基于模糊PI控制的无刷直流电机调速系统仿真

针对传统PI控制方法在对稀土永磁无刷直流电动机进行控制时鲁棒性差、精度低等缺点,提出了一种参数自整定模糊PI控制方法,即采用传统的PI控制与模糊控制相结合的新型控制方法。将方法应用于永磁无刷直流电动机双闭环调速系统的转速闭环中,并利用MATLAB软件中的模糊控制工具箱进行了系统的辅助设计与仿真。仿真结果表明,参数自整定模糊PI控制方法改善了电机的动静态性能,系统的鲁棒性和精度也大大提高。     

基于BP神经网络PID控制的BLDCM调速系统

在分析无刷直流电机(BLDCM)数学模型的基础上,采用改进型BP神经网络与传统PID相结合作为速度控制器,应用于无刷直流电机调速系统中。在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制。仿真研究表明,应用这种新型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。     

基于模糊控制器的直流无刷电动机控制

利用自整定模糊-PID控制器实现对直流无刷电动机的控制.在分析直流无刷电动机数学模型的基础上,建立一种新型的三相直流无刷电动机数学模型,并将自整定模糊-PID控制器应用于直流无刷电动机的控制系统中.系统采用双闭环调速,电流环采用电流滞环控制,转速环采用自整定模糊-PID控制器,通过不断检测速度偏差e和速度偏差变化率ec,对参数KP,KI和KD进行在线校正,控制器参数随e和ec变化而变化,以提高系统的控制效果.研究结果表明,这种基于自整定模糊-PID控制器的直流无刷电动机控制系统具有响应快、超调小、控制精度高等特点,比传统PID控制器具有更好的静、动态特性.     

基于神经网络控制的直流调速系统仿真与分析

在直流电动机性能优化问题的研究中,针对传统PID控制的双闭环直流调速系统参数难以整定、自适应性差等问题,在对系统数学建模的基础上,确定了系统的控制策略,设计了一个BP神经网络的PID控制器.首先确定BP网络的结构,然后计算网络各层的输入和输出,再根据增量式PID控制算法计算控制器的输出,利用BP网络的自学习能力对PID控制器的参数实时在线调整,获得最佳的PID控制参数,从而实现直流电机转速的调节.仿真结果表明,采用神经网络控制的直流电动机调速系统具有良好的动静态性能、抗扰性能和鲁棒性能,说明了控制策略的有效性和先进件.     

双闭环直流调速系统优化及仿真研究

研究双闭环直流调速系统优化问题,直流调速系统具有不确定性、时变性和非线性,难建立准确的数学模型,而常规PID控制难以自适应双闭环直流调速系统参数变化,控制精度低,稳定性差.为了提高双闭环直流调速系统控制精度,提出一种改进的RBF神经网络PID的双闭环直流调速系统.RBF神经网络不需要建立精确的数学模型,具有自适应、自学习能力,可以对PID控制器的3个参数进行在线性优化,从而对双闭环直流调速系统进行准确控制.仿真结果表明,改进RBF神经网络控制解决了常规PID控制算法存在的难题,可以获得较高的控制精度,增强了双闭环直流调速系统的抗干扰能力和鲁棒性,为系统的优化设计提供了依据.     

变论域模糊控制的无刷直流电机控制系统

为了改善无刷直流电机(BLDCM)的调速性能,研究了基于变论域思想的自适应模糊PID控制器及其在BLDCM控制系统中的应用,变论域自适应模糊控制对模型无精确要求、速度快、精度高、鲁棒性好、适应性强.详细分析了BLDCM电机模型的建立、控制结构设计、伸缩因子的选择等,给出了具体的控制算法设计,并在Matlab仿真平台下,构建了BLDCM的电流、转速双闭环控制的仿真系统,其中,转速环采用了变论域自适应模糊PID控制器.仿真结果表明,与常规PlD控制和普通模糊PID控制相比,采用变论域自适应模糊PID控制时,转速输出无超调,响应速度快.转矩脉动小,控制精度高,为无刷直流电机在军事、办公设备、家电等需要快速、高精度控制、抗扰能力强的场合的应用提供了一种有效的解决方案.     

无刷直流电机新型控制方案的仿真研究

为设计高性能低成本的轮式移动机器人,对永磁无刷直流电动机的控制器进行改进,利用带电流补偿的电压负反馈,实现无速度传感器控制,解决了难以安装和维护测速装置的弊病,降低成本;采用模糊自适应PID算法在线调整PID参数,提高系了系统的可靠性和鲁棒性。仿真结果证明该方案可以实现很好的调速性能。     

自适应人工神经网络电机控制器设计

提出了一种自适应人工神经网络无刷直流电动机(BLDCM)转速控制器设计方法;针对传统PID调节器难以应对系统超调和短时振荡等问题,提出了一种结合人工神经网络和传统PID控制的新方法;首先建立了(BLDCM)的本体数学模型,在此基础上描述了将人工神经网络和PID控制相结合的模型,并对具体的控制算法进行了定义;最后,使用Matlab仿真工具对BLDCM控制实例进行了仿真;实验结果表明,结合人工神经网络和PID控制器的新控制方法具有响应快、鲁棒性强以及控制精度高等优点,很好地抑制了超调和振荡。     

离网型风力提水机智能控制系统仿真研究

着重研究了以无刷直流电动机(Brushless DC Motor,BLDCM)控制器为核心的小型风力提水机系统的MATLAB/Simulink仿真模型。阐述了无刷直流电动机的工作原理,对小型风力提水机控制系统进行了数学建模和仿真分析,并重点对BLDCM转速闭环系统的运行情况进行了仿真,验证了该系统可实现闭环调速,能根据风力大小自动提高出水量。     

无刷直流电机调速系统神经网络自适应滑模变结构控制

为了提高无刷直流电机调速驱动系统的性能,提出神经网络自适应滑模变结构控制策略。推导无刷直流电机端电压与转速之间的微分方程,运用滑模变结构控制理论,通过调节端电压来实现转速控制;为了有效抑制系统在滑模切换面上的抖振采用自适应算法调整滑模增益的大小;从实际应用的角度出发,利用神经网络对非线性函数的任意精度拟合性,设计径向基函数神经网络估计器对控制量中广义扰动进行动态估计。仿真和实验结果表明采用本文提出的方法控制无刷直流电机,超调量小,速度响应快,控制精度高,且系统对各种干扰和参数摄振具有较强的鲁棒性,动、静态性能均优于PID控制。     

神经网络在PLC控制系统中的应用

神经网络具有自学习、自调整、自适应能力。本文介绍了由PLC控制实现的神经网络PID自适应控制器。实验表明，该技术对于提高控制精度是行之有效的。具有在调速系统中推广应用的价值。     

基于ISSA-Fuzzy-PID算法的无刷直流电机调速控制系统

为了使无刷直流电机(BLDCM)从复杂多变的非线性关系中找出最佳PID参数,提出了一种基于改进麻雀算法(ISSA)优化模糊(fuzzy)控制的调速系统。根据BLDCM工作原理及控制方法在MATLAB平台上搭建仿真模型并加入反向学习策略初始化麻雀种群,形成非线性时变控制系统,并将该优化系统与传统PID以及模糊PID(fuzzy-PID)控制系统进行对比分析。仿真结果表明,基于ISSA-Fuzzy-PID的调速控制系统有较快的动态响应,有效增强了BLDCM转速控制的精度和鲁棒性。     

无刷直流电机的自适应模糊滑模控制策略研究

为了提高无刷直流电机（BLDCM,brushless dC motor）控制系统的动态响应速度和干扰抑制能力,提出了一种新的自适应模糊滑模控制（AFSMC,adaptive fuzzy sliding mode control）策略。控制系统根据滑模开关函数的取值范围,可以切换滑模控制器的输出,能够改进滑模观测器的抖振现象和系统稳定性。控制器的控制律由自适应模糊控制算法调节,滑模控制器的输出减少了系统不确定时延的影响。根据所提出控制策略建立了仿真模型,并进行了仿真。仿真结果表明,所提出的控制策略能提高系统的动态性能和鲁棒性。该方法用于无刷直流电机的控制是可行的、有效的。     

基于GA+BP网络速度辨识的直接转矩控制

针对传统直接转矩控制中存在电流、磁链和转矩脉动较大及速度传感器的使用降低了系统的可靠性,增加了系统的成本等问题,提出了利用遗传算法(GA)优化的BP网络电机速度辨识方法,实现了异步电机无速度传感器直接转矩控制。该方法保持了直接转矩控制固有的转矩响应快和系统鲁棒性强的优点,降低了磁链、转矩脉动,加快了系统的响应速度,并对负载的扰动具有较强的鲁棒性,有效地改善了系统的动、静态性能,实验结果证实了该方法的可行性和有效性。     

基于神经网络的带钢跑偏电液伺服系统研究

带钢跑偏电液伺服控制系统的非线性和时变性使得传统的PID控制很难达到理想的控制效果,将神经网络与普通PID控制相结合形成神经网络自适应PID控制策略,应用于该系统实现其良好控制.为提高系统的动态响应速度及性能,采用RBF神经网络对系统进行辨识预测.首先建立带钢跑偏电液伺服系统数学模型,然后利用AMESim和Simulink软件对传统PID控制和神经网络自适应PID控制进行联合仿真.结果表明,神经网络自适应PID控制系统响应速度快、超调量小、鲁棒性强,并具有良好的稳定性和控制精度.     

基于 MEKF 的直流无刷电机磁极位置与转速检测技术

传统的扩展卡尔曼滤波器(Extended Kalman Filter,EKF)用于无刷直流电机状态辨识时,观测数据容易出现残差,辨识结果偏差大,位置及转速存在耦合,导致辨识系统鲁棒性弱。文章基于离散的直流无刷电机(Brushless DC Moter,BLDCM)数学模型和M-估计方法,构建了改进的扩展卡尔曼滤波算法(MEKF)。首先,基于BLDCM的工作原理,建立了独立于EKF的BLDCM换相离散模型;其次,通过修正系统观测矩阵,对转速与位置的强耦合关系进行解耦,实现了EKF分离变量辨识;最后,基于去耦合后的时序模型设计出独立于EKF的转子位置检测模块,无需深度滤波就可实现转子的精确定位。实验仿真结果表明,文章方法能够有效抑制卡尔曼滤波器的粗差扰动,提高了系统抵抗初始值不确定性的干扰和系统鲁棒性。     

基于动态邻域微粒群的Smith预估双控制器设计

针对模型未知时滞系统的预测补偿控制,提出一种基于动态邻域拓扑微粒群算法以优化动态神经网络的参数,并将其作为预估器和辨识器应用于一种新的Smith预估双控制器结构设计.利用微粒群算法空间搜索能力指标,动态建立邻域拓扑结构,优化神经网络参数,并将两者的组合模型应用于新的双控制器结构,将负载扰动和定值控制分开,以提高Smith预测补偿模型的控制精度和鲁棒性,最后通过仿真验证了所提出方法的有效性.     

神经元自适应PID控制器在机组控制中应用

针对机组控制系统动态范围宽、要求响应速度快、超调量小及参数时变的特性,研究了一种基于神经元的自适应PID控制器。利用神经网络的在线调整功能,自动调整PID控制参数,以适应被控过程的参数变化和克服扰动的影响。仿真和实验结果表明,该算法简洁实用,控制效果优于传统的PID控制。