调节量uf和汽门开度调节量u2；(2)采集发电机组的实时工况数据，以变量(δ，Vt)来衡量发电机组的实际工况值；(3)用模糊逻辑来计算实际工况值(δ，Vt)与模型库中N个子模型的匹配程度fn，以此作为综合控制器集成的加权系数wn(n＝1，2，…，N)。本发明具有简单可靠、实时性好、控制精度高、实践性好等优点。
-
公开(公告)号：CN101630144B
公开(公告)日：2010-12-08
申请号：CN200910044150.1
申请日：2009-08-18
Applicant: 湖南大学
Abstract: 本发明公开了一种电子节气门的自学习逆模型控制方法，该控制器的组成结构包括2个部分：1)采用一个径向基函数神经网络作为辨识器，建立电子节气门的非线性模型；2)采用另外一个RBF神经网络作为逆模型控制器，得到合适的控制量。这里的2个RBF神经网络采取了一种自学习策略，包括离线学习和在线学习两个环节：离线学习中，2个RBF神经网络根据现场样本数据，调整优化网络权值参数；离线学习完成后，再采用一种在线学习算法调整优化这两个RBF神经网络权值参数，控制性能达到要求。本发明能克服电子节气门控制中的非线性、时变等难题，提高控制的效果和性能。
-
公开(公告)号：CN101635553A
公开(公告)日：2010-01-27
申请号：CN200910044151.6
申请日：2009-08-18
Applicant: 湖南大学
Abstract: 本发明公开了一种应用于发电机励磁与汽门系统的综合智能解耦控制方法，其特征在于：针对发电机端电压和功角两个变量，分别计算期望值与实际值的误差，设计一种新的综合智能解耦控制器，该控制器由模糊逻辑控制器、神经元PID控制器及解耦补偿器三个部分组成，并给出了该控制器的具体结构、参数设置和参数学习训练算法。该综合智能控制器可以同时调节发电机励磁与汽门系统，控制器输入量为2个：发电机端电压的误差、功角的误差，本发明中的控制器根据设定的控制规则和控制参数，以2个控制输出量分别作用于励磁和汽门系统。本发明能解决发电机励磁与汽门系统综合控制中的强非线性、时变、耦合等难题，获得良好的控制效果。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
