超声波电动机二输入Hammerstein非线性建模

为给超声波电动机多变量控制系统的设计与分析提供必要基础,建立超声波电动机二输入Hammerstein非线性模型。将模型的静态非线性环节设计为Gauss函数,更准确地表述超声波电动机的非线性特性。采用改进差分进化算法,进行模型参数辨识,给出优化算法参数值的调试方法,以保证建模过程的有效性。模型计算结果与实验数据的对比表明,该模型精度较高,建模方法有效。     

基于遗传神经网络的超声波电机转速控制系统

介绍一种超声波电机(USM)自适应控制策略,系统采用双闭环控制,内环通过对弧极电压进行采样、判断,补偿USM谐振频率的漂移;外环利用动态递归神经网络控制器调节两相驱动交变电压的相位差,实现转速的自适应控制.DRNN的结构和初始参数通过混合递阶遗传算法离线训练获得.试验结果证明,该控制系统具有较高的控制精度和较好的稳定性.     

行波超声波电机单神经元自适应控制

由于超声波电机具有非线性、时变性、强耦合等特点,增加了它的控制难度,采用PID等常规控制方法难以满足较高精度的控制需求。单神经元作为一种神经网络应用形式,具有自学习和自适应能力,而且易于实现。设计了基于低频PWM方法的单神经元自适应PID转速控制策略,构建了超声波电机自适应闭环控制装置。在一定程度上解决传统PID调节器不易在线实时整定参数、难于对复杂控制对象进行有效控制的不足。实验证明,该控制系统具有响应迅速、适应性强等优点。     

基于在线辨识的超声波电动机极点配置自校正转速控制

超声波电动机具有显著的时变非线性,采用自适应控制策略进行转速控制,根据电机特性的变化实时校正控制器参数,能够获得更为理想的控制效果。给出极点配置自校正控制策略,通过在线辨识获取电机系统模型参数的变化情况,据此校正控制器参数,实现了具有较高性能的行波超声波电动机转速闭环控制系统。     

基于粒子群优化的超声波电机非线性Hammerstein辨识建模

由于超声波电机(USM)具有机电能量转换、不规则外形的定转子以及复杂的摩擦和接触机理,很难建立其适合于控制的非线性数学模型。针对这个问题,本文采用粒子群优化算法建立了超声波电机的非线性Hammerstein模型。该模型由静态非线性和动态线性两部分串联而成,能够以相对简单的形式表述超声波电机的非线性特性。所得模型的仿真计算结果与实验数据接近,表明了建模方法的合理性和所建模型的有效性。     

超声波电动机在线校正模糊转速控制

针对超声波电动机的转速控制特点,设计了超声波电动机模糊转速控制器.采用蚁群算法对模糊控制器中的模糊规则进行离线优化,确定合适的模糊控制器参数.在实验过程中,针对不同转速情况下的控制性能差异,给出了模糊控制器输出比例因子的在线调节方法,得到了较好的转速控制效果.     

超声波电动机MIT模型参考自适应转速控制

采用相对简单的运动控制算法,有助于降低包含驱动控制电路在内的超声波电动机系统的成本,从而推动其产业化。基于这一目的,给出一种模型参考自适应控制策略用于超声波电动机转速控制。该策略计算量小,并具有一定程度的自适应能力,提高了系统性价比。     

基于免疫原理的气动比例阀缸系统的位置控制

借鉴生物免疫反馈应答机理,基于抗原、T细胞以及B细胞间的浓度关系数学模型,设计了一种新型免疫控制器用于气动比例阀缸系统的位置控制。仿真结果表明,对于被控对象本身的非线性、时变性、参数变化大和负载干扰大的特征,所设计的免疫控制器相对于模糊控制器具有较好的动态特性和跟踪特性,且具有较好的自适应能力。     

基于CPLD的超声波电机H桥相移PWM控制

超声波电机性能与其驱动控制电路直接相关。与目前常用的推挽式电路相比,H桥相移PWM控制电路在多方面具有性能优势。该文介绍了超声波电机H桥相移PWM控制电路结构,给出了一种基于CPLD的两相H桥相移PWM控制信号发生器,分析了其组成和工作原理,并进行了实验验证,效果良好。     

PWM死区对永磁同步电动机低速运行性能的影响

电动机驱动控制中,PWM死区引起绕组电流波形畸变,增大电动机输出转矩和转速脉动.电动机转速越低,PWM调制深度越小,死区影响越显著.从输出电压波形、输出合成电压矢量两个方面,对电动机低速运行情况下PWM死区的影响进行了细致分析,指出死区导致逆变器输出电压矢量波动,直接影响电动机低速运行性能.