基于神经网络PID控制的有源电力滤波器的研究

现代矿业 ›› 2014, Vol. 30 ›› Issue (06): 135-137.

基于神经网络PID控制的有源电力滤波器的研究

郎进平，杜迎喜

太钢集团岚县矿业有限公司

出版日期:2014-06-15 发布日期:2015-08-17

Online:2014-06-15 Published:2015-08-17

摘要/Abstract

摘要： 针对有源电力滤波器非线性、时变及变参数等特点，设计出一种基于BP算法的神经网络PID控制器。该控制器将神经网络和PID控制策略相结合，兼顾传统PID控制器结构简单、容易实现等优点，以及神经网络自学习、自适应及逼近函数的能力，不断优化PID控制器的控制参数，最终能够获得一组最优的控制参数来满足当前的工况。仿真结果表明：相比于常规PID控制器，神经网络PID控制器的响应速度更快、控制精度更高，同时电网电流的谐波畸变率更小，获得了令人满意的控制效果。

郎进平, 杜迎喜. 基于神经网络PID控制的有源电力滤波器的研究[J]. 现代矿业, 2014, 30(06): 135-137.

LANG Jin-Ping, DU Ying-Xi. [J]. Modern Mining, 2014, 30(06): 135-137.

[1]	李明. 某露天矿岩层台阶爆破优化分析[J]. 现代矿业, 2020, 36(4): 75-76.
[2]	魏军, 迟振林, 张兴帆. 爆破参数智能设计的T-S模糊神经网络方法[J]. 现代矿业, 2019, 35(09): 50-55.
[3]	李超, 尚衍波, 朱阳戈, 罗科华, 阳光. 神经网络技术在选矿行业的应用研究[J]. 现代矿业, 2019, 35(08): 123-126.
[4]	王骥文. 基于ＲＢＦ神经网络的刮板输送机故障诊断[J]. 现代矿业, 2017, 33(11): 157-159.
[5]	陈琼, 欧洪宁, 姜群, 张钦礼, 刘伟军. 基于RBF神经网络的爆破参数优选[J]. 现代矿业, 2016, 32(09): 18-20+27.
[6]	吉振光. 灰色关联理论在神经网络预测邻近层瓦斯涌出模型中的应用[J]. 现代矿业, 2013, 29(12): 9-10+30.
[7]	孙维丽, 师吉林. 基于BP神经网络的矿井素质评价及应用[J]. 现代矿业, 2013, 29(08): 98-99+104.
[8]	马明辉, 孙祥鑫. 不同神经网络在岩体质量分级中的应用与比较[J]. 现代矿业, 2013, 29(07): 14-17.
[9]	潘勇, 杨天祥. 岩体可爆性分级的神经网络判别方法[J]. 现代矿业, 2013, 29(01): 21-23.
[10]	张胜伟, 宋振柏, 张华荣, 李帅. 大坝变形预测的支持向量机模型[J]. 现代矿业, 2012, 28(02): 25-27+37.
[11]	张明, 冯涛, 朱卓慧. 采煤工作面瓦斯抽采率预测的神经网络模型[J]. 现代矿业, 2011, 27(3): 37-39.
[12]	孔祥礼, 肖艳波, 郭涛, 王子栋. 基于BP神经网络与时间序列的滑坡变形预测分析[J]. 现代矿业, 2011, 27(12): 80-82.
[13]	王明柱, 郭广礼, 查剑锋, 王磊, 王强. BP神经网络在开采沉陷相似材料配比中的应用[J]. 现代矿业, 2011, 27(07): 10-12.
[14]	应海松, 李斐真. 基于小波和神经网络的聚类分析判断进口铁矿石检验的差错及其预防[J]. 现代矿业, 2010, 26(3): 59-62.
[15]	王强, 郭广礼, 査剑锋. 基于BP神经网络的岩移监测站缺失点数据插补[J]. 现代矿业, 2010, 26(2): 73-75.

基于神经网络PID控制的有源电力滤波器的研究

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价