首页--工业技术论文--电工技术论文--电机论文--发电机、大型发电机组(总论)论文

基于粒子群优化的模糊神经PID的发电机励磁控制研究

摘要第1-4页
Abstract第4-7页
第一章 绪论第7-15页
   ·同步发电机励磁控制的意义第7-8页
   ·发电机励磁控制的发展与评述第8-12页
     ·古典励磁控制方式第9页
     ·线性多变量励磁控制方式第9-10页
     ·非线性多变量励磁控制第10-11页
     ·智能控制方式第11-12页
   ·模糊神经网络的发展与现状第12-13页
   ·本文的主要工作第13-15页
第二章 模糊控制和神经网络控制基础第15-35页
   ·模糊控制理论第15-23页
     ·模糊控制理论的数学基础第15-17页
     ·模糊语言与模糊逻辑第17-18页
     ·模糊控制系统与模糊控制器第18-23页
   ·人工神经网络第23-34页
     ·人工神经网络模型第23-25页
     ·人工神经网络的拓扑结构第25-27页
     ·人工神经网络的学习方法第27-28页
     ·三层前馈神经网络详述第28-34页
   ·本章小结第34-35页
第三章 励磁控制系统及其数学模型的建立第35-39页
   ·励磁控制系统的组成第35页
   ·励磁系统的性能要求第35-36页
   ·发电机励磁控制系统数学模型的建立第36-38页
   ·本章小结第38-39页
第四章 模糊神经PID 励磁控制器的具体设计第39-51页
   ·常规PID、模糊、模糊PID 控制原理第39-44页
     ·常规PID 控制器的设计原理第39-41页
     ·模糊控制器的设计原理第41-43页
     ·模糊-PID 控制器的设计第43-44页
   ·模糊神经PID 控制器具体设计第44-49页
     ·模糊神经PID 控制器的网络拓扑结构第45-47页
     ·模糊神经PID 控制器的控制算法分析第47-49页
   ·本章小结第49-51页
第五章 基于PSO 的模糊神经PID 控制器的参数寻优第51-63页
   ·粒子群算法介绍第51-54页
     ·粒子群优化算法基本原理第51-52页
     ·粒子群算法参数的设置及算法流程第52-54页
   ·粒子群算法的几种典型改进算法及其应用第54-59页
     ·粒子群算法的几种典型改进算法第54-57页
     ·改进PSO 算法的具体应用第57-59页
   ·模糊神经PID 励磁控制器参数的优化第59-61页
     ·模糊神经PID 控制器参数的离线优化具体实现第59-60页
     ·仿真模型的建立第60-61页
   ·本章小结第61-63页
第六章 系统仿真试验和结果分析第63-75页
   ·励磁控制系统数学模型第63-64页
   ·具体仿真和结果分析第64-73页
     ·利用PSO 算法寻优PID 参数第64-67页
     ·模糊自调整的PID 励磁控制器仿真第67-72页
     ·改进PSO 的模糊神经PID 励磁控制器的仿真研究第72-73页
   ·本章小结第73-75页
第七章 总结与展望第75-77页
   ·本文的总结第75页
   ·下一步工作的展望第75-77页
致谢第77-79页
参考文献第79-83页

论文共83页,点击 下载论文
上一篇:基于VDMOSFET的DC/DC转换器辐射损伤预兆单元研究
下一篇:微波非线性电路建模方法的研究