共查询到20条相似文献,搜索用时 265 毫秒
1.
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。 相似文献
2.
基于RBF神经网络的开关磁阻电机单神经元PID控制 总被引:11,自引:5,他引:11
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。 相似文献
3.
针对开关磁阻电机调速系统难以控制的问题,提出了基于模糊FCMAC神经网络的PID控制方法,该方法的主要思想是将马丹尼直接推理法与CMAC神经网络相结合,构成模糊FCMAC神经网络,实时调整PID控制参数.仿真结果表明,与传统的PID控制方法相比较,该方法大大改善了开关磁阻电机调速系统的动、静态性能,且无需精确的数学模型... 相似文献
4.
5.
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 总被引:13,自引:0,他引:13
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。 相似文献
6.
为了改善开关磁阻电机的性能分析和控制效果,建立精确的开关磁阻电机模型是极其重要的。在获得准确的电机电磁特性基础上,利用神经网络所具有的非线性映射能力,建立开关磁阻电机非线性模型。本文采用基于附加动量法的BP神经网络建立开关磁阻电机磁链模型和转矩模型,同时在Matlab/Simulink平台上搭建电机控制系统模型。实验表明,该建模方法能满足开关磁阻电机驱动系统的高性能要求。 相似文献
7.
8.
开关磁阻电机直接自适应神经网络控制 总被引:1,自引:0,他引:1
针对开关磁阻电机调速系统存在的未知参数波动和外部负载扰动问题,提出了直接瞬时转矩控制下的基于最小学习参数的直接自适应神经网络控制算法实现开关磁阻电机高品质调速控制。采用RBF神经网络对包含未知参数波动和外部负载扰动等不确定项的理想控制律进行整体逼近。将神经网络理想权值的范数作为在线估计参数,使在线学习参数由多个权值减少为一个,降低了控制器的计算负担。基于李雅普诺夫函数的稳定性分析保证了闭环调速系统半全局一致最终有界稳定。与PI控制的对比仿真试验表明,直接自适应神经网络控制器能够有效地提高开关磁阻电机调速系统对参数波动的自适应性和对外部负载扰动的鲁棒性。 相似文献
9.
《电力系统及其自动化学报》2017,(1)
直接转矩控制可有效抑制开关磁阻电机(SRM)转矩脉动。由于开关磁阻电机双凸结构和磁路的严重饱和,造成其转矩是关于电流和转子位置的严重非线性函数,转矩计算非常困难。针对这一问题,本文提出一种采用基于BP神经网络建立开关磁阻电机转矩模型的方法。利用有限元仿真得到的转矩样本对BP神经网络经行进行离线训练,完成电流、位置角度到转矩的非线性映射,构造出基于BP神经网络的转矩观测器。再将构造好的转矩观测器应用于电机直接转矩控制系统中,对电机的转矩经行进行实时在线估算。最后,将估算转矩经行反馈,完成电机的直接转矩控制。该控制方法利用了BP神经网络泛化、逼近能力强的优点,同时控制过程简单,无需在线训练。实验结果表明,所提方法转矩计算速度快、计算精度高,可以满足实时控制的要求,有效地减小了电机的转矩脉动。 相似文献
10.
11.
本文讨论基于BP神经网络的PID控制,利用神经网络的自学习能力进行PID控制参数的在线整定、并使用Matlab软件进行了仿真研究。BP神经网络是一种前向神经元网络,具有学习速率快、振荡小、精度高的优点。仿真结果表明,神经网络PID控制器参数调整简单,具有很高的精度和很强的适应性,可以获得满意的控制效果。 相似文献
12.
提出一种神经网络和模糊理论相结合的控制算法,用于永磁同步电机的控制.该算法用基于BP神经网络的PID算法作为速度控制器,实现控制系统的在线自适应调整;同时用模糊理论算法作为神经网络控制器输出的限制,实现了良好的控制动态性能.在与传统的PI控制仿真比较中,该算法显示出了较好的控制性能,对负载和电机参数的变化不再敏感,且控制器可以在误差较大的时候快速跟踪指令,而在误差较小的时候实现稳定运行. 相似文献
13.
基于神经网络自适应PID控制的船舶操纵研究 总被引:9,自引:0,他引:9
本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应PID控制方案。该控制结构有两上子神经网络组成,一个三层BP神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有PID结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。 相似文献
14.
15.
16.
充分利用BP神经网络能够逼近任意非线性系统的优点,将BP网络和PID控制相结合,解决了多关节机器人的运动轨迹跟踪问题.采用这种方法,可以在线实时调整PID控制器的参数,使其达到最优状态,克服了完全依靠经验离线调整PID参数的缺点,使系统具有更好的鲁棒性和自适应性,其输出也可以通过在线调整达到预期的控制精度.仿真实验证实了该控制策略的正确性和有效性. 相似文献
17.
18.
基于神经网络的水轮机调节系统的自适应PID控制 总被引:2,自引:0,他引:2
基于有功功率反馈参与控制的水轮机调节系统,以几个典型工况下的最优PID系数作为训练样本,训练了一个三层BP神经网络,设计了一个用BP神经网络实现变参数的PID控制器;并构造了一个目标函数,设计了一个自适应神经元,利用神经元的自学习功能,在线优化控制器的输出,以期达到最优控制的目的。对简单电力系统的仿真结果表明,这种控制器可以达到较常规的变参数PID较好的控制效果,是实现水轮机调节系统自适应控制的一种可行的方法。 相似文献
19.