针对标准粒子群算法(PSO)在横动伺服控制系统黑像模型辨识过程中出现的局部收敛问题,提出了一种引入多粒子共享策略(multi-particle information share)的改进粒子群算法(MPSO)辨识方法。首先,建立了系统的五阶传递函数模型,其次,在PSO...针对标准粒子群算法(PSO)在横动伺服控制系统黑像模型辨识过程中出现的局部收敛问题,提出了一种引入多粒子共享策略(multi-particle information share)的改进粒子群算法(MPSO)辨识方法。首先,建立了系统的五阶传递函数模型,其次,在PSO算法的基础上,引入多粒子信息共享和综合判断来修正各粒子的下一次行动策略,避免粒子趋同陷入局部最优,实现了系统模型的优化。最后,为了验证辨识模型的正确性,进行仿真与实测对比实验,结果表明:该算法辨识出的模型准确度较高,具有较好的控制品质,对于同一速度输入信号,仿真与实测的输出曲线跟随性好,误差在-0.2~0.2rad范围内,误差小。展开更多
为克服电网谐波检测快速性与稳定性矛盾,基于神经网络自适应原理提出了一种级联神经网络自适应电网谐波检测的改进系统。改进级联系统初级运用大步长常规LMS(Least Mean Square)自适应神经网络单元提高检测跟随性能,次级通过嵌入均值滤...为克服电网谐波检测快速性与稳定性矛盾,基于神经网络自适应原理提出了一种级联神经网络自适应电网谐波检测的改进系统。改进级联系统初级运用大步长常规LMS(Least Mean Square)自适应神经网络单元提高检测跟随性能,次级通过嵌入均值滤波环节平滑权值波动的策略构造新的自适应神经网络单元,保证次级神经网络单元具有良好的电网谐波检测稳态精度。运用传递函数Z域变换分析嵌入均值滤波环节的电网谐波检测自适应神经网络单元的稳定性能,运算推导新的级联次级神经网络自适应单元的步长约束条件,保证改进系统既能够有效地提高电网谐波检测的跟随性能同时又可以提高检测的稳态精度。仿真实验表明改进的级联神经网络自适应系统能有效提高电网谐波检测动态性与精确性。展开更多
文摘针对标准粒子群算法(PSO)在横动伺服控制系统黑像模型辨识过程中出现的局部收敛问题,提出了一种引入多粒子共享策略(multi-particle information share)的改进粒子群算法(MPSO)辨识方法。首先,建立了系统的五阶传递函数模型,其次,在PSO算法的基础上,引入多粒子信息共享和综合判断来修正各粒子的下一次行动策略,避免粒子趋同陷入局部最优,实现了系统模型的优化。最后,为了验证辨识模型的正确性,进行仿真与实测对比实验,结果表明:该算法辨识出的模型准确度较高,具有较好的控制品质,对于同一速度输入信号,仿真与实测的输出曲线跟随性好,误差在-0.2~0.2rad范围内,误差小。
文摘为克服电网谐波检测快速性与稳定性矛盾,基于神经网络自适应原理提出了一种级联神经网络自适应电网谐波检测的改进系统。改进级联系统初级运用大步长常规LMS(Least Mean Square)自适应神经网络单元提高检测跟随性能,次级通过嵌入均值滤波环节平滑权值波动的策略构造新的自适应神经网络单元,保证次级神经网络单元具有良好的电网谐波检测稳态精度。运用传递函数Z域变换分析嵌入均值滤波环节的电网谐波检测自适应神经网络单元的稳定性能,运算推导新的级联次级神经网络自适应单元的步长约束条件,保证改进系统既能够有效地提高电网谐波检测的跟随性能同时又可以提高检测的稳态精度。仿真实验表明改进的级联神经网络自适应系统能有效提高电网谐波检测动态性与精确性。
