基于GGAP-RBF神经网络逆的复杂多电机系统同步控制

针对以矢量控制工作方式的复杂多电机同步系统,以3台电机同步系统为研究对象,证明了该系统可逆,提出了基于增长和修剪的RBF(GGAP-RBF)神经网络逆的多电机同步控制方法.将RBF神经网络逆串接在三电机系统之前,组成由速度和张力子系统组成的伪线性复合系统,分别对速度和张力子系统设计闭环控制器,实现了对速度和张力的解耦控...     

基于逆系统方法的感应电机调速控制系统

从一般非线性系统的相对阶定义出发分析了感应电机的可逆性,对感应电机变频调速系统应用逆系统方法,将这一多变量、非线性、强耦合的复杂对象解耦成转速与转子磁链两个二阶线性子系统,并运用线性系统理论对设计的闭环控制器进行控制。仿真结果表明系统具有良好的静态及动态性能。     

基于新型转子磁链辨识方法的多电机系统同步控制

磁链观测是多电机闭环控制系统性能的重要环节,而电机参数的变动通常使磁链观测的精度难以满足要求.针对3台异步电机和3台逆变器组成的三电机同步系统,提出了局部模型网络磁链辨识方法.将电机参数变化当作干扰项来处理,解决了因电机参数变动影响磁链准确观测的难题.在此基础上,采用神经网络逆构建由速度、磁链、张力子系统组成的伪线性复合系统,实现了三电机同步系统中速度、磁链和张力的解耦.分别对各子系统设计线性闭环控制器,实现了三电机系统的同步控制.仿真结果验证了磁链辨识的准确性和控制系统良好的动静态性能.     

三电机驱动系统的神经网络模糊自整定解耦控制

多电机驱动系统是一种多输入多输出、非线性、强耦合的系统.它广泛应用在许多需要高精度协调控制的驱动领域,比如电动汽车驱动、城市轨道交通以及印刷业等.本文提出了一种新的方法用于三电机驱动系统的速度与张力的解耦控制,其核心由模糊自整定控制与BP神经网络广义逆组成.首先,由神经网络广义逆与原系统串联实现复合伪线性系统;其次,在该伪线性系统中采用模糊自整定方法.仿真结果表明:所提方法能有效实现速度与张力间的解耦,将三电机驱动系统转化为多个具有开环稳定性的单输入单输出线性子系统,同时系统的响应速度快、超调量小、瞬态时间较短,具有良好的跟踪性能,这有助于改善系统的启动特性,降低系统振荡.     

两电机变频系统神经网络广义逆内模控制

为了提高非线性强耦合的两电机变频调速系统的解耦控制性能和鲁棒性能,提出了基于神经网络广义逆系统的二自由度内模控制方法。先对原系统数学模型进行广义逆存在性分析,进而推导出原系统的广义逆数学模型,再用动态神经网络逼近广义逆模型,从而串接在原系统之前组成广义伪线性复合系统,实现系统的解耦线性化与开环稳定,有利于系统的综合。然后对广义伪线性系统引入二自由度内模控制,保证系统的鲁棒稳定性。最后基于S7-300的平台,做了相关的试验研究。结果表明,该方法不但能够很好地实现系统的解耦,而且当系统存在建模误差和负载扰动的情况时,仍能使系统保持高性能的控制。     

基于Hammerstein 模型的感应电机变频器调速系统神经网络控制

针对感应电机变频器调速系统的非线性特点,提出一种基于Hammerstein模型的神经网络控制方法。 Hammerstein模型由静态非线性模块和动态线性模块组成。首先,利用ARMA模型实现对感应电机变频器调速系统的线性动态模块辨识;然后,基于该辨识模型,实现调速系统非线性静态模块神经网络逆模型辨识与系统直接逆控制;最后,针对控制过程中存在的电机负载扰动问题,设计了神经网络直接逆控制器在线学习与控制策略。仿真实验表明,所提出的控制策略可以获得满意的控制效果。     

无轴承异步电机径向位置的动态解耦控制

针对无轴承异步电机转子径向两自由度悬浮系统的相互耦合情况,采用神经网络逆系统方法进行了动态解耦控制研究。在介绍无轴承异步电机工作原理的基础上,建立了无轴承异步电机径向悬浮力的数学模型,对该模型进行可逆性分析,证明该系统可逆,应用神经网络逆系统方法将原来多变量、强耦合的非线性系统,动态解耦成2个位置彼此无耦合的线性子系统,并对解耦后的线性子系统进行了闭环设计。最后利用Matlab/Simulink工具箱对该控制系统作了仿真研究。仿真试验结果显示,神经网络逆系统方法可保证无轴承异步电机在径向两自由度上实现独立控制,且闭环系统具有良好的动、静态性能。     

神经网络在感应电动机调速系统中的应用研究

研究感应电动机凋速系统解耦控制问题.感应电动机调速系统是一个非线性、多变量和强耦合控制对象,传统的线性方法无法找到合适的描述模型,导致解耦控制性能相当的差.在体现适应性、实时性和鲁棒性的问题上,为了提高感应电动机调速系统解耦控制性能,将逆系统方法与神经网络相结合,提出了一种基于神经网络逆系统的感应电动机调速解耦控制方法.首先根据感应电动机调速系统的特点,建立合适的数学模型,并进行伪线性系统构造;然后采用神经网络对逆系统模型进行辨识,通过神经网络自学习实现高性能解耦控制;最后在matlab平台下进行了仿真和对比实验.实验结果表明,方法能很好实现解耦控制,使传统解耦控制方法的缺陷得到克服,具有较强适应性和鲁棒性.     

多输入多输出非线性系统的最小二乘支持向量机广义逆控制

针对神经网络逆控制存在的不足, 对一类模型未知且某些状态量较难测得的多输入多输出(MIMO)非线性系统, 在状态软测量函数存在的前提下, 提出一种最小二乘支持向量机(LSSVM)广义逆辨识控制策略. 通过广义逆将原被控系统转化为伪线性复合系统, 并可使其极点任意配置, 采用LSSVM代替神经网络拟合广义逆系统中的静态非线性映射. 将系统的状态量辨识与LSSVM逆模型辨识结合, 通过LSSVM训练拟合同时实现软测量功能. 最后以双电机变频调速系统为对象, 采用该控制策略进行仿真研究, 结果验证了本文算法的有效性.     

基于LS-SVM逆系统的无轴承异步电机解耦控制

无轴承异步电机具有非线性、多变量和强耦合的特点,要实现电机稳定悬浮和旋转运行,必须对其进行非线性动态解耦控制。为了克服逆系统方法精确建模难的局限性,采用基于最小二乘支持向量机(LS-SVM)α阶逆系统方法对无轴承异步电机进行动态解耦控制的研究。首先利用最小二乘支持向量机辨识出无轴承异步电机的逆模型,然后将它串联在原系统前,将无轴承异步电机解耦成四个独立的伪线性子系统-2个径向位移子系统、一个速度子系统和一个磁链子系统。为保证鲁棒性能,最后对解耦后的系统采用非线性内模控制策略。研究表明,LS-SVMα阶逆系统方法能够实现无轴承异步电机径向悬浮力和旋转力之间的动态解耦控制,控制系统具有良好的静态和动态性能。     

基于一种新型控制算法的两电机同步控制系统研究

提出一种新的二阶自抗扰控制器的两电机同步系统控制方案,两个二阶ADRC分别控制速度回路和张力回路,实现系统速度和张力的动态解耦。扩张状态观测器将系统模型内扰、外扰和速度张力之间的耦合影响统一视为系统总扰动进行实时观测和补偿。在西门子S7-300PLC实验平台上完成了跟踪特性和解耦特性测试实验,与传统PID控制相比,方波速度响应时间提高了5.3s;稳态误差提高了4.31%;当速度突变时张力几乎没有影响。结果表明二阶ADRC控制器能够实现两电机同步系统中速度和张力的解耦控制。     

基于二次仿射传播聚类的非线性系统多模型LSSVM建模

针对复杂非线性系统单模型建模存在计算量大和精度差的问题,提出一种采用仿射传播聚类的多模型LSSVM建模方法,通过仿射传播聚类对样本数据按输入集和输出集二次聚类划分,并分别建立LSSVM子模型,非线性系统模型通过子模型加权合成.将该方法应用于两电机变频调速系统的张力和速度模型辨识,仿真结果表明,该建模方法具有较高的精度,能准确拟合系统的非线性特性.     

Decoupling control based on terminal sliding mode and wavelet network for the speed and tension system of reversible cold strip rolling mill

To weaken the nonlinear coupling influences among the variables in the speed and tension system of reversible cold strip rolling mill, a novel dynamic decoupling control strategy is proposed based on nonsingular fast terminal sliding mode (NFTSM) and wavelet neural network (WNN). First, nonlinear disturbance observers are developed to counteract the mismatched uncertainties, and then input/output dynamic decoupling and linearisation for the speed and tension nonlinear coupling system are realised by utilising the inverse system theory. Second, nonsingular fast terminal sliding mode controller (NFTSMC) for each pseudo linear subsystem is presented based on backstepping and two-power reaching law, so as to improve the global convergence speed and robust stability of the system. Third, adaptive WNNs are used to approximate the uncertain items of the system, so as to improve the control precision of the speed and tension of reversible cold strip rolling mill. Theoretical analyses show that the NFTSMs satisfy reachability condition, the system error variables can converge to equilibrium point in finite time, and the resulting closed-loop system is globally asymptotically stable. Finally, simulation research is carried out on the speed and tension system of a 1422 mm reversible cold strip rolling mill by using the actual data, and results show the superiority of the proposed control strategy in comparison with the strategies of cascade PI, linear sliding mode control and internal model control.     

基于PLC和矢量变频器的涂层机同步传动控制系统的实现

基于PLC和矢量变频器,设计涂层机同步传动控制系统,提出系统的构成和工作原理,给出由PLC、矢量变频器、同步控制器、力矩控制器、交流电动机和张力检测器等装置构成的闭环控制系统,实现涂层机不同传动单元的同步运行.其中的设计方法可用于其它需要同步运行的纺织设备.实际应用表明,这种交流调速系统具有与直流调速系统相同的动、静态控制性能,还具有运行可靠和维护简单的特点.     

A Discrete‐Time VS Controller based on RBF Neural Networks for PMSM Drives

A method merging the features of variable structure control and neural network design is presented for speed control of a permanent magnet synchronous motor. The proposed control approach is based on a discrete‐time variable structure control and a robust digital differentiator for speed estimation. Radial basis function neural networks are used to learn about uncertainties affecting the system. A stability analysis is provided and the ultimate boundedness of the speed tracking error is proved. Control performance has been evaluated by simulations using the model of a commercial permanent magnet synchronous motor drive.