共查询到16条相似文献,搜索用时 114 毫秒
1.
针对直线永磁游标电机这一多变量、强耦合的非线性系统, 提出一种基于支持向量机广义逆内模控制的方法. 在证明其数学模型存在广义逆的基础上, 通过支持向量机来辨识原系统的广义逆系统, 经复合后得到具有线性关系的伪线性系统, 然后引入内模控制方法设计附加控制器以增强整个系统的鲁棒性. 仿真结果验证了所提出方法具有良好的解耦性能和抗干扰特性.
相似文献2.
3.
基于支持向量机的非线性内模解耦控制 总被引:1,自引:0,他引:1
针对非线性内模控制在应用于多变量系统时逆模型难以建立的问题, 提出了支持向量机α阶逆系统的内模解耦控制方法. 该方法利用支持向量机辨识非线性系统的逆模型, 并将其串连在原系统之前, 运用逆系统方法的思想, 将一个多变量、非线性、强耦合的复杂系统通过反馈线性化解耦成多个相互独立的单输入单输出的伪线性复合子系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真试验表明该方法不需要系统精确的数学模型, 较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决多变量非线性系统控制的一种可行的理论方法. 相似文献
4.
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。 相似文献
5.
基于神经网络逆系统的无轴承异步电机非线性内模控制 总被引:2,自引:0,他引:2
针对无轴承异步电机非线性、多变量、强耦合的特点,提出一种基于神经网络 α阶逆系统方法的非线性内模控制策略.将用动态神经网络逼近的无轴承异步电机 α阶逆模型与原系统复合,将非线性的无轴承异步电机原系统解耦成转子径向位移、转 速和转子磁链四个独立的伪线性子系统.为了保证 系统的鲁棒性,对伪线性系统引入内模控制,仿真和实验研究验证了所提控制方法的有效性. 相似文献
6.
曹建云 《自动化技术与应用》2003,22(6):13-15
本文研究了基于逆系统方法的神经网络内模控制。选用径向基函数神经网络(RBFNN)逼近对象的α阶积分逆系统,以之与原系统组合,使其解耦线性化以后再采用内模控制。最后以两输入两输出的磁悬浮系统设备的数学模型为对象进行了仿真,结果表明这种方法具有较好的控制效果。 相似文献
7.
六自由度机械臂系统具有强耦合、多输入多输出、非线性的特性,且难以求解精确的动力学模型。针对上述问题,提出了一种基于GA-SVM逆系统的六自由度机械臂内模控制方法。将逆系统方法用于六自由度机械臂的解耦可以有效简化控制器的设计,为了避免逆系统方法复杂的解析过程,采用基于支持向量机(SVM)辨识逆系统模型以实现解耦,并用遗传算法(GA)优化SVM系统参数以提高模型的准确性。同时,为了弥补SVM辨识逆系统的误差以及抑制系统存在的扰动,设计内模控制器以保证系统的鲁棒性和稳定性。实验结果表明,该方法不需要知道六自由度机械臂的数学模型和内部结构,也能实现各关节位置的快速精确定位控制,且具有良好的鲁棒性,结构简单,需要调节的参数少,易于工程实现。 相似文献
8.
基于神经网络与多模型的非线性自适应广义预测解耦控制 总被引:1,自引:0,他引:1
针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性. 相似文献
9.
针对一类非线性多变量离散时间动态系统,提出了基于神经网络与多模型的非线性自适应广义预测解耦控制方法.该控制方法由线性鲁棒广义预测解耦控制器和神经网络非线性广义预测解耦控制器以及切换机构组成.线性鲁棒广义预测解耦控制器用于保证闭环系统输入输出信号有界,神经网络非线性广义预测解耦控制器能够改善系统性能.切换策略通过对上述两种控制器的切换,保证系统稳定的同时,改善系统性能.同时本文给出了所提自适应解耦控制方法的稳定性和收敛性分析.最后,通过仿真实例验证了该方法的有效性. 相似文献
10.
11.
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. 相似文献
12.
13.
14.
两变频调速电机系统的神经网络逆同步控制 总被引:16,自引:1,他引:16
针对以恒压频比工作方式的两台变频器+感应电机系统的特点,导出了两变频调速电机系统的统一数学模型,并证明该系统可逆.进一步采用静态神经网络加积分器构成的动态神经网络来构造该逆系统,并将神经网络逆系统与两变频调速电机系统相串联复合成由速度和张力子系统组成的伪线性系统,实现速度和张力的解耦.然后分别对速度和张力子系统设计线性闭环控制器从而实现对两变频调速电机系统的高性能控制.实验结果表明系统具有较好的动、静态性能和较强的抗负载扰动的能力,提出的神经网络逆同步控制方法为解决交流多电机系统解耦控制的难题提供了新思路. 相似文献
15.
基于RBF神经网络逆系统的机械手解耦控制策略 总被引:1,自引:1,他引:0
针对机械手系统具有非线性时变、多变量、强耦合的特点,提出一种基于RBF神经网络逆系统的机械手解耦控制策略。首先证明了系统的可逆性,进一步通过神经网络在线逆辨识建立机械手的神经网络逆系统模型,并将辨识得到的逆模型作为控制器模型与机械手系统串联,构成伪线性复合系统,实现了将具有强耦合特性的多变量输入/输出机械手系统解耦成单个独立的伪线性对象。最后以两关节机械手为仿真对象进行了仿真,仿真结果验证了本方案的有效性和可行性。 相似文献
16.
将逆系统方法与模糊神经网络相结合, 提出一种基于模糊神经网络®阶逆系统的发酵过程解耦控制方法. 在分析了系统可逆性的基础上, 利用模糊神经网络建立发酵过程的非线性逆模型, 然后将得到的模糊神经α阶逆系统与发酵过程串联复合成伪线性系统, 最后设计专家控制器实现高性能闭环解耦控制. 仿真结果表明, 提出的解耦控制方法能够适应发酵过程模型的不确定性和参数的时变性, 具有较强的鲁棒性, 克服了解析逆系统解耦控制方法依赖于过程模型和对模型参数的变化很敏感的缺点, 且结构简单, 易于实现. 相似文献