基于RBF神经网络的无刷直流电机无位置传感器控制

通过分析无刷直流电机间接位置检测原理 ,提出了基于径向基函数 (RBF)神经网络的无位置传感器控制方法。该方法建立动态的RBF网络模型 ,采用k 均值聚类法和递推最小二乘法 (RLS)离线训练得到网络初始参数 ,采用基于梯度下降纠正误差法在线训练更新网络参数 ,通过对电机端电压和相电流的映射 ,得到电机换相信号 ,取代了传统的位置传感器。最后实验结果表明了该控制方法的有效性     

基于神经网络的无刷直流电机转子位置估计

介绍了一种利用神经网络建立起无刷直流电机的电压、电流和转子位置角关系的方法，并对这种方法进行了仿真，证明了用这种方法取代位置传感器的可能性。     

基于RBF神经网络在线辨识的永磁无刷直流电机单神经元PID模型参考自适应控制

永磁无刷直流电机控制系统是多变量和非线性的.针对传统PID控制方法的不足,提出一种基于径向基函数神经网络在线辨识的单神经元PID模型参考自适应控制方法,并用于永磁无刷直流电机的控制中.该方法构造了一个径向基函数神经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,并在数字信号处理器中实现控制参数的在线调节.系统较好地实现了给定速度参考模型的自适应跟踪,结构简单,能适应环境变化,具有较强的鲁棒性.     

无刷直流电机电流环驱动控制技术应用

1 引言 无刷直流电动机具有类似直流电动机的优良控制特性,与矢量控制的异步电动机相比,无刷直流电动机又具有以下优点:永磁励磁,效率高;控制简单,磁场定向控制转化为转子     

基于模糊自适应ADRC的无刷直流电机电流控制

针对传统PID控制下无刷直流电机电流脉动较大,转矩脉动显著的问题,在研究电机数学模型和自抗扰控制器原理基础上,提出一种基于模糊自适应ADRC的无刷直流电机电流控制器.采用模糊推理方法对ADRC参数在线自整定,将电机电流脉动等视为系统的未知干扰,利用该文设计的控制器以改善馈电电流波形,抑制电机转矩脉动.实验结果验证了所提出控制方案的有效性,是一种新型的无刷直流电机电流控制方式.     

无刷直流电机无位置换向控制

电动汽车中由于空调压缩机制冷液具有腐蚀性。所以采用无位置无刷直流电机。一般的换相控制通过检测反电动势过零点而问接获得换相时刻。但是由于电机的非线性动态特性、温度、转速等因素的影响。难以得到准确的信息。文中利用神经网络的非线性任意逼近特性．提出一种基于神经元网络的电机相位补偿控制。首先由硬件电路获得有效的反电动势信息。再利用BP神经网络进行正确相位补偿。实现无刷直流电机的无位置传感器控制．获得了较好的效果。     

基于改进的PSO-BP神经网络的无刷直流电机控制

实时检测无位置传感器的无刷直流电机运行过程中的转子位置,并输出相应的开关管导通与关断信号是控制无刷直流电机的一项关键技术.本文针对神经网络控制存在开关管误导通的问题,引入非线性的惯性权重因子并采用异步时变的学习因子改进策略对标准粒子群算法(PSO)进行改进,通过改进的PSO算法对BP神经网络进行优化,进而控制无位置传感器无刷直流电机的换相顺序.仿真实验表明,采用基于改进的PSO-BP神经网络方法控制无刷直流的运行,可以取得满意的结果.     

基于DSP的无位置传感器无刷直流电机控制

围绕无位置传感器无刷直流电机控制中的两个关键技术——位置检测和起动，提出了将瞬时状态检测和预测估计相结合的电机转子位置检测方法和“三段式”起动，并应用于以TMS320LF2402A为核心的控制系统中，给出了试验结果。     

基于自适应小波网络的永磁无刷直流电机直接电压控制

通过分析永磁无刷直流电机的转子位置与三个相电压之间的关系,提出了基于自适应小波神经网络的永磁无刷直流电机无位置传感器控制新方法.该方法根据位置检测原理和微控制器的特点构建一个以三个相电压为输入,桥路编码信号为输出的多输入单输出小波网络模型.网络隐层节点初始个数为零,在训练过程中不断地按照自适应算法添加或删除隐层节点,形成一个结构简单、紧凑的小波网络.采用梯度下降法对网络进行离线训练和在线训练,由离线训练进行参数初始化并确定网络隐层节点个数,以滤波和逻辑处理后的网络输出信号为教师对网络输出层连接权进行在线调整.从而由电机的相电压直接映射出电机的换相信号,取代传统的位置传感器,实现无位置传感器的直接电压控制.实验结果表明,该方法能得到准确的永磁无刷直流电机的换相信号.     

永磁无刷直流电机无位置传感器控制综述

论述了国内外永磁无刷直流电机无位置传感器控制的研究现状,并着重分析了目前讨论和应用较多的几种常规方法的基本原理、实现途径、应用场合及各自的优缺点。     

无刷直流电机自适应模糊控制的研究

无刷直流电机(BLDCM)的高性能控制研究始终是运动控制领域中的一个重要研究方向，模糊自适应方法的提出为BLDCM控制系统的设计带来了全新的思路。基于BLDCM数学模型，利用结合自适应策略的模糊控制方法，实现转动惯量变化情形下转速的快速跟踪控制，并通过李亚普诺夫函数证明了速度控制器的稳定性。基于模块化建模工具Matlab，simulink建立BLDCM控制系统模型，采用dSPACE实时仿真环境自动生成控制回路的实时代码，构建便捷高效的在线实时控制平台。仿真及实验结果证明：控制系统运行平稳，自适应模糊策略具有良好的静、动态特性。     

基于RBF神经网络的超声波电机参数辨识与模型参考自适应控制

超声波电机(USM)是近年发展起来的一种新型微特电机，与传统的电磁驱动型电机的工作原理截然不同。由于USM具有小型轻量、无电磁干扰、响应速度快、低速大转矩、高保持力矩、高功率密度等诸多优点，因而在光学仪器、办公自动化、汽车专用电器、智能机器人、航空航天等领域具有良好的应用前景。但USM的高度非线性、时变性和强耦合增加了它的控制难度。该文提出一种新的USM自适应控制策略。系统采用双闭环控制，内环用来补偿定子环机械谐振频率的漂移；外环利用径向基函数神经网络(RBFt~)控制器调节USM的驱动频率，实现速度的自适应控制。经实验证明，该控制系统具有响应迅速、适应性强等优点，具有较高的控制精度和较好的稳定性。     

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。     

基于神经网络的永磁同步电动机模糊自适应控制

为了提高水磁同步电动机伺服系统控制性能，本文结合模糊控制和前馈神经网络各自的特点采用了一种神经网络在线自学习模糊自适应控制结构，利用模糊推理机产生的分目标学习误差取代反馈控制输出信号来训练神经网络，这种控制策略是学习和控制同时进行，实时性、鲁棒性都比较好。     

基于自适应人工神经网络的无刷直流电机换相转矩波动抑制新方法

分析了无刷直流电机换相转矩波动产生原理，提出了基于自适应人工神经网络控制的转矩波动抑制新方法，该方法对两个三层前馈式人工神经网络进行离线和在线训练，采用误差反传算法修正神经元间的权值。其中一个网络用于在线估计电机换相参数，另一个网络利用估计出的参数对换相过程中端电压瞬时调节，形成一个电压自校正调节器。该调节器通过调节端电压使换相过程中相电流下降和上升的速率近似相等，保持回路中总电流幅值不变，实现对换相转矩波动的抑制，该方法不需预知系统的精确参数，且对环境变化有自适应调节功能，试验结果表明该方法有较高的精度和鲁棒性。     

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。     

基于自抗扰控制器的无刷直流电机控制系统

自抗扰控制器(ADRC)是在继承经典PID不依赖于对象模型优点的基础上，通过改进经典PID固有缺陷而形成的新型控制器，性能优良并且算法简单。无刷直流电机作为一个非线性系统，采用经典PID控制难以得到满意的控制效果。为了提高控制系统的动态性能和鲁棒性，文中给出了无刷直流电机的自抗扰控制方案。该控制方案不需要精确电机参数就可以实现干扰补偿，控制器的设计也不需要建立电机的精确数学模型。自抗扰控制器利用其内部的扩张状态观测器可以估计出系统的内外扰动，据此将电机等效为由两个非线性系统构成的串联对象，然后设计两个一阶自抗扰控制器实现对电机的内外环控制，内环控制电流，外环控制转速。实验结果表明，自抗扰控制器对电机模型的不确定性和外部扰动变化具有较强的适应性和鲁棒性，控制系统具有优良的动态性能。     

基于换相过程分析的无刷直流电动机机械特性的研究

通过对三相星型六状态工作模式下无刷直流电动机的换相过程进行分析，列出换相过程的微分方程，推导了相绕组导通期间平均电流的解析表达式，并利用该解析表达式，借助Manab进行仿真计算，深入研究了无刷直流电动机的机械特性。通过与实验数据的对比，验证了该分析计算方法的正确性。指出无刷直流电动机机械特性的计算不能直接套用有刷直流电机的计算方法，是因为绕组电感不能忽略，进而揭示了绕组电感也是影响电压源型直流电源供电的无刷直流电动机机械特性的主要因素，并总结了其影响的规律性，为无刷直流电动机机械特性的改善提供了方法和依据。     

基于神经元网络的用于有源电力滤波器的电流检测

章将自适应噪声对消技术用于有源滤波器的电流以检测,提出一种基于神经元网络的自适应检测方法。该方法具有实时、准确、能自适应跟踪负描电流的变化等特点,并能在电力系统三相负载不对称情况下检测出负序和零序电流。理论分析和仿真结果证实了该方法的可行性。