永磁同步电动机的神经模糊矢量控制研究

通过分析永磁同步电动机（PMSM）的数学模型,提出神经网络模糊控制器的设计方法,并应用于永磁同步电动机双闭环矢量控制系统中的转速控制器,用来精确实现永磁同步电动机的速度控制。仿真实验表明,该方法得到的各项性能指标均优于PI控制和递归模糊神经网络控制,具有很强的适应性和鲁棒性,取得了比较理想的控制效果,为实现永磁同步电动机的智能化调速控制提供了切实可行的技术方案。     

基于免疫遗传模糊神经网络的永磁同步电机控制

在分析永磁同步电动机(PMSM)数学模型的基础上,提出了一种基于免疫遗传算法(IGA)的递归模糊神经网络(RFNN)控制器的设计方法,并应用于永磁同步电动机双闭环矢量控制系统中的转速控制器中,对永磁同步电动机实现精确的速度控制.在与传统PI控制和递归模糊神经网络控制仿真比较中,采用该方法的系统显示出良好的控制性能和控制效果.     

基于递归神经网络的无刷直流电动机控制研究

基于动态模型提出了一种性能较好的递归模糊神经网络无速度传感器无刷直流电动机控制方法,即采用递归模糊神经网络控制器作为转速控制器来近似最优控制器输出。仿真结果表明,当系统参数动态变化或受到外部不确定因素影响时,利用神经网络来在线调整网络的隶属函数参数以及神经网络递归权值,使系统具有良好的动、静态性能。     

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。     

基于模糊神经网络的永磁同步电动机矢量控制系统

该文提供了一种基于自适应模糊神经网络的永磁同步电动机（PMSM）矢量控制系统速度控制器的实施方案。模糊神经网络控制器（FNNC）包括神经网络控制器（NC）和模糊逻辑控制器（FC）两部分，它同时具有神经网络自学习能力和模糊逻辑在处理不确定信息方面的能力。人工神经网络（ANN）的初始权值和阈值通过离线训练的方式获得。在实际的运行过程中，利用模糊控制器的输出对神经网络的权值和阈值进行实时调整。仿真结果表明利用所提出的模糊神经网络来建立永磁同步电动机矢量控制系统的速度控制器，当电机参数改变或者受到外部扰动时，系统具有良好的动态特性。     

基于免疫遗传算法的感应电机控制设计与仿真研究

提出一种基于免疫遗传算法(IGA)的递归模糊神经网络(RFNN)控制器的设计方法,并应用于感应电机双闭环控制系统中的转速控制器中,对感应电机实现了精确的速度控制.在与传统PI控制和递归模糊神经网络控制仿真比较中,采用该方法的系统显示出良好的控制性能和控制效果.     

神经网络自适应PID控制器在交流调速系统中的应用

提出了一种基于神经网络的自适应PID控制器,并将其引入交流调速系统中代替传统的转速调节器,通过神经网络的自学习能力,实现对交流异步电动机的自适应控制.用DSP实现的结果表明,该方法是可行的.     

基于模糊神经网络算法的交流伺服系统DSP控制

将神经网络与模糊逻辑控制结合起来,设计模糊神经网络控制器应用于交流伺服系统中的转速调节器,克服交流调速系统中参数漂移、非线性和耦合等因素的影响.针对模糊神经网络控制器运算量大、收敛慢的特点,硬件采用数字信号处理器(DSP)作为控制器运算单元,并在DSP上实现模糊神经控制算法,提高了系统实时性.实验结果表明,采用该控制器的调速系统具有较快的响应速度、较高的稳态精度和较强的鲁棒性.     

基于改进遗传算法的无刷直流电动机递归模糊神经网络控制

无刷直流电动机的动力学特性是一个高阶、非线性、强耦合的系统,针对传统PI控制的滞后性和动态响应性能较差等特点,提出一种基于动态递归模糊神经网络PI控制的无刷直流电动机调速系统速度控制器的实施方案,利用改进遗传算法(IGA)优化递归模糊神经网络的隶属度函数参数和网络权值系数等,从而提高系统的动态响应性能.仿真结果表明,该方法响应快,具有较强的抗干扰性和鲁棒性,动、静态特性均优于传统PI控制.     

交流伺服系统基于神经网络的模糊自适应PID控制及其DSP实现

提出一种基于BP神经网络的模糊自适应PID控制器,将模糊控制具有的较强逻辑推理功能、神经网络的自适应、自学习能力以及传统PID控制的优点融为一体,形成了对非精确、非线性对象的良好控制策略。针对模糊神经网络控制器运算量大、收敛慢的特点,硬件采用数字信号处理器（DSP）作为控制器运算单元,以提高系统实时性。对交流伺服系统的实验仿真结果表明,该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

直线超声波电动机控制技术

综述了直线超声波电动机控制策略研究现状及其发展趋势,简要介绍了由专用DSP控制器组成的主从式控制系统,模糊神经网络控制与传统的控制相结合为控制策略,将是直线超声波电动机控制的发展方向。     

应用神经网络的电动机控制系统

异步电动机控制系统是一个较难的工程问题。由于交流电动机机械系统具有非线性动态特性,以及交流电动机的某些状态变量无法测量,这些问题都使系统控制问题变得复杂。另外温度发生变化时,转子电阻发生很大变化,这又是一个控制系统难以克服的问题。使用神经网络的自适应控制技术来实现感应电动机的控制问题,第一种是单输入—单输出(SISO)系统,控制器使用静态多层感知器神经网络(MLP神经网络);第二种是多输入—多输出(MIMO)系统,控制器使用递归神经网络为动态控制系统方案。本文重点讨论MIMO系统。     

基于递归模糊神经网络的感应电机无速度传感器矢量控制

该文提出了一种控制性能较好的递归模糊神经网络(RFNN)无速度传感器感应电机矢量控制方法，该方法使用模型参考自适应方法辨识转子磁场位置和转速，采用递归模糊神经网络控制器作为转矩控制器来近似系统最优控制器输出。仿真实验表明，当系统参数动态变化或受到外部不确定性因素的影响时，利用神经网络来在线动态的调整网络的隶属函数参数以及神经网络递归权值，使系统仍将具有很好的动静态性能。     

直接转矩控制系统定子磁链的神经网络观测方法

本文利用人工神经网络（ANN）建立异步电动机直接转矩控制系统的定子磁链观测器。为了使网络具有良好的动态特性,文中采用实时递归神经网络（RNN）结构。使用自适应学习率的算法调整网络的权值,加快了网络的学习速度。仿真结果表明,采用此神经网络观测器构成的系统取得了满意的效果。     

交流电动机变频调速技术的发展

文章详细介绍了异步电动机变频调速技术的理论和技术特点,分析了变频调速技术的现状和发展趋势,提出了以直接转矩控制理论和无速度传感器的转速估算理论构成的交流调速系统,将成为交流电气传动的发展趋势之一。而基于DSP控制器构成的电动机变频调速控制将是实现高性能电动机数字控制技术的发展方向。     

基于神经网络自适应PID的异步电动机定子磁场定向控制

针对异步电动机这一多变量、非线性、强耦合的控制对象, 提出了一种基于神经网络自适应PID控制器的异步电动机定子磁场定向解耦控制的新方法.采用定子磁场定向控制,以定子磁链作为反馈量,运用电流励磁分量解耦补偿环节,实现了定子磁场定向控制下电机转速与定子磁链间的解耦控制.同时为实现对异步电动机快速和精确控制,设计出用于异步电动机的神经网络自适应PID控制器,利用神经元的自学习功能在线调节连接权重,实现自适应控制.实验结果表明:这种方法具有控制性能不受电机转子参数的影响,以及快速的转速和转矩响应的特点.     

遗传算法优化的开关磁阻电动机RFNN位置控制器设计

为克服开关磁阻电动机严重的非线性、时变性及强耦合性等缺陷,设计一种递归模糊神经网络控制器,应用遗传算法优化控制器参数,并代替开关磁阻电动机控制系统的位置控制器,对开关磁阻电动机进行准确的位置控制。仿真与实验结果证明设计的位置控制器优于常规PID控制器,具有较强的跟踪能力和动态响应。     

基于蚁群模糊神经网络的无刷直流电机仿真控制研究

无刷直流电机（BLDCM）的动力学特性是一个高阶、非线性、强耦合的系统,针对传统PI控制的滞后性和动态响应性能较差等特点,提出一种基于动态递归模糊神经网络PI控制的无刷直流电机调速系统速度控制器的实施方案,利用蚁群算法优化递归模糊神经网络的隶属度函数参数和网络权值系数,从而提高系统的动态响应性能。仿真结果表明,该方法响应快,具有较强的抗干扰性和鲁棒性,动、静态特性均优于传统PI控制。     

永磁同步电动机的神经网络模糊控制器设计

提出了基于神经网络的自学习模糊控制器的设计方法。在永磁同步电动机(PMSM)矢量控制系统中,使用该控制器作为速度调节器对永磁同步电动机进行精确的速度控制。仿真结果表明,该神经网络模糊控制方法是可行的,具有良好的动态及静态特性。     

用神经元网络进行异步电机转速的辨识和估计

根据异步电动机直接转矩控制原理、提出了采用人工神经元网络速度辨识方法去实现无速度传感器的交流调速控制系统。文介绍了异步电动机直接转矩控制的基本方程和神经网络速度辨识模型,仿真结果表明,系统具有良好的性能。