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。     

基于BP神经网络PID自适应控制的无刷直流电动机控制方法

提出了利用变步长法和引入动量项来改进BP神经网络学习算法,有效减小了学习过程的振荡趋势,改善了收敛性,避免了学习过程陷入某些局部最小值,并将其用于在线调整无刷直流电动机控制系统的PID参数,实现具有最佳组合的PID控制。     

基于BP神经网络的无刷直流电机控制器优化设计

无刷直流电机是一个多变量、强耦合的非线性系统,用常规的线性控制方法很难达到理想的控制效果。为了克服常规PID控制方法的不足,应用了BP神经网络对速度控制器的PID参数进行了优化设计。使用MATLAB仿真结果表明,采用BP神经网络这种控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度,能达到进一步优化控制系统性能的目的。     

基于DSP的永磁无刷直流电动机速度控制

针对常见有刷直流电动机的一些缺陷,提出了基于DSP来实现永磁无刷直流电动机速度控制的一种方案。介绍了当前无刷直流电动机控制的发展趋势和常见的新型控制方法,最后采用端电压过零检测法和预定位起动方法,实现了基于TM S320LF 2407的无位置传感器永磁无刷直流电机的速度控制。     

基于RBF神经网络的无刷直流电动机速度无关控制法

为提高无刷直流电动机无位置传感器控制精度,提出了一种基于RBF神经网络的无刷直流电动机速度无关控制新策略。该策略主要包含两个部分:一方面,利用RBF神经网络的自适应、非线性控制等优良性能,结合电机运行状态,修正神经元之间的连接权值,从而可以克服由于无刷直流电动机系统的非线性和部分参数不确定性造成精度下降的负面影响。另一方面,神经网络的输出经过滤波处理后,采用速度无关位置函数法(函数法)输出电机换相信号。该方法在转子转速由近零到高速变化的过程中,都能够对转子位置进行检测并给出换相时刻。仿真和实验表明,该策略具有优良的控制性能。     

无刷直流电动机模糊神经网络PI控制方法

通过分析无刷直流电动机模糊PI控制的不足,在对传统模糊-PI混合控制策略进行改进的基础上,提出模糊神经网络PI控制策略。该策略是建立在用基本样条函数实现BLDCM模糊神经网络速度控制器新方法基础之上。通过调整模糊神经网络中唯一需要优化的权值系数,以达到模糊神经网络参数自动调整与寻优的目的,从而提高了系统的动态响应和鲁棒性。仿真结果表明,该方法响应快、无超调、鲁棒性强。     

电动车无刷直流电动机驱动电路及其速度控制

结合西安微电机研究所为电动轨道车变速驱动设计的三相无刷直流电动机及其控制装置,介绍一种电流为半正弦波方式的驱动电路及由线路实现的电机速度检测。采用乘法器原理将换相逻辑、电流波形和速度环控制的电流幅值等信息综合,实现由ＭＯＳ等ＰＷＭ调制、速度闭环和电流滞环控制的无刷直流电动机驱动电路。该电路结构简单、成本低廉,实用于一般要求的变速驱动。     

基于ARM的无刷直流电动机网络控制研究

在传统的无刷直流电机控制系统基础上，研究了无刷电机网络控制系统，将传统的控制系统速度环、电流环分别放置在网络的两端，通过网络形成闭环。采用TMS320LF2407和ARM核的网络控制芯片S3C4510B设计了无刷直流电机网络控制系统。仿真实验表明，此控制系统的动、静态性能良好。     

基于模糊神经网络的无刷直流电动机调速系统

无刷直流电动机是一种多变量、非线性的控制系统,采用经典的PID控制难以得到满意的控制效果。在分析无刷直流电动机数学模型基础上,提出了一种把高斯基函数作为隶属函数设计无刷直流电动机模糊神经网络控制器的新方法。仿真表明,系统响应速度快,抗干扰能力强,具有较高的控制精度和较好的鲁棒性。     

无刷直流电动机电流控制方法研究

分析了无刷直流电动机在快速正/反转机电作动系统中的几种电流控制方法,指出了它们的优缺点.试验表明,采用斩波频率稳定的两态电流控制,可获得比较优良的电流控制特性.     

基于模糊系数修正BP神经网络PID的BLDCM控制系统仿真研究

常规PID、模糊算法无法解决无刷直流电机（BLDCM）控制系统存在的强耦合、非线性等问题,在干扰作用下容易出现信号失真。针对该问题,在滑行灯伺服转向系统中,以BLDCM三闭环控制系统为研究对象,结合BP神经网络、模糊控制和PID算法,提出一种基于模糊系数修正BP神经网络的PID控制。通过Simulink建模及仿真,对比研究了该策略与常规控制算法在转矩扰动和磁通扰动状况下的动态响应特性。仿真结果显示该改进控制算法在BLDCM位置控制系统中性能优良。     

基于模糊PID控制和BP神经网络PID控制的永磁同步电机调速方案比较研究

采用模糊PID控制和神经网络PID的控制方式分别对永磁同步电机进行了恒负载实时调速分析,对比了研究两者的控制性能。通过在Matlab/Simulink环境下搭建仿真控制程序,分别采用两种控制方式构建对于永磁同步电机的闭环控制模型进行仿真,进行模糊PID控制和神经网络PID控制对永磁同步电机的闭环控制效果对比。经仿真结果表明,神经网络PID控制在抗扰动方面优于模糊PID控制,而模糊PID控制在实时性方面较为优势。     

基于BP神经网络控制算法的超声波电动机控制

运用一种基于BP神经网络的控制算法,在控制过程中可以有效克服超声波电动机的非线性和热漂移特性,通过实验比较基于BP神经网络的控制算法和传统控制算法验证新算法的优越性.     

基于区间二型模糊逻辑控制的BLDCM转速控制研究

针对无刷直流电机调速系统强耦合与非线性时变的特点,设计了一种无刷直流电机区间二型模糊逻辑控制器,通过动态调节控制器参数,实现无刷直流电机高精度速度控制,提升电机控制性能。基于MATLAB/Simulink环境搭建无刷直流电机调速系统仿真模型,并在恒速、加减速和突加负载三种工况下,比较区间二型模糊逻辑控制与传统PI控制的电机转速响应差异。仿真结果表明:相比于传统PI控制,基于区间二型模糊逻辑控制的电机响应速度快,控制精度高,抗干扰能力强,可以有效降低不确定性对系统的影响,具有较强的鲁棒性。     

基于改进型BP神经网络的瓦斯传感器的非线性校正

提出了一种基于改进型BP神经网络的瓦斯传感器的非线性校正方法,利用神经网络良好的非线性映射能力,逼近反非线性函数完成非线性校正.仿真实验结果表明:与分段线性校正和传统BP算法相比,改进型的BP神经网络收敛速度快、逼近精度高,准确度由原来分段线性校正的±5.02%提高到现在的±0.130%,且易于动态调校.     

基于BP神经网络整定PID智能调速控制系统研究

在了解BP神经网络的原理、结构、算法的基础上,介绍了BP神经网络自整定PID控制器,构建了基于DSP的智能调速控制系统,并利用ICETEK-LF-2407-A EVM板实现BP-PID控制智能调速系统实验.试验结果表明,采用BP-PID控制的智能控制系统具有较好的运行性能.     

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明：与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好。并具有自适应能力,应用前景十分广泛。     

基于改进Elman神经网络的风速预测

指出风速预测对并网风力发电系统的运行有重要意义。为提高风速预测精度,提出了一种基于改进的Elman神经网络风速预测方法,利用误差反向传播的方法来确定反馈增益γ值。分别采用改进Elman神经网络与BP神经网络建立模型,对实际历史风速数据进行仿真预测。利用风电厂实际数据验证,并阐述了仿真结果。     

改进模糊神经网络在负荷预测中的应用研究

电力系统短期负荷预测是电网调度中一项重要的工作,精确的负荷预测可以为调度员提供必要的基础数据,电网运行安排也都是以负荷预测的数据作为根据。利用人工神经网络可以任意逼近非线性系统的特性,将其用于短期负荷预测。研究了改进的误差反向传播算法——动量及自适应lrBP的梯度递减训练算法,预测结果表明比标准BP算法具有更好的性能。同时,针对大量无法用精确数值来量化的信息的影响,引入模糊理论的方法,定义了不同的隶属度函数,模糊化后输入到网络中进行训练和预测,结果表明其精度比输入量非模糊化的人工神经网络更高。