基于神经网络控制的两电动机同步系统研究

以多变量、非线性、强耦合的两电动机同步控制系统为研究对象,对变频器供电的感应电机系统进行重点研究,建立两电机同步系统的数学模型.采用RBF神经网络自适应PID控制器,结合自适应神经元解耦补偿的解耦控制技术,设计了两电机同步调速系统的神经网络控制器,试验结果表明该方法可以实现电机转速和皮带张力的解耦控制.     

基于神经元解耦RBF网络多电机系统参数PID控制

以多变量非线性强耦合的两电机同步控制系统为研究对象,针对电流跟踪型SPWM变频器供电的感应电机系统,在α,β静止坐标系下,建立两台电机系统的数学模型.采用RBF网络自适应PID控制器和自适应神经元解耦补偿器的解耦控制技术,对两电机同步系统的速度和张力进行解耦控制.实验结果表明:采用该方法设计的控制器可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能和跟随性能.     

三相电压型PWM整流器的内模解耦控制

通过静止坐标变换和旋转坐标变换,得到了简化的、有利于控制系统设计的三相电压型PWM整流器的数学模型.当模型不准确或系统参数与模型参数不完全匹配时,基于旋转坐标变换的矢量控制仍然存在解耦控制失败的可能,影响系统的控制性能.为实现可靠、安全的解耦控制,基于感应电动机定子电流解耦控制思想,提出了三相电压型PWM整流器电流内模解耦控制策略,给出了内模解耦控制器的设计及实现方案,并进行了仿真和模拟实验.实验结果令人满意.     

一种新颖的基于内模电流控制的矢量控制系统

无速度传感器矢量控制系统中存在两个关键性的问题,即速度辨识的稳定性问题和控制器结构问题.本文提出一种新型的基于模型参考自适应的内模电流控制的矢量控制系统.首先,利用MRAS理论,保证了观测器的全局稳定性,然后通过内模控制实现动态解耦,克服了PI控制不能动态解耦和其他解耦方法中对参数敏感的问题.仿真结果表明:系统对参数变化具有较强的鲁棒性,取得较好的解耦效果和系统控制性能.     

单神经元自适应PSD控制的双电机同步系统

以多变量非线性强耦合的双电机同步控制系统为研究对象,针对电流跟踪型SPWM变频器供电的感应电机系统,在α、β静止坐标系下,建立双台电机系统的数学模型.采用单神经元自适应PSD控制器,对多电机同步系统的速度和张力进行解耦控制.实验结果证明了该控制系统在动态性能、稳态性能、跟踪性能方面均优于传统的PID控制器,可以实现系统转子转速和皮带张力的解耦,满足实际生产的要求.     

基于自适应转子电阻估计器的感应电机逆解耦控制

提出了一种具有自适应转子电阻估计器的感应电机的逆解耦控制方法.首先通过非线性状态反馈获得感应电机的逆系统,将感应电机这个多变量、非线性、强耦合的对象动态解耦成转速与转子磁链两个二阶子系统;然后,采用模型参考自适应系统（MRAS）理论来设计转子电阻估计器,在线估计时变的转子电阻,从而保证在整个电机运行区域内,转速与磁链之间的输入输出解耦关系不变;最后,分别设计线性控制器对转速与磁链子系统进行闭环控制.仿真结果表明,提出的控制方案具有优良的动态和静态性能,且对电机参数变化具有强鲁棒性.     

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。     

单神经元自适应二维PSD控制的双电机同步系统

以多变量非线性强耦合的双电机同步控制系统为研究对象,针对电流跟踪型SPWM变频器供电的感应电机系统,在a、b静止坐标系下,建立双台电机系统的数学模型。采用单神经元自适应二维PSD控制器,通过反馈抑制了轧辊的扰动和参数差异对控制性能的影响。系统采用非对称双核硬件结构,并引入了硬实时扩展RTX,对多电机同步系统的速度和张力进行解耦控制。实验结果证明了该控制系统在动态性能、稳态性能、跟踪性能方面均优于传统的PID控制器,可以实现系统转子转速和皮带张力的解耦,满足实际生产的要求。     

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.     

基于逆模型的火电机组自适应解耦控制

提出了一种基于逆模型的火电机组负荷对象自适应解耦控制方法。根据系统的输入输出信息,建立机组负荷对象逆系统的模糊规则模型,并依据该逆系统模型实现对被控对象的近似线性化和基本解耦。论证了逆系统模型特征参数与控制系统中各控制器特征参数之间的内在联系,在此基础上形成了一种与机组负荷对象特性相匹配的自适应控制系统。文中通过仿真实例验证了该方法的有效性。     

感应电动机定子磁链与转矩解耦自适应控制

基于非线性状态变换和状态反馈，提出了感应电动机定子磁链和转矩的精确解耦控制策略。并针对电动机运行过程中定子和转子电阻值随温度升高而发生变化，提出了自适应解耦控制律，确保了电阻估计误差的收敛以及定子磁链和转矩对各自参考值的渐近跟踪。通过理论分析证明了自适应反馈控制的收敛性和整个闭环系统的稳定性，最后数字仿真验证了系统的控制性能。     

解耦自适应反步法永磁直线同步电机混沌控制

针对永磁直线同步电机运行过程中存在的混沌动态行为,构建电机混沌模型,编写程序,计算其任意参数下的最大Lyapunov指数.通过分析电机的混沌动态特性,构造状态反馈解耦,降低混沌系统阶数.基于永磁同步电机的状态反馈解耦模型设计反步法混沌控制器.针对系统中可能含有的不确定性参数,提出解耦模型下的自适应反步法混沌控制,构造虚拟控制量,设计控制律,实时跟踪预测系统参数.为使系统状态快速稳定收敛至零点,构造Lyapunov方程进行稳定性分析.仿真结果表明,所提解耦自适应反步法能使永磁同步电机混沌系统快速恢复到稳定运行状态,鲁棒性强,响应速度快、控制精度高.     

多变量时滞系统的解耦模糊内模控制

针对时滞多变量耦合系统，研究了带有多时滞的多变量稳定过程的解耦内模控制，根据开环系统的时滞给出了一种时滞系统多变量解耦方法，由于理想的多变量时滞系统内模控制器设计复杂，且根据内模控制理论设计的控制器一般是高阶的，因此采用模糊控制方法设计模糊内模控制器。其宗旨是首先根据过程对象的模型，设计多变量时滞解耦的预补偿器，对其进行对角优势化，利用补偿后的主对角元素作为内模控制的预估模型，设计了多通道模糊内模控制器。仿真结果表明，该方法具有很好的解耦能力，鲁棒性强；方法简单，易于实现。具有工程应用价值。     

Linear adaptive control of a single-tether system

A control law for a single-tether orbiting satellite system based on a reduced order linear adaptive control technique is presented. The main advantages of this technique are its design simplicity and the facts that specific system parameters and model linearization are not required when disigning the conroller. Two controllers are developed: one which uses only tension in the tether as control actuation and one which uses both tension and in-plane thrusters as control actaution. Both a sixth-order non-linear and an 11th-order bead model of a tethered satellite system are used for simulation purposes, demonstrating the ability of the controller to manage an uncertain system. Retrieval and stationkeeping results using these non-linear models and the linear adaptive controller demonstrate the feasibility of the method. The robustness of the controller with respect to parameter uncertainties is also demonstrated by changing the non-linear model and parameters whithin the model without redesigning the controller.     

Adaptive decoupling control of mimo systems

This paper describes a new adaptive controller for MIMO systems. The resulting closed-loop system will be stable and decoupled. The system to be controlled can be linear, non-minimum phase and/or unstable. The interactor matrix need not be known beforehand. Instead of employing the certainty equivalence principle to design the adaptive controller, a special controller design procedure is used. By using this special scheme, the computation time required for controller design will be drastically reduced. Moreover, the boundedness of the controller parameters is automatically ensured. This is a desired property which is useful in stability analysis. The steady state performance of the controller designed by the proposed method will be the same as that of controllers designed using the certainty equivalence principle. Approximate decoupling can be achieved by underestimating the degree of the decoupling matrix without affecting the stability of the system. To achieve decoupling, we need to specify the denominator of the closed-loop transfer function matrix of the system which is assumed to be in the form T(q^?1) = t(q^?1)I where the polynomial t(q^?1) is assumed to be monic and stable. Global stability of the adaptive system is obtained for deterministic systems. A simulation example is presented to demonstrate this control scheme.     

两区域负荷频率的智能自适应PID控制

利用神经网络动态辨识电力系统的动态模型,并将模型逻辑技术与神经网络相结合,通过动态寻优确定最优性能指标下的ＰＩＤ控制器参数,具体设计了一种两区域负荷频率的神经模糊自适应ＰＩＤ控制器。使两区域负荷频率控制既有非线性控制作用和自学习自适应能力,又有ＰＩＤ控制的广泛适用性。     

两区域负荷频率的智能自适应PID控制

利用神经网络动态辨识电力系统的动态模型,并将模糊逻辑与神经网络相结合,通过动态寻优确定最优性能指标下的ＰＩＤ控制器参娄和具体设计了一咎两匹配负荷频率的神经模糊自适应ＰＩＤ控制器。使两区域负荷控制既有非线性控制作用和学习自适应能力,又有ＰＩＤ控制的广泛适应性。