基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

基于DSP的开关磁阻电动机自适应调速系统设计

针对开关磁阻电动机的非线性特性导致的控制难度较大、控制准确度不高等问题,建立了理想情况下开关磁阻电动机的数学模型,基于神经网络提出了一种开关磁阻电动机自适应调速控制方法,通过神经网络控制器对PID控制参数进行优化,由在线辨识器获取难以确定的控制参数,并基于DSP设计了开关磁阻电动机控制系统,最后进行了仿真实验。仿真结果表明:与PID控制方法相比,该方法可以实现对给定速度的快速、稳定跟踪,而且能消除参数变化对系统的影响,具有较好的鲁棒性能。     

基于参数辨识的永磁同步电机无位置传感器控制

针对电机运行过程中参数变化会影响永磁同步电机(PMSM)无位置传感器控制性能的问题,将递推的最小二乘法(RLS)用于PMSM参数的在线辨识,在最大转矩电流比控制策略下,使用基于BP神经网络改进的模型参考自适应系统构建无位置传感器控制方案,提出了基于在线参数辨识的PMSM无位置传感器控制方案。运用递推的RLS对PMSM的交轴电感和转子磁链进行在线辨识,并将参数辨识结果应用于电机无位置传感器算法中。仿真和试验证明了基于递推的RLS参数辨识算法可以对PMSM的转子磁链和交轴电感值进行准确辨识,基于参数辨识的PMSM无位置传感器控制方案性能更好。     

PMSM伺服控制系统的改进单神经元PID控制

永磁同步电动机(PMSM)交流伺服系统中含有未知复杂干扰,属于一类复杂的非线性、不确知系统,会影响PID控制算法的控制质量,无法满足伺服系统的高精度指标要求.利用神经网络对未知信息数据的自学习和自适应能力,设计出一种结合传统PID控制与单神经元自适应智能PID控制器,并针对单神经元自适应PID参数的在线学习规则进行了改进.仿真结果表明,应用了单神经元PID控制的伺服系统,不但结构简单,而且能适应环境变化,有效抑制干扰,控制精度明显改善,有较强的鲁棒性,达到了理想的控制效果.     

基于TR-BFGS的PMSM变参数识别及优化控制

永磁同步电机参数会随着运行工况的变化而改变,为实现高精度控制,提高系统稳定性,工程上可采用PMSM变参数控制技术。针对目前PMSM在线参数辨识方法对噪音等非电气因素的鲁棒性差、辨识精度不高的问题,本文介绍了基于TR-BFGS算法的变参数识别方法及优化控制技术。建立PMSM在dq坐标系下的等效数学模型,以实际电机电流和模型输出电流为基准,设计合适的目标函数,去除辨识中的系统扰动和固有误差,通过求解目标函数最小值获取PMSM参数预测值,并以此更新电流、转速双闭环控制系统中电机参数值。试验结果表明,本文所提参数辨识方法辨识精度高,可实现PMSM变参数高性能控制。     

采用神经网络控制的永磁同步电动机调速系统

针对传统PID控制的不足，设计了神经网络（ANN）控制的永磁同步电动机（PMSM）调速系统并进行了仿真分析。结果表明：采用神经网络控制的调速系统具有更好的起动性能，当负载或参数突变时，具有恢复时间短、振荡小等特点，证明了神经网络控制的优越性。     

改进神经网络优化PID和模糊理论在异步电动机中的应用

为了提高异步电动机的控制器准确度,针对传统PID控制存在的一些不足,提出了一种改进神经网络优化PID和模糊理论的异步电动机控制策略。首先采用神经网络对异步电动机PID控制器的三个参数进行实时、自适应调整,并通过改进粒子群算法优化神经网络参数;然后利用模糊控制器替代异步电动机的滞环控制器;最后通过仿真实验对其性能进行测试。实验结果表明,该控制策略大幅度改善了异步电动机控制器的动态响应性能,具有较好的鲁棒性,且实际应用价值更高。     

采用神经网络控制的永磁同步电机调速系统

为改进传统PID控制的永磁同步电动机(PMSM)调速系统性能,设计了神经网络速度控制器并对其构成的矢量控制系统进行了仿真分析.结果表明,当电机参数改变或受到外部扰动时,该系统具有更好的动态性能.     

无绳提升系统模糊自整定PID位置控制

由于垂直运动永磁直线同步电动机的特殊结构及特殊的边端效应,其精确的数学模型不容易建立。针对永磁直线同步电动机驱动的无绳提升系统,用常规PID调节器很难满足位置伺服系统快速、无超调的响应特性的要求,提出了模糊自整定PID位置控制策略,并通过模糊规则在线调整PID控制的参数。仿真结果表明,和传统的PID控制比较,模糊PID控制系统具有良好的稳定性和自适应能力。     

基于神经网络模糊PID的步进电动机控制系统

针对两相混合式步进电动机建立数学模型,利用MATLAB语言的S函数,设计了用于步进电动机控制的具有参数自整定功能的神经网络模糊PID控制器。通过Simulink仿真,分别分析了神经网络模糊PID控制器下的步进电动机空载和空载起动后加载时系统的响应情况,仿真结果表明该控制器对步进电动机速度和输出转矩控制效果明显,相对于BP神经网络参数自学习的PID控制,具有响应速度更快、超调更小、抗负载冲击能力更强等良好的静动态特性,从而为步进电动机控制系统的仿真及实际应用研究提供了一种可靠、方便的控制器模型。     

带神经网络转矩观测器的PMSM自适应前馈 PID控制器设计

推导了永磁同步电机(PMSM)的ARMA模型，由递归神经网络构成综合转矩观测器，从而把综合负载转矩视为可测干扰；结合极点配置自校正控制、PID控制和前馈控制思想，设计了PMSM的自适应前馈PID控制器。有效地解决了PMSM系统中参数变化和负载扰动等不确定性问题。仿真实验结果表明，该方法具有较强的鲁棒性。     

一种基于TSK型递归模糊神经网络的无刷直流电动机位置控制方法仿真

考虑系统的参数变化和包括摩擦力在内的非线性及时变的外界干扰情况下,永磁无刷直流电动机位置伺服控制系统是多变量和非线性的时变系统.针对传统PID控制方法的不足,提出了一种TSK型模糊神经网络控制器的设计方法,并用于永磁无刷直流电动机伺服控制系统的位置控制;可同时动态在线进行结构学习和参数学习,以提高位置控制静态精度和动态跟踪性能.仿真结果表明,所设计的TSK型模糊神经网络位置控制器响应速度快、跟踪性能好、输出精度高、动态和静态性优能于传统PID控制方法.     

统一电能质量调节器并联侧控制算法的研究

针对统一电能质量调节器(UPQC)并联侧的结构特点和数学模型,提出了一种基于径向基函数(RBF)神经网络整定PID自适应控制的新算法。该方法由径向基函数神经网络在线辨识得到梯度信息,PID参数根据梯度信息在线调整,自适应系统参数的变化,通过电流控制,使UPQC并联侧输出相反谐波和无功电流,从而使系统中不含谐波电流成分。在Simulink环境下分别针对三相恒定对称非线性负载和三相变化非线性负载的情况进行仿真,仿真结果证明了该方法的有效性和正确性。     

基于RBF神经网络的永磁同步电机速度控制

针对常规PID控制的永磁同步电机调速系统性能不足,利用RBF神经网络较强的非线性映射能力,提出一种基于RBF神经网络PID自整定方案。该算法通过RBF神经网络在线辨识对PID参数整定,改善常规PID控制效果。在Matlab/Simulink构建了基于S函数的RBF神经网络PID控制器和永磁同步电机调速系统,并结合研究对象进行仿真研究。仿真结果表明:该控制器具有较好的静、动态性能,并有较强的自适应性和鲁棒性。     

基于BP神经网络的PID控制及仿真

本文讨论基于BP神经网络的PID控制，利用神经网络的自学习能力进行PID控制参数的在线整定、并使用Matlab软件进行了仿真研究。BP神经网络是一种前向神经元网络，具有学习速率快、振荡小、精度高的优点。仿真结果表明，神经网络PID控制器参数调整简单，具有很高的精度和很强的适应性，可以获得满意的控制效果。     

基于RBF神经网络的PID控制在变风量空调系统中的应用

将RBF神经网络引入PID控制中,建立了一个三层神经网络模型。通过RBF神经网络的在线辨识对PID控制的三个参数进行在线调整,从而改善系统的控制效果。仿真结果表明:基于RBF神经网络的PID控制与传统PID控制相比,具有较强的鲁棒性和自适应能力,控制精度高,效果好,安全可靠。     

基于遗传算法的永磁同步电机调速系统PID参数优化

在分析永磁同步电机(PMSM)数学模型的基础上,针对传统PID整定方式存在的不足,引入了遗传算法对PMSM调速系统PID参数进行寻优。在迭代计算过程中采取最优保留策略,保证个体最终收敛于全局最优值。为了实现理想的电机转速控制效果,采用误差绝对值时间积分型目标函数,并在其中加入了超调惩罚项。仿真研究的结果表明,经过遗传算法优化后的PMSM控制系统具有超调量小、调节时间短、鲁棒性好的特点,与传统PID控制相比具有较高的动态品质和稳态精度。     

基于模型参考自适应的单神经元PID控制器设计

将神经网络和模型参考自适应控制系统相结合,研究基于模型参考自适应理论永磁同步电动机(PMSM)BP神经网络速度辨识的单神经元比例积分微分(PID)速度控制器。该系统基于模型参考自适应理论利用BP神经网络辨识器得到的参数信息,使用单神经元PID控制器取代传统PID控制在线调整权值。根据李亚谱诺夫稳定性理论验证了该控制器的稳定性,仿真与实验研究证明该方法改善了PMSM速度控制系统的动态响应与自适应控制能力。     

基于遗传算法的永磁同步电机调速系统PID参数优化

在分析永磁同步电机（PMSM）数学模型的基础上,针对传统PID整定方式存在的不足,引入了遗传算法对PMSM调速系统PID参数进行寻优。在迭代计算过程中采取最优保留策略,保证个体最终收敛于全局最优值。为了实现理想的电机转速控制效果,采用误差绝对值时间积分型目标函数,并在其中加入了超调惩罚项。仿真研究的结果表明,经过遗传算法优化后的PMSM控制系统具有超调量小、调节时间短、鲁棒性好的特点,与传统PID控制相比具有较高的动态品质和稳态精度。     

永磁同步电动机空间矢量PWM方法优化策略综述

针对永磁同步电动机空间矢量PWM方法存在转子位置检测、死区效应和传统PID控制准确度不高等问题,在分析空间矢量PWM控制基本原理的基础上,从取消位置传感器、改进PID参数、补偿与消除死区效应、分配零矢量和提高逆变电平数等5个方面对当前主流的永磁同步电动机空间矢量PWM方法优化策略进行了综合评述。而发展空间矢量PWM的直接转矩控制算法,将先进控制理论应用于PMSM和集成控制方法的创新将是下一步研究的重点。永磁同步电动机(Permanent Mag-net Synchronous Machine,PMSM)以其高效性、低损耗和高转矩惯量比等优点被广泛应用于高准确度调速等控制领域。近年来,我国风力发电发展迅猛,尤其是采用永磁同步电动机构成的直驱