开关磁阻电机神经网络自适应PWM转速控制

开关磁阻电机调速系统(SRD)作为1种交流无级调速系统以其宽广的调速范围和优越的调速性能而倍受关注。但由于开关磁阻电机高度的非线性和多变量的特点,很难建立其精确的数学模型,使得SRD的控制存在较大难度。针对这一问题,提出1种基于径向基函数(radial basis function, RBF)神经网络的开关磁阻电机自适应PWM转速控制方法。该方法利用RBF神经网络极强的逼近能力和快速的收敛性,将离线训练好的网络构成转速控制器,并结合网络的在线训练,让控制器在电机运行中自适应地调节网络参数,使之适应环境的变化。同时构造另一个RBF网络对控制对象进行在线辨识,为控制网络的在线学习提供所需的梯度参数。通过实验,证明了该方法具有响应速度快、控制精度高、适应性强等优点。     

基于BP神经网络在线辨识的开关磁阻电机神经网络自适应PID控制

基于开关磁阻电机的高度非线性的电磁特性,固定参数的PID调节器无法得到理想的控制性能指标,该文提出了一种基于BP神经网络在线辨识的SRM神经网络PID自适应控制新方法。实验结果表明,利用BP神经网络来构成开关磁阻电机的神经网络自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。     

基于RBF神经网络的开关磁阻电机单神经元PID控制

论文提出了一种基于径向基函数（radial basis function）神经网络在线辨识的开关磁阻电机（SRM）单神经元PID自适应控制新方法。该方法针对开关磁阻电机的非线性，利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器，不但结构简单，而且能适应环境变化，具有较强的鲁棒性。并构造了一个RBF网络对系统进行在线辨识。建立其在线参考模型．由单神经元控制器完成控制器参数的自学习，从而实现控制器参数的在线调整，能取得更好的控制效果。样机的实验结果表明，文中所提出的基于RBF神经网络辨识的开关磁阻电机单神经元自适应PID控制方法，通过在线辨识建立了过程模型并为神经元控制器提供了梯度信息，达到了在线辨识在线控制的目的，控制精度高，动态特性好。     

基于RBF网络的开关磁阻电动机自适应滑模控制

结合滑模控制和神经网络各自的优点,对开关磁阻电动机提出了一种基于RBF神经网络的开关磁阻电动机自适应滑模控制方案。设计了基于反馈线性化的滑模变结构控制器,通过RBF神经网络的在线学习实时估计系统参数变化,减小系统参数变化对控制效果的影响,实现了开关磁阻电动机的自适应滑模控制。理论分析证明了所设计自适应神经滑模控制器的稳定性和可行性,仿真结果证明了所设计控制器可行性。     

基于神经网络的SRM直接转矩控制系统仿真研究

文中采用直接转矩控制(DTC)方法有效的抑制了开关磁阻电机的转矩脉动。并将基于神经网络自适应PID控制的电机调速系统应用于该直接转矩控制系统,解决了常规PID控制器难以取得良好控制效果的问题。其中主要介绍了BP神经网络自适应PID以及RBF神经网络自适应PID控制策略的基本原理以及算法,并对比了二者的响应速度和鲁棒性。仿真结果表明,在SR电机调速系统中,利用神经网络收敛迅速的优点,两种控制器均能实现对给定转速快速、稳定的跟踪,并能适应系统参数的变化,具有良好的适应性和鲁棒性。但RBF-PID调速系统响应速度更快,更适用于实时控制的系统。     

基于自适应模糊PID开关磁阻电机调速系统仿真

针对开关磁阻电机(SRM)非线性、变结构、电磁关系难以分析等问题,采用自适应模糊PID控制算法,对SRM调速系统进行研究.文中论述了直接转矩控制、自适应模糊PID控制器的设计,通过SIMULINK进行仿真,并与常规PID控制器下的SRM调速系统进行对比分析.仿真结果表明:基于自适应模糊PID控制器的开关磁阻电机调速系统...     

平面开关磁阻电机模型参考自适应位置控制

为了提高平面开关磁阻电机的位置精确度,研究一种基于模型参考自适应控制理论的平面开关磁阻电机控制方法。采用最小二乘法辨识了平面开关磁阻电机的线性化模型参数,根据李亚普若夫稳定性理论,以力指令为控制量并采用输入输出变量设计了平面开关磁阻电机模型参考自适应位置控制器,基于dSPACE半实物实时仿真系统,构建了实时在线控制实验平台,进行了平面开关磁阻电机的模型参考自适应位置控制实验。研究表明:基于模型参考自适应控制的平面开关磁阻电机系统能平稳、准确地跟随给定位置,提高了电机位置精确度,验证了提出的平面开关磁阻电机模型参考自适应控制方法的可行性和有效性。     

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。     

基于模糊自适应PID的SR电机DITC系统仿真研究

针对开关磁阻电机采用传统控制方法存在转矩脉动大、调速系统性能低的缺点,本文提出了直接瞬时转矩控制(DITC)与模糊自适应PID控制器结合的新方法。通过瞬时转矩闭环控制抑制转矩脉动,应用模糊理论根据电机运行情况在线自调节PID的参数改善系统调速性能。仿真结果表明,DITC控制方法对转矩脉动的抑制效果明显优于传统PWM控制和直接转矩控制方法,模糊自适应PID控制器的引入又能使调速系统具有超调小、转速稳定时间短、鲁棒性强的优点。     

基于模型参考神经网络的异步电机鲁棒速度控制方法

提出一种新型的基于模型参考神经网络的异步电机驱动系统鲁棒速度控制方法。由带负载转矩观测器的两层神经网络对象辨识器(NNPI)对未知的电机动态参数进行实时的自适应辨识与估计。由双层神经网络PI控制器(NNC)对异步电机转子速度进行鲁棒控制。神经网络使用学习算法以自动调节NNPIC的参数并有效地降低系统对参数变化以及负载扰动的敏感度。仿真结果表明该方法对于参数变化和负载转矩扰动具有很强的自适应能力,能够提高异步电机的性能,并减小其对参数变化、非线性影响以及负载扰动的敏感度。     

参数在线辨识的大功率开关磁阻电机可逆控制

为了减小开关磁阻电机模型参数变化对电机性能的不利影响,采用最小二乘法对磁链模型参数进行在线辨识,建立了以参数在线辨识模型为基础的磁链控制器,实现了对大功率开关磁阻电机的可逆运行控制.三相12/8极100kW开关磁阻电机的实验结果证实了参数在线辨识算法对于磁链的估算误差小于3%,并且在开关频率10kHz的条件下,理想方波电流给定下误差小于5%.采用参数在线辨识模型的大功率开关磁阻电机调速系统在煤矿生产现场的运行结果证实了方案的可行性和有效性.     

感应电机调速系统的模糊神经网络控制研究

针对多变量、非线性、强耦合的感应电机调速系统,传统的PID控制和模糊控制均不能达到理想的控制效果的问题,依据空间矢量控制理论建立了感应电机的数学模型,提出了一种基于模糊神经网络的感应电机调速系统控制方法,并且在基于神经网络离线训练的基础上提出了在线调整网络参数的策略,实现了感应电机调速系统的高精度控制,并通过Matlab仿真进行了分析研究。结果表明,系统具有优良的动静态性能,且对电机参数的变化与负载扰动具有较强的鲁棒性。     

基于神经网络的增强型自适应滑模控制策略研究

针对存在显著未知惯量动态的感应电机伺服系统鲁棒跟踪控制问题,提出一种基于神经网络的增强型自适应滑模控制(EASMC)策略,根据实时控制的需要设计了可灵活配置的通用型三层前馈神经网络,并采用结构化补偿方式以充分利用其描述能力;以权值伪边界估计为基础,将不连续投影修正引入权值自适应律以实现权值估计误差有界;构造了基于改进型边界估计方法的自适应开关控制用于补偿包含重建误差、泰勒序列高阶尾项、外部扰动等在内的综合等价扰动项。仿真结果表明,该文提出的控制策略能较好地实现对未知惯量动态的拟合和补偿,有效改善了伺服系统的跟踪性能。     

开关磁阻电机直接转矩BP-PID控制器的设计

针对采用常规PID控制器很难取得很好的控制效果,提出了单神经元PI复合控制的开关磁阻电机调速系统的新方法,利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。以速度误差为系统外环输入,大偏差时采用单神经元控制,小偏差时采用PI控制。外环的输出变量为内环的目标转矩,送入60 kW三相6/4结构的开关磁阻电机直接转矩调速系统内环。仿真结果表明,这种复合控制方法解决了常规控制方法因电机数学模型难以精确确定而无法确定控制参数的问题,并克服了常规PI控制存在静差、无抗干扰能力的缺点,很好的解决了系统上升时间与超调的矛盾。     

自适应模糊PID控制器在开关磁阻电机中的应用

开关磁阻电机调速系统是一个多变量高度耦合、非线性很强的控制系统,采用常规的控制方式难以获得良好的控制效果.设计了应用于开关磁阻电机调速系统的自适应模糊PID控制器,并利用Matlab的Simulink工具对开关磁阻电机调速系统进行了仿真分析,结果表明系统超调量小,动态性能好,稳态精度高,抗干扰和鲁棒性强.     

基于迭代学习控制的开关磁阻电机转矩脉动抑制

迭代学习控制具有算法简单,且控制过程不需要预知被控系统模型和参数的特点。针对开关磁阻电机转矩脉动较大的问题,将迭代学习控制(ILC)引入到开关磁阻电机的转矩控制中。以一台8/6极开关磁阻电机为研究对象,建立了基于ILC的开关磁阻电机调速系统的仿真模型,构建了以TI公司TM320F2812为控制核心的基于ILC的开关磁阻电机调速系统的实验平台,并分别进行了系统的计算机仿真和实验研究,仿真和实验结果证明了基于ILC的控制方法能显著减小开关磁阻电机转矩脉动。     

开关磁阻电机的自抗扰控制策略研究

开关磁阻电机由于其具有结构简单、可靠性高、调速范围宽等优点,在多种场合如新能源汽车以及家用电器等领域内得到应用和发展。本文以直驱型宽转速调速的多功能食品料理机为研究对象,结合开关磁阻电机特性及机械运动方程,建立系统仿真模型,利用自抗扰控制设计了开关磁阻电机宽转速稳定的调速系统,验证自抗扰系统能更好地抑制外部负载变化引起的扰动影响,并且具有更好的动态响应及稳态性能。最后对一台四相8/6开关磁阻电机进行实验,结果表明自抗扰控制可以有效控制电机的转速和转矩,在宽转速范围变工况条件具有优良控制性能。     

基于RBF神经网络非线性预测模型的开关磁阻电机自适应PID控制

开关磁阻电机的非线性和变参数特性使得采用传统的PID控制很难取得较好的控制效果。人工神经网络在一定的条件下可以任意精度逼近任意非线性函数且具有较强的自学习、自适应、自组织能力。故将其与传统的PID控制相结合构成神经网络自适应PID控制策略，应用于非线性严重的开关磁阻电机，可实现对开关磁阻电机的高性能控制。同时，神经网络所具有的非线性变换特性和高度的并行运算能力使得其适合建立非线性预测模型进行参数预测。通过对被控系统参数的预测，可提高系统的动态响应性能。该文采用两个神经网络-BP神经网络和RBF神经网络来分别构成神经网络NNC和神经网络NNI。神经网络NNC进行自适应PID参数调节；神经网络NNI用来建立非线性预测模型进行参数预测。为进一步加快神经网络的学习收敛速度，该文采用变学习速率的神经网络学习算法，学习速率随收敛过程误差的大小而自适应地进行调整，这可大大加快神经网络学习训练的收敛速度，进一步提高系统动态响应速度。实验结果表明，系统的动态响应快，超调小，稳态精度高，鲁棒性强，有较强的抗扰动能力，具有较好的控制效果。     

两电机调速系统的神经网络逆无模型自适应鲁棒解耦控制

为了解决非线性强耦合的多输入/输出的两电机调速系统存在较大负载扰动的问题,提出一种基于神经网络逆(neural network inverse,NNI)的鲁棒解耦控制策略。首先,根据逆系统理论,分析系统的可逆性,利用神经网络逼近原系统逆模型,将强耦合的两电机非线性系统线性化解耦为一伪线性复合系统。其次,针对两电机调速系统中负载扰动的问题,根据动态线性化理论,设计无模型自适应(model-freeadaptive,MFA)补偿控制器;将MFA补偿控制器与伪线性化复合系统相结合,以提高神经网络逆控制的两电机调速系统在负载扰动下的抗扰性能。基于Matlab/Simulink和PLC实验平台进行仿真和实验。实验结果表明:基于神经网络逆系统的MFA鲁棒控制策略不仅能很好地实现两电机转速与张力的解耦,还对负载扰动具有很强的抗扰性能。     

双神经网络交流传动自适应规划控制

将Hopfield神经网络应用于交流传动系统的自适应控制，通过神经网络来规划交流调速系统的速度控制器动态输出；并将Hopfield神经网络控制器代替矢量控制系统中的转速调节器，使速度控制器具有对某些参数变化良好的鲁棒性。对于不可控的负载转矩分量，加入神经网络负载转矩在线跟踪控制器，形成参数自动跟踪神经网络，构成具有参数在线跟踪功能的交流传动双神经网络自适应规划控制模式，进一步提高了系统的性能．仿真结果证明了该控制方案的有效性．