直流电机调速系统仿真研究

研究无刷直流电机神经网络的PID控制.针对传统的双闭环PID控制器对控制参数难以适应,抗干扰能力差,对无刷直流电机进行控制时速度较慢、稳定性较差的缺点,为解决上述问题,提出了一种改进的BP网络PID控制的直流电机调速系统.首先确定改进的BP网络的结构,计算BP网络各层输入和输出,再选择增量式数字PID控制算法,计算控制器的输出,对PID控制参数进行自适应修改从而对直流电机进行调速.仿真结果表明,在提高调速系统的稳定性、响应速度、参数适应性和鲁棒性,同时根据对象输出的变化实时调整参数,改善了系统控制存在的稳态精度不高的问题.     

无刷直流电机模糊自适应PID控制研究与仿真

针对传统的PID控制方式在对无刷直流电机系统控制时,存在精度低、抗干扰能力弱等不足,提出一种基于参数自适应模糊PID集成控制策略。首先,分析了无刷直流电机的数学模型,建立了基于双闭环调速系统的无刷直流电机控制系统模型,并对无刷直流电机双闭环系统转速进行模糊PID控制;然后,详细分析了建立该模糊自适应PID控制器的设计方法,提出一种优化模糊算子的优化方法,并运用仿真软件Matlab/Simulink实现了系统的设计和仿真;最后,在相同环境下,对比传统PID控制和模糊自适应PID集成控制两种控制策略的仿真结果。仿真结果表明,模糊自适应PID集成控制算法能使无刷直流电机双闭环控制系统具有更好的动、静态性能及较强的自适应能力。     

无刷直流电机调速系统神经网络自适应滑模变结构控制

为了提高无刷直流电机调速驱动系统的性能,提出神经网络自适应滑模变结构控制策略。推导无刷直流电机端电压与转速之间的微分方程,运用滑模变结构控制理论,通过调节端电压来实现转速控制;为了有效抑制系统在滑模切换面上的抖振采用自适应算法调整滑模增益的大小;从实际应用的角度出发,利用神经网络对非线性函数的任意精度拟合性,设计径向基函数神经网络估计器对控制量中广义扰动进行动态估计。仿真和实验结果表明采用本文提出的方法控制无刷直流电机,超调量小,速度响应快,控制精度高,且系统对各种干扰和参数摄振具有较强的鲁棒性,动、静态性能均优于PID控制。     

基于进化神经网络的BLDCM调速控制

针对标准BP算法存在全局搜索能力弱和易陷入局部极小点等缺点,将遗传算法与BP神经网络相结合,构造了一种新的进化神经网络GA-BP算法,并将该算法应用于无刷直流电机调速系统的控制,仿真结果表明,与传统的PI控制系统相比,该算法得出的电机控制曲线几乎无超调,与基于BP算法的速度控制系统相比较,具有收敛速度快、不易陷入局部极小的优点。     

基于神经网络控制的直流调速系统仿真与分析

在直流电动机性能优化问题的研究中,针对传统PID控制的双闭环直流调速系统参数难以整定、自适应性差等问题,在对系统数学建模的基础上,确定了系统的控制策略,设计了一个BP神经网络的PID控制器.首先确定BP网络的结构,然后计算网络各层的输入和输出,再根据增量式PID控制算法计算控制器的输出,利用BP网络的自学习能力对PID控制器的参数实时在线调整,获得最佳的PID控制参数,从而实现直流电机转速的调节.仿真结果表明,采用神经网络控制的直流电动机调速系统具有良好的动静态性能、抗扰性能和鲁棒性能,说明了控制策略的有效性和先进件.     

无刷直流电机模糊控制系统的仿真及其在DSP中的实现

本文采用模糊控制系统分别在MATLAB与DSP中实现了对永磁无刷直流电机双闭环系统的调速。文中首先建立了永磁无刷直流电机的数学模型,然后利用MATLAB中的Fuzzy Toolbox和SIMULINK实现了对无刷直流电机调速系统的仿真设计,将模糊控制器和PID控制器通过自适应因子结合,在线自调整控制参数,提高了系统的控制精度。最后在基于DSP的控制器中运用本文提出的编程方法实现了上述控制思想。实验验证了调速系统模型的准确性与编程方法的可行性,并且系统具有良好的动态性能。     

基于模糊PID的无刷直流电机调速系统的建模与仿真

无刷直流电机控制系统是一种多变量、强耦合、非线性、时变的复杂控制系统,传统的PID控制很难实现无静差控制。基于模糊PID的电机控制,利用无刷直流电机的电压、转矩和转速方程,通过模糊原理对PID参数进行模糊化,实时调节PID的参数,从而实现对电机转速的高精度控制。仿真结果表明,采用模糊PID控制方法控制无刷直流电机,系统响应速度快、无超调、控制精度高。     

改进模糊神经网络无刷直流电机控制系统设计

针对现实应用中对无刷直流电机速度控制的极高精度要求,设计了一种改进的自适应遗传算法优化的模糊神经网络控制系统,并采用离线和在线两种学习方法,实现了对无刷直流电机转速的精确控制。系统融合了模糊逻辑、神经网络和遗传算法三大智能控制理论的优点,适合于无刷直流电机这样的多变量、强耦合、非线性、时变的复杂系统。通过仿真和在某型水下航行器DSP推进控制系统上的实验表明,方法响应快、超调量小、鲁棒性强,动态特性明显优于传统PID控制。     

BP神经网络在永磁同步电机中的应用

永磁同步电机是一个多变量、非线性、强耦合的系统,传统PID速度控制效果不理想.在分析永磁同步电机数学模型的基础上,采用改进型BP神经网络与传统PID控制相结合作为速度控制器,应用于永磁同步电机调速系统中.在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制,实现了电机速度的自适应控制.仿真结果表明:应用这种新型控制方式的永磁同步电机调速系统具有良好的动态性能和稳态精度.     

开关模糊神经PID控制的无刷直流电机仿真

无刷直流电机是一种时变性的、非线性的以及强耦合性的系统.对于控制精度要求高的场合,传统的PID控制难以满足对无刷直流电机控制的性能要求.模糊PID控制器虽然具有一定的自适应性,但是模糊规则主要靠经验制定具有一定局限性.为解决上述问题,研究了基于双闭环的开关模糊神经PID控制的无刷直流电机,该方法综合了模糊、神经网络和PID的优点,具有适应能力强,控制精度高,专家知识利用较好等.仿真结果表明模糊神经PID控制相对于模糊PID具有转速响应快、超调量小、抗干扰能力强等优点.     

船舶襟翼舵神经网络控制伺服系统

为了解决船舶襟翼舵在复杂的、非线性、不确定的海域环境中的高精度位置控制问题,将神经网络应用在伺服系统中充当控制器与辨识器,通过设计的神经网络PID控制器,使船舶位置伺服控制系统具有高稳定性,及鲁棒性好的特点,且具有要求的动态和静态性能。针对无刷直流力矩电机做了神经网络PID控制系统仿真,并与PID控制做了比较。仿真结果表明了神经网络PID(NN-PID)优越的动态和静态性能。     

基于神经网络的带钢跑偏电液伺服系统研究

带钢跑偏电液伺服控制系统的非线性和时变性使得传统的PID控制很难达到理想的控制效果,将神经网络与普通PID控制相结合形成神经网络自适应PID控制策略,应用于该系统实现其良好控制.为提高系统的动态响应速度及性能,采用RBF神经网络对系统进行辨识预测.首先建立带钢跑偏电液伺服系统数学模型,然后利用AMESim和Simulink软件对传统PID控制和神经网络自适应PID控制进行联合仿真.结果表明,神经网络自适应PID控制系统响应速度快、超调量小、鲁棒性强,并具有良好的稳定性和控制精度.     

Robust Neural Network Controller Design For A Biaxial Servo System

A robust control method for synchronizing a biaxial servo system motion is proposed in this paper. A new neural network based cross‐coupled control and neural network techniques are used together to cancel out the skew error. In the proposed control scheme, the conventional fixed gain PID cross‐coupled controller (PIDCCC) is replaced with the neural network cross‐coupled controller (NNCCC) to maintain biaxial servo system synchronization motion. In addition, neural network PID position velocity and velocity controllers provide the necessary control actions to maintain synchronization while following a variable command trajectory. This scheme provides strong robustness with respect to uncertain dynamics and nonlinearities. The simulation results reveal that the proposed control structure adapts to a wide range of operating conditions and provides promising results under parameter variations and load changes.     

基于模糊神经网络PID的舵机控制系统

针对某型号导弹中舵机控制系统进行优化研究。对于具有非线性、时变特性的复杂系统,在分析传统PID控制算法和模糊神经网络控制算法的基础上,提出一种经过改进的模糊神经网络PID控制器。通过采用自组织学习阶段和有教师学习阶段的分阶段学习方式,提高网络的学习效率。建立直流无刷舵机控制系统的数学模型,利用MATLAB进行仿真分析。实验结果表明,所设计的控制器对阶跃响应更加迅速,基本无超调,对舵偏角指令执行准确,相位移动更小。     

基于RBF神经网络控制的球杆系统位置控制实验研究*

球杆系统是一种典型的高阶非线性不稳定系统,针对PID跟踪控制精度不高及BP神经网络控制训练时间较长的问题,本文提出一种带有低通滤波器的RBF神经网络控制器(RBFC)动态补偿PID控制的球杆控制方法,控制系统由RBF神经网络控制及PID控制器组成。为提高参数辨识速度和避免局部最小值,采用梯度下降法更新隐含层参数,采用带有遗忘因子的最小二乘法更新输出层权值。实验结果表明,该控制方案相比PID控制具有更高的控制精度,比BP神经网络具有更快的学习速度,低通滤波器保证了RBFC的辨识精度和稳定的控制输出,具有良好的动静态特性和控制性能。     

机器人视觉伺服中CMAC学习控制系统研究

根据小脑模型关联控制器（CMAC）收敛速度快,适于实时控制系统的特点,设计了一种基于CMAC学习控制方法的机器人视觉伺服系统。在该系统中,CMAC被用作前馈视觉控制器对常规反馈控制器进行补偿。所提出的CMAC控制器替代图像雅可比矩阵来获得目标图像特征和机器人关节运动之间2D/3D变换关系,通过其在线学习,可以使系统对摄像机标定误差不敏感,从而提高系统的鲁棒性。实验证明了所设计控制系统的有效性。     

非对称模糊PID控制在二质量伺服系统中的应用

针对伺服系统在低速情况下具有较强的摩擦现象,是一个强非线性系统,本文将模糊控制与PID控制手段结合起来,提出采用非对称模糊PID控制方法,将其引入伺服系统的位置环中,同时建立了基于MATLAB/SIMULINK的系统仿真图。通过仿真试验,验证了非对称模糊PID控制方法具有较好的控制精度和稳定性,该控制方法可使系统的性能有所提高。     

基于RBF辨识的神经元PID直线伺服控制

针对永磁直线同步电动机(PMLSM)直接驱动的伺服系统,提出了一种基于RBF神经网络辨识的单神经元PID模型参考自适应的优化跟踪控制策略,解决了系统快速精确地跟踪与抗扰性能之间的矛盾.利用RBF神经网络作为辨识器,实现对被控对象Jacobian信息精确辨识,以基于二次型性能指标学习算法的单神经元自适应PID作为控制器,从而保证系统具有较强的鲁棒性能.仿真结果表明,该方案在保证伺服系统快速跟踪性能的同时,对系统参数变化和负载扰动具有很强的鲁棒性.     

位置伺服系统的单神经元PID/CMAC控制研究

在分析了位置伺服控制系统基本原理和数学模型的基础上,提出了一种单神经元PID/CMAC复合控制算法和控制器的设计方法。用单神经元PID替代常规PID控制,由神经元来在线调整PID控制参数,利用CMAC神经网络的自学习和自适应能力,来完成系统的实时控制。该算法直接应用于位置伺服控制系统,仿真结果表明,与传统PID控制算法相比较,该复合控制算法增强了系统的控制精度,提高了系统的响应速度,具有较强的鲁棒性和抗干扰能力。