基于模糊神经网络的直线超声电机自适应控制

针对直线超声电机很强的非线性和时变特性,提出了模糊神经网络控制。为了更好地将PID控制的经验融入模糊神经网络,对离散型PID表达式的各项进行了划分,将轨迹跟踪误差信号、轨迹跟踪误差信号的变化和轨迹跟踪误差信号的变化率等三项作为模糊神经网络的输入。采用自适应律并结合了反向传播算法和梯度下降法进行学习优化。试验结果表明,所设计的模糊神经网络控制器不仅明显优于PID和自组织神经网络控制器,而且具有很好的抗干扰能力。     

长行程直线电机的迭代学习控制

光刻机工件台在扫描曝光过程中要求纳米级的定位精度，采用长行程直线电机粗动加洛仑兹电机高精密微动补偿的6自由度复合运动系统能满足要求。为减小微动电机的运动范围和加速度，必须提高直线电机的轨迹跟踪精度。提出了一种开闭环D型迭代学习控制律改善永磁直线同步电动机(PMLSM)的轨迹跟踪性能。控制器由三部分组成：PID控制器用来提高系统对扰动和参数变化的鲁棒性；前馈补偿器可提高系统的实时跟踪性能；迭代学习控制器则通过执行重复任务来不断向理想的控制信号逼近。实验结果表明，这种控制方法可以有效提高系统的轨迹跟踪精度。     

永磁同步直线电机的小波神经网络控制

针对永磁同步直线电机跟踪性能易受推力波动、摩擦力等干扰严重影响的问题,提出了基于小波神经网络的控制方法。分析证明了所构建的小波神经网络能以任意精度逼近主要干扰:非线性推力波动干扰。并且在复合前馈PID控制方法的基础上,利用小波神经网络实现了对永磁同步直线电机干扰的在线估计补偿。小波神经网络的控制实验的跟踪误差为0.15 mm,精确度为0.75%,实验结果表明,与复合前馈PID控制方法和神经网络自适应逆模型控制方法相比,基于小波神经网络的控制方法有效地提高了系统的跟踪性和鲁棒性,并能有效消除干扰对系统的影响。     

基于积分分离的永磁同步直线电机PID控制系统

永磁同步直线电机具有非线性、耦合性、负载扰动、时变不确定性等特点,常规PID控制器结构简单、输出稳定、易实现,在对直线电机进行控制时虽然可以使系统获得比较好的控制效果,但它对输入信号的适应性不强,在高速、高精的应用场合往往不能满足控制需要.提出了一种在速度环上用积分分离的PID控制器代替常规PID控制器的控制方法.仿真试验结果表明,积分分离PID控制器能使直线电机获得更好的控制性能.     

永磁同步直线电机RBF神经网络的PID控制

针对永磁同步直线电机的初级磁链近似为常数这一特点,在d-q轴下建立了直线电机的数学模型。直线电机具有非线性、耦合性、负载扰动、时变不确定性等特点。常规PID控制虽然结构简单、输出稳定、易实现,但在高速高精度应用场合却不能达到理想的控制效果。提出了一种基于RBF神经网络与传统PID控制相结合的新策略,形成RBF神经网络整定PID控制,在一定程度上改进了PID控制的性能。仿真结果表明,RBF神经网络PID控制具有更好的动态响应性和更加稳定的跟踪性能。     

基于RBF和PID的混合控制器设计

针对永磁直线同步电机跟踪系统中出现的诸多非线性因素,提出了基于PID控制器和径向基函数(RBF)神经网络组成的混合控制器。混合控制器结合了PID控制和RBF神经网络控制的优点,实现了非线性PID控制、高精度跟踪控制,拥有参数自整定、结构简单、易于实施等优点。分别对PID控制器,RBF神经网络控制器、混合控制器建模仿真,试验结果表明,混合控制器有较好的自适应性和鲁棒性。     

大推力永磁同步直线电机高抗扰控制系统设计

针对大推力长行程永磁同步直线电机系统存在的较强的电气干扰及周期性推力扰动,该文进行了具有高抗扰性能的永磁同步直线电机控制系统设计。介绍了永磁同步直线电机数学模型及矢量控制原理;采用DSP+FPGA+IPM的系统架构进行了硬件设计,设计了抗扰性能强的IPM差分驱动电路及IPM保护信号滤波电路;考虑永磁同步直线电机由齿槽效应和端部效应导致的周期性推力脉动及运动的重复性,设计了重复PID速度控制器;与传统矢量控制进行了实验对比,结果验证了所设计系统的有效性。     

基于遗传算法的永磁同步直线电机PID控制研究

由于永磁同步直线电机系统运行过程中参数摄动和负载扰动等问题的存在,传统 PID控制器无法满足高精度伺服控制系统的要求。设计出一种基于遗传算法(GA)优化的 PID 控制器,并通过 Simulink 对永磁同步直线电机控制系统进行建模和仿真实验。仿真和实验表明,采用 GA优化的PID控制器与传统的 PID控制器在指定速度和负载扰动条件下相比,具有更好的动态稳定性和跟踪性能,能有效抑制参数摄动的影响并对负载扰动具有较强的鲁棒性,实验结果也证明了方案的有效性和可行性。     

永磁直线同步电机的鲁棒自适应神经网络控制

针对永磁直线同步电动机的端部效应和非线性摩擦问题,采用一种鲁棒自适应神经网络控制方法,实现了永磁直线电机的跟踪控制.所设计的控制器包含两个部分:一部分是自适应神经网络控制器,用来逼近理想控制器,该神经网络的输入为滑模切换函数;另一部分是鲁棒控制器,用来消除逼近误差.通过李亚普诺夫稳定性定理验证了所设计的控制器能够保证控...     

基于干扰观测器的永磁同步直线电机自适应PID控制

针对永磁同步直线电机精确速度跟踪的问题,提出一种基于干扰观测器的自适应PID控制器。针对基于矢量控制的直线电机模型设计非线性干扰观测器进行干扰观测。同时,基于李雅普诺夫稳定性设计超限补偿控制器以及在线更新的投影自适应律使PID控制律始终跟随反馈控制律。最后通过试验分析结果,证明了该控制策略有更好的动态性能及鲁棒性。     

基于自适应神经网络的PMLSM速度控制研究

针对永磁直线同步电机(PMLSM)直接驱动系统的非线性与电机参数时变、易受扰动的特性,提出一种基于BP神经网络的自适应神经网络速度控制器.该控制器由一个传统的PID位置控制器、神经网络控制器(NNC)和神经网络辨识器(NNM)组成.仿真结果表明,当突加负载扰动或参数突变时,系统具有较好的动态性能和较强的鲁棒性,能够满足工业场合高精度、微进给的需求.     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法,用于永磁同步电机的控制.该算法用基于BP神经网络的PID算法作为速度控制器,实现控制系统的在线自适应调整;同时用模糊理论算法作为神经网络控制器输出的限制,实现了良好的控制动态性能.在与传统的PI控制仿真比较中,该算法显示出了较好的控制性能,对负载和电机参数的变化不再敏感,且控制器可以在误差较大的时候快速跟踪指令,而在误差较小的时候实现稳定运行.     

永磁直线同步电机神经滑模控制仿真

分析了永磁直线同步电机的数学模型,给出了径向基(RBF)神经网络的结构和算法,设计出以切换函数为网络输入、以滑模控制器为网络输出的神经滑模控制器,软件仿真结果表明所设计的滑模控制器能进行自适应学习,可实现良好的伺服跟踪.     

永磁直线同步电机的智能互补滑模控制

针对永磁直线同步电机(PMLSM)伺服系统的位置跟踪精度问题,提出了一种基于径向基函数(RBF)神经网络的智能互补滑模控制(ICSMC)方法。建立了包含端部效应、参数变化、外部扰动及非线性摩擦等不确定性因素的PMLSM动态方程。设计了互补滑模控制器,采用广义滑模面和互补滑模面相结合的设计,降低了系统跟踪误差,提高了系统响应速度,并削弱了抖振现象;利用RBF神经网络直接对系统存在的不确定性进行估计,在线调整RBF网络参数以改善系统动态性能,提高系统鲁棒性,并用李雅普诺夫定理保证系统闭环稳定性。通过分析系统实验结果,验证了所提出的控制方法有效降低了系统跟踪误差,并使系统具有良好的动态性能和鲁棒性能。     

永磁同步直线电机的粒子群PID空间矢量控制

由于永磁同步直线电机(PMLSM)在运行过程中存在着参数变动和负载干扰等问题,因此传统PID控制器无法满足高精度伺服控制系统的要求。针对以上问题,提出一种基于粒子群参数全局寻优的在线自整定PID控制器,并通过MATLAB/Simulink对永磁同步直线电机和其空间矢量控制系统进行建模和仿真实验。仿真结果表明,采用粒子群优化算法的PID控制系统在指定速度1 m/s和加入200 N的负载时,比传统PID控制器具有更好的动态响应性能,能有效抑制推力波动而且对负载扰动具有很强的鲁棒性,其实验结果也证明了其可行性和有效性。     

永磁同步直线电动机径向基神经网络PID控制

针对永磁同步直线电动机的初级磁链近似为常数这一特点,在d-q轴下建立了直线电动机的数学模型。直线电动机具有非线性、耦合性、负载扰动、时变不确定性等特点。常规PID控制虽然结构简单、输出稳定、易实现,但在高速高精度应用场合却不能达到理想的控制效果。提出了一种基于RBF神经网络与传统PID控制相结合的新策略,形成RBF神经网络整定PID控制,在一定程度上改进了PID控制性能。仿真结果表明,RBF神经网络PID控制具有更好的动态响应性和更加稳定的跟踪性能。