复合自抗扰在三电机同步控制系统的应用

针对自抗扰控制器(ADRC)算法复杂、参数多且调节耗时耗力的问题,对ADRC结构进行优化的基础上,设计了基于径向基函数(RBF)神经网络的复合ADRC。该控制器利用RBF神经网络实现对被控对象的在线跟踪,获得ADRC参数的在线调整信息,从而实现ADRC参数的在线自调节功能,并将此方法运用于三电机同步控制系统,结合西门子S7-300 PLC构建实验平台,在PLC上实现基于RBF神经网络的复合ADRC控制算法进行速度控制实验,实验结果表明该方法不仅能实现部分参数的自调节功能,而且能使超调量降到最低甚至实现速度的无超调调节,提高了系统的动态性能和稳态精确度。实验结果证明了该方法具有实际应用性。     

直流固态变压器自抗扰控制

直流固态变压器(DCSST)是高压直流配网与低压直流微网互连的关键设备,为了提高输出电压的抗扰能力,提出基于自抗扰控制(ADRC)的输出直流电压控制方法。通过DCSST电路模型分析进行控制器的设计,并基于线性自抗扰控制(LADRC)结构通过极点配置给出依赖于增益带宽的参数整定方法,并将此得到的参数应用于非线性ADRC的状态反馈增益以及状态观测增益,可实现系统快速无超调响应。实验结果表明文中所提控制策略及ADRC参数整定方法可行,DCSST输出电压采用ADRC控制比采用传统PI控制具有更快的响应速度及更强的抗扰能力。     

二阶自抗扰控制器在三电机同步系统中的应用

分析了三电机同步控制系统数学模型,结合自抗扰控制理论特点,提出了一种新的基于二阶自抗扰控制器(ADRC)的三电机同步系统控制方案。设计了三个二阶ADRC分别对速度控制回路和两张力控制回路进行控制,实现了系统速度和张力之间的动态解耦。在二阶ADRC中,扩张状态观测器将系统模型内扰、外扰以及速度张力之间的耦合影响统一视为系统总扰动,对系统总扰动进行实时观测和补偿。结合西门子S7?300 PLC构建了实验平台,进行了解耦特性、跟踪性能和抗负载扰动能力测试实验。结果表明:二阶ADRC控制器不仅实现了三电机同步系统中速度和张力的解耦控制,还提高了系统的抗干扰能力,使系统具有较强的鲁棒性。     

电动车双轮独立驱动系统的自抗扰控制策略研究

提出了基于自抗扰原理的电动车双轮独立驱动系统控制策略,给出了该控制算法的实现方法,并在Matlab/Simulink平台上搭建了无刷直流电机的仿真模型,分别对自抗扰控制器（Active Disturbance RejectionControl,ADRC）与传统PID控制器的控制性能进行了对比实验.结果表明：当系统存在不确定性扰动时,自抗扰控制器具有更优的调节性能和抗扰动能力.此外,设计并搭建了基于自抗扰控制的电动车双轮独立驱动系统实验平台,实验结果证明了新控制策略的有效性与先进性.     

基于自抗扰控制技术的永磁同步电机矢量控制策略

论文研究了一种基于自抗扰控制（Active Disturbance Rejection control, ADRC）技术的永磁同步电机（Permanent Magnet Synchronous Motor, PMSM）矢量控制策略。即根据矢量控制方法,分别为永磁同步电机的转速环、电流环设计了自抗扰控制器。同时,考虑到设...     

双重化PWM整流器自抗扰模型预测直接功率控制

针对车载双重化脉宽调制(pulse width modulation,PWM)整流器控制性能易受到模型不确定性和列车运行条件(输入电压、功率等级、电路参数等)变化影响的问题,提出一种基于自抗扰控制(active disturbance rejection control,ADRC)和模型预测直接功率控制(model predictive direct power control,MPDPC)的双闭环控制算法。其中,外环基于自抗扰控制理论,构建了基于误差驱动的ADRC(error-based ADRC,EADRC)控制器调节直流侧电压;内环结合基于内模原理的功率补偿方案使用两步MPDPC算法实现电流信号的控制。仿真和实验将所提自抗扰模型预测直接功率控制(ADRC-MPDPC)算法与传统基于比例积分的直接功率控制(proportional integral-based direct power control,PI-DPC)算法和PI-MPDPC方法进行对比,结果表明所提策略在系统启动、负载变化及工况切换等场景表现出更优的动态特性和鲁棒性能。     

一种新型感应电动机DTC-SVM控制稳定性分析及参数优化研究

提出了一种采用二阶自抗扰控制器(ADRC)的感应电动机空间矢量脉宽调制和直接转矩控制(DTC-SVM)策略,并对控制器的核心部分--扩张状态观测器(ESO)的稳定性进行了分析和推导,同时将推导出的稳定条件作为自适应遗传算法的约束条件对自抗扰控制器的参数进行优化.仿真结果表明,新策略有效改善了转速和转矩的动态响应,而且二阶ESO稳定条件对基于遗传优化的ADRC参数整定具有一定的参考价值.     

直线伺服电动机自抗扰控制系统研究

针对直线伺服电机多变量、强耦合的非线性特性,结合自抗扰控制策略,给出了直线电机自抗扰控制系统设计详细的理论推导与实现方案。在此基础上,基于Matlab/Simulink仿真平台构建了完整的系统仿真模型,针对速度控制系统分别采用了串级一阶ADRC、二阶ADRC、MADRC与"ADRC+PID"组合算法进行了仿真分析;位置控制系统分别采用了MADRC与传统ADRC策略进行了仿真验证,仿真结果表明与串级一阶ADRC及"ADRC+PID"组合算法相比,该改进型ADRC动静态特性与鲁棒性良好。     

高压电缆交联悬链式生产线悬垂自抗扰控制策略研究

针对高压电缆交联悬链式生产线(HXLPEL)悬垂控制系统进行研究，提出一种基于自抗扰控制(ADRC)的悬垂控制策略，分别针对下牵引速度环、电流环以及磁链环进行自抗扰控制器的设计。考虑到交联悬垂控制系统是一个非线性、不确定、多干扰的复杂系统，并针对生产工况发生剧烈变化时导致的参数摄动、模型不匹配等问题，提出了一种基于模型补偿的自抗扰控制策略(MADRC)，通过应用参数观测技术有效提高传统ADRC的控制性能。仿真结果验证了所设计的复合控制器的有效性。     

模糊自抗扰控制的双音圈电机同步伺服系统

在双音圈电机同步系统中,由于音圈电机独特的分体式结构,其中一个电机的外部干扰对另一个电机的耦合作用尤为明显。针对该问题,提出了一种基于交叉耦合控制器(CCC)和模糊自抗扰控制器(Fuzzy-ADRC)的位置同步控制方案。利用自抗扰控制器(ADRC)对音圈电机伺服系统中的扰动总和进行估计与补偿;为进一步提高系统鲁棒性,设计Fuzzy-ADRC实现ADRC的参数自适应调整。此外,设计CCC消除双电机同步过程中的耦合现象,实现双电机伺服同步控制。仿真结果表明,所设计的控制系统能够明显提高各电机跟踪精度和同步精度,控制效果良好。     

基于RBF神经网络的永磁同步电机在线辨识与模型参考自适应控制

永磁同步电机控制系统是多变量和非线性的。针对传统PI控制方法的不足,提出了一种基于RBF神经网络的永磁同步电机在线辨识与模型参考自适应控制方法。该方法利用RBF神经网络极强的非线性映射能力,通过对神经网络的离线和在线训练,实现了电机速度的自适应控制。仿真结果表明该方法控制精度高,动、静态特性好。     

基于神经网络的两相混合式步进电机反步控制

两相混合式步进电机是一个非线性、多变量、强耦合的系统。针对两相混合式步进电机开环控制定位精度低的问题,提出了一种基于径向基函数(RBF)神经网络的反步控制方法,该方法克服了单一反步控制对非线性系统控制参数选取困难的缺点,利用RBF神经网络的万能逼近特性,对电机运行过程中的不确定因素进行补偿,使其不过于依赖反步控制器所选取的参数,同时引入高斯基函数和自适应律,能够较好地对其中的非线性项进行逼近。利用神经网络与反步控制方法的结合,有效提高了两相混合式步进电机控制的位置跟踪精度和稳态性能。     

基于在线学习RBF神经网络的汽门开度自适应补偿控制方法

汽门控制对于提高电力系统暂态稳定具有重要作用。为了提高汽门系统的控制性能,提出了基于在线学习RBF神经网络的汽门开度自适应补偿控制方法。首先,根据逆系统方法分析了被控汽门系统的可逆性、推导了被控汽门系统输出的α阶导数和伪控制量之间的误差,并设计了用于补偿此误差的在线学习RBF神经网络。然后,基于Lyapunov稳定性理论设计了RBF神经网络的在线学习算法,证明了闭环系统跟踪误差和RBF神经网络权值估计误差的一致最终有界性。所提出的控制方法仅需被控汽门系统很少的先验知识,而无需其精确数学模型,并且用于自适应补偿控制的RBF神经网络无需离线训练过程。最后,针对典型的单机无穷大汽门控制系统进行了数值仿真。仿真结果表明,所提出的控制方法较传统的非线性最优控制方法能明显提升电力系统的暂态控制性能。     

高超声速飞行器RBF神经网络滑模变结构控制

针对高超声速飞行器高度非线性及强耦合的特点,提出了一种基于RBF神经网络调参的滑模变结构控制器。滑模变结构控制器能够使高超声速飞行器稳定飞行,但在系统状态到达滑模面后会产生剧烈的抖振现象,不利于工程应用。RBF神经网络在一定条件下可以任意精度逼近非线性函数,且具有较强的自学习、自适应和自组织能力。将RBF神经网络与滑模变结构控制相结合,一定程度上能够消除滑模控制的抖振问题。在高超声速飞行器的巡航状态下,分别加入高度阶跃指令和速度阶跃指令进行了仿真。仿真结果表明,所设计的RBF神经网络滑模变结构控制器使高超声速飞行器在保证快速性、鲁棒性和抗干扰性的同时,克服了执行机构的抖振问题。     

磁控开关型故障限流器神经网络自适应偏置电流控制

针对磁控开关型故障限流器在故障后其偏置线圈中会产生偶次反电动势,三相全控整流桥的负载突变为带偶次反电动势的电阻电感负载,提出了基于神经网络的磁控开关型故障限流器自适应偏置电流控制系统。该系统采用两个神经网络来分别构成自适应控制网络和辨识网络,对控制器参数进行自适应调整和在线辨识,实现了偏置电流的实时控制。试验证明,利用该控制系统对限流器偏置电流进行控制,限流器的响应速度和限流效果可以得到保证。     

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RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

基于神经网络的开关磁阻电机无位置传感器控制

论文提出了基于自适应径向基函数(radial basis function，RBF)神经网络的开关磁阻电机(SRM)无位置传感器控制新方法。该方法构造了一个隐层节点初始个数为零的RBF网络，通过在训练过程中不断按照自适应算法添加和删除隐层单元，形成一个结构简单、紧凑的网络来实现电机电压、磁链与转子位置之间的非线性映射，实现SRM的无位置传感器控制。网络训练分为离线训练和在线训练两个部分。利用训练样本按给出的自适应算法对网络进行离线训练，确定RBF网络隐层节点的个数及位置；按递推最小二乘法(RLS)在线修正隐层与输出层之间的连接权。仿真及实验结果表明，该方法能够实现电机的准确换相，从而实现了位置传感器的消去。     

基于LabVIEW FPGA的音圈电机神经网络控制方法

音圈电机是一种常用的高动态性能驱动器。为了优化、简化不同音圈电机的控制算法调试过程,提出了一种基于LabVIEW FPGA的改进RBF神经网络控制算法。该网络采用3-输入的3层网络结构,通过梯度下降法对隐含层权值系数更新,实现对音圈电机的电流环控制。仿真结果表明,随着隐含层节点数增加,RBF神经网络控制算法性能将优于单神经元自适应控制算法。当隐含层节点数为6时,系统电流上升时间为14μs,相对于单神经元自适应控制缩短了26.3%。将该算法用于激光精密指向系统,实验结果表明,隐含层4节点时,电流上升时间为25μs。实验结果与仿真结果较吻合,验证了RBF神经网络算法的有效性。     

基于神经网络多模型自适应切换控制研究

针对传统自适应控制和现有多模型自适应切换控制理论和方法中存在的问题，提出面向复杂系统的神经网络多模型自适应切换控制方法。采用最近邻聚类学习算法对样本分类，并利用RBF神经网络的学习能力和非线性逼近能力进行离线建模。同时，引入动态模型库技术来动态建立多模型。系统运行时在线实时检测系统当前状态，若超出现有各子模型所构成的状态空间，则利用在线神经网络学习新状态并建立新模型加入动态模型库中，从而改善动态系统的暂态响应和增强系统的鲁棒性。计算机仿真结果，表明了该算法的有效性。