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...     

电机矢量控制按转子磁链定向的参数辨识方法

就异步电机旋转变换和转子磁链定向进行了分析,采用了同步旋转模型到按转予磁链定向的变换的方法,建立了新的电机旋转变换参数模型。由于这个模型包含了磁链定向的参数信息,利用该模型进行参数辨识通过计算可以得到固定的磁链定向角。分析变换和计算机仿真结果说明该方案是有效的,为交流异步电机矢量控制磁链定向实现提供了新的途径。     

基于模糊聚类的模型神经网络的系统辨识

针对模糊神经网络的系统辨识问题,提出了一种具体的模糊神经网络模型,使用模糊聚类方法确定模糊神经网络的结构,仿真研究证明该方法是有效的和可行的。     

两变频调速电机系统的神经网络逆同步控制

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.     

基于模糊聚类的模糊神经网络的系统辨识

针对模糊神经网络的系统辨识问题,提出了一种具体的模糊神经网络模型,使用模糊聚类方法确定模糊神经网络的结构。仿真研究证明该方法是有效的和可行的。     

基于聚类学习算法的模糊系统辨识方法

在建立模糊辨识器的一般数学模型后，利用最近邻聚类算法对样本数据进行分组，然后再将每一组数据视为一个数据对对系统进行在线训练辨识，从而使模糊辨识器能较快的收敛于起初系统。     

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T-S模型的非线性系统模糊聚类辨识方法

提出一种基于T-S模型的非线性系统模糊聚类辨识方法,对T-S模糊模型的前提部分和结论部分进行分开辨识,既简化该模型的辨识步骤,又提高它的泛化能力,同时也解决了T-S模糊模型随辨识系统复杂程度提高而规则数增大的问题。对一个非线性系统辨识的仿真结果验证了这种模糊聚类辨识方法的有效性。     

基于函数链神经网络的非线性系统稳态模型辨识及应用

利用函数链神经网络的非线性映射能力和快速收敛特性，将良好的推广能力视为网络评价函数的约束条件，以改善网络的泛化特性，提高系统的稳态辨识精度，仿真和实际应用结果表明，具有收敛快，辨识精度高，所需样本少等优点。该方法在ＳＯ３磺化过程非线性系统建模中得到应用。     

一种新的模糊聚类神经网络及其在语音信号系统辨识中的应用

主要解决语音信号模型的系统辨识问题.针对过去的模糊聚类算法进行系统辨识时逼近性能不理想的问题,提出了一种新的模糊聚类神经网络(FCNN).该方法以模糊系统模型为基础,将每个状态看作一个模糊系统,用连续的若干序列作为系统的输入,利用改进的模糊聚类辨识算法构成一种新型的模糊聚类神经网络,对系统的输出进行预测.通过语音信号系统辨识的实验,验证了本网络的有效性.     

基于扩张PCHD 模型的永磁同步电机无源控制

针对常规无源控制器在受到外部常值干扰和输入常值干扰的情况下系统会出现静差的问题, 设计加入积分反馈来消除上述干扰所引起的静差. 建立永磁同步电机受扰的端口受控耗散哈密顿系统模型(PCHD), 采用互联和阻尼分配无源控制方法, 同时加入积分比例动态反馈, 设计了永磁同步电机的速度控制器, 以保证闭环扩张系统依然具有PCHD 模型形式, 使系统稳定于期望平衡点. 最后通过仿真结果表明了所提出的控制策略的有效性.

     

一种基于反推技术和ESO补偿的解耦控制方法

针对一类非线性多入多出系统,设计了一种新的解耦控制器.首先采用反推技术设计每一个子系统的等效输入;然后用扩张状态观测器(ESO)对各个子系统的耦合、外扰和参数时变等不确定作用进行动态估计,并把估计值引入到反推控制器中进行补偿,最终实现解耦和摔制.利用Lyapunov稳定性理论证明了该方法的收敛性;数例仿真表明了该方法可获得较快的响应速度及较好的解耦效果和鲁棒性.     

一类非线性严格反馈系统基于干扰观测器的抗干扰控制

针对一类带有干扰的非线性严格反馈系统, 研究其抗干扰控制问题. 系统干扰满足不匹配条件, 代表一类部分信息已知的干扰. 通过设计非线性干扰观测器, 提出基于非线性干扰观测器和back-stepping 的抗干扰控制方法来补偿干扰, 该方法可以保证闭环系统所有信号是半全局最终一致有界的. 最后, 通过与现有方法的对比验证了所提出方法的正确性和有效性.

     

具有学习能力的有限理性双寡头竞争分析与混沌控制

利用动力系统的分支理论研究了具有学习能力的有限理性双寡头产量竞争模型,讨论了该模型均衡点的存在性与稳定性,并进行了数值仿真.仿真结果表明,企业产量调整速度的变化对于模型的稳定性有较明显的影响;运用延迟反馈控制法町使陷入混沌的模型重新稳定在Nash均衡状态,混沌控制实施者可从混沌控制中获利.     

不确定移动机器人编队间接自适应模糊动力学控制

研究不确定非完整移动机器人Leader/Follower编队动力学控制问题,对Follower提出了自适应队形跟踪控制方法.首先,基于队形方程设计了运动学队形跟踪控制器,使用Backstepping技术扩展出队形跟踪误差动力学方程;然后,利用自适应模糊系统逼近其不确定项,构造了间接自适应模糊动力学队形跟踪控制器;最后,证明了队形跟踪误差可收敛到原点的小邻域内.仿真结果验证了所提出控制策略的有效性.     

考虑铁损的电动汽车用永磁同步电机Hamilton镇定控制

电动汽车用永磁同步电机(PMSM)工作于有限能量供电条件下,其铁损对驱动系统的影响不容忽略.对此,首先推导了考虑铁损的PMSM完整动态数学模型,并建立了其端口受控Hamilton模型;然后利用互联和阻尼配置及能量整形方法实现了考虑铁损的PMSM驱动系统的Hamilton镇定控制;最后分析了阻尼参数和铁损对电机转速的影响.仿真结果表明,Hamilton控制可实现系统的快速镇定;系统可有效抑制负载扰动;考虑铁损有助于提高电动汽车PMSM驱动系统的控制性能和控制精度.     

永磁同步电机伺服系统模糊分数阶滑模控制

针对传统整数阶滑模控制系统中的抖震问题,结合分数阶理论、模糊逻辑推理和滑模控制技术的优点,提出了模糊分数阶滑模控制策略.将传统滑模控制器中的整数阶切换面推广到分数阶并设计了全控制域滑模面,保证系统在整个控制域都具有较强的鲁棒性.采用模糊逻辑推理算法,实现了开关切换增益的自整定.仿真和实验验证了模糊分数阶滑模控制系统不但能有效地削减抖震,而且能保持滑模控制器对系统外部扰动的全局鲁棒性.     

基于控制系统直接方法的非线性系统预见控制器设计

针对一类非线性离散时间系统给出最优预见控制器设计方法. 首先运用非线性控制系统直接控制方法的思想, 将非线性反馈部分作为形式输入, 使得系统成为“形式上”的线性系统; 然后, 针对该线性系统, 利用最优预见控制的基本方法设计最优预见控制器; 最后, 利用形式输入与实际输入的关系得到非线性离散时间系统的最优预见控制器. 证明了如果形式线性系统满足一定的可镇定和可检测条件, 则闭环系统是渐近稳定的. 数值仿真结果表明了控制器的有效性.

     

基于广义扩张状态观测器的干扰不匹配离散系统状态反馈控制

针对一类干扰不匹配的线性离散时间系统, 研究基于广义扩张状态观测器的稳定化状态反馈控制器设计问题. 在经典的自抗扰控制器中, 扩张状态观测器主要针对干扰匹配的积分串联型系统. 然而, 在许多实际系统中往往存在干扰不匹配的情况, 例如存在采样抖动的离散时间控制系统. 针对这一问题, 基于一类存在不匹配干扰的离散时间系统, 提出广义扩张状态观测器和相应的稳定化状态反馈控制器设计方法. 最后通过永磁同步电机调速控制仿真实例验证了所设计的观测器和控制器的有效性.

     

基于预测控制的时滞多机器人编队脉冲控制

针对多机器人编队控制的时滞问题, 提出一种基于预测控制的脉冲控制方法. 首先, 利用一致性思想将多机器人编队控制转换为系统稳定性问题; 然后构建预测模型, 采用脉冲控制协议, 利用Schur 稳定性定理推导实现多机器人编队控制的充分条件; 最后, 在数值仿真中随机设置一种包含生成树的通信拓扑关系, 并比较了不同采样时间间隔下时滞系统的控制效果. 仿真结果验证了所提出方法的有效性.