两电机变频系统神经网络广义逆内模控制

为了提高非线性强耦合的两电机变频调速系统的解耦控制性能和鲁棒性能,提出了基于神经网络广义逆系统的二自由度内模控制方法。先对原系统数学模型进行广义逆存在性分析,进而推导出原系统的广义逆数学模型,再用动态神经网络逼近广义逆模型,从而串接在原系统之前组成广义伪线性复合系统,实现系统的解耦线性化与开环稳定,有利于系统的综合。然后对广义伪线性系统引入二自由度内模控制,保证系统的鲁棒稳定性。最后基于S7-300的平台,做了相关的试验研究。结果表明,该方法不但能够很好地实现系统的解耦,而且当系统存在建模误差和负载扰动的情况时,仍能使系统保持高性能的控制。     

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...     

基于Hammerstein 模型的感应电机变频器调速系统神经网络控制

针对感应电机变频器调速系统的非线性特点,提出一种基于Hammerstein模型的神经网络控制方法。 Hammerstein模型由静态非线性模块和动态线性模块组成。首先,利用ARMA模型实现对感应电机变频器调速系统的线性动态模块辨识;然后,基于该辨识模型,实现调速系统非线性静态模块神经网络逆模型辨识与系统直接逆控制;最后,针对控制过程中存在的电机负载扰动问题,设计了神经网络直接逆控制器在线学习与控制策略。仿真实验表明,所提出的控制策略可以获得满意的控制效果。     

神经网络在感应电动机调速系统中的应用研究

研究感应电动机凋速系统解耦控制问题.感应电动机调速系统是一个非线性、多变量和强耦合控制对象,传统的线性方法无法找到合适的描述模型,导致解耦控制性能相当的差.在体现适应性、实时性和鲁棒性的问题上,为了提高感应电动机调速系统解耦控制性能,将逆系统方法与神经网络相结合,提出了一种基于神经网络逆系统的感应电动机调速解耦控制方法.首先根据感应电动机调速系统的特点,建立合适的数学模型,并进行伪线性系统构造;然后采用神经网络对逆系统模型进行辨识,通过神经网络自学习实现高性能解耦控制;最后在matlab平台下进行了仿真和对比实验.实验结果表明,方法能很好实现解耦控制,使传统解耦控制方法的缺陷得到克服,具有较强适应性和鲁棒性.     

感应电动机调速系统的自适应逆控制

针对电压源型逆变器供电的感应电动机调速系统,提出了一种自适应逆控制方法,实现了电磁转矩和定子磁链的解耦控制．应用得到的逆系统将多变量、非线性、强耦合的感应电动机调速系统解耦为电磁转矩和定子磁链两个一阶线性子系统,从而简化了各个闭环线性调节器的设计难度．为了提高系统的鲁棒性,利用递推最小二乘算法实时辨识电动机参数,降低了参数变化对系统性能的影响．使用MATLAB软件进行了仿真实验,实验结果验证了理论分析的正确性和控制方案的可行性．     

电机群变频调速的同步控制

文章主要介绍了利用单片机和变频器之间的通信实现多台电机在自动化生产流水线中的同步控制。描述了控制的硬件配置和软件编程。采用AT89S51单片机为控制器、国产佳灵JP6C型变频器为执行器来控制电机,在实际应用中能够很好地满足生产的需要。     

无轴承同步磁阻电机逆系统的解耦控制

为了有效解决无轴承同步磁阻电机这一非线性、强耦合的多输入多输出系统的动态解耦问题,提出了基于α阶逆系统理论的无轴承同步磁阻电机解耦控制策略.本文在阐述了无轴承同步磁阻电机径向悬浮力产生机理的基础上,推导出其数学模型,采用α阶逆系统方法将原系统解耦并线性化为一个一阶线性积分子系统和两个二阶线性积分子系统,并应用线性系统理论设计了闭环控制器.最后采用MATLAB软件环境构建了仿真系统,针对系统的阶跃响应、转子起浮、解耦性能等进行了仿真和分析.仿真试验表明这种解耦控制策略能够实现无轴承同步磁阻电机电磁转矩与径向悬浮力之间的动态解耦.并且系统具有良好的动、静态性能.     

无轴承同步磁阻电机逆系统解耦控制仿真研究

研究无轴承同步磁阻电机稳定性控制问题,由于无轴承同步磁阻电机是一个强耦合的非线性系统,为实现负载条件下的稳定悬浮运行,需解除电机转矩和径向悬浮力等多变量之间的耦合关系。针对前馈补偿解耦的缺陷,给出了无轴承同步磁阻电机包含转矩控制和悬浮力控制的统一数学模型,证明电机逆系统存在,设计了一种通过非线性状态反馈的逆系统解耦控制方案,将复杂的无轴承同步磁阻电机系统解耦成两个转子径向位置二阶积分子系统和一个转速一阶积分子系统,并用PI和PID调节器分别对转子位置与转速进行综合设计。运用MATLAB软件对电机控制系统进行仿真。仿真结果证明,解耦控制方案的有效性,为电机系统优化设计提供了保证。     

一种新型神经网络广义逆系统

提出一种新型带有反馈环节的广义逆系统方法,并给出了其存在性的证明．该方法首先利用神经网络构造被控对象的α 阶逆系统,通过改变反馈环节参数可随时任意配置复合系统极点,无需重新构造广义逆系统．分别对ＳＩＳＯ 和ＭＩＭＯ 非线性系统进行仿真研究．仿真结果表明,在配置极点变换时,利用该方法构造的广义逆系统仍可对原系统实现有效的线性化和解耦．     

基于复合正交神经网络的自适应逆控制系统

目前,在自适应逆控制系统中常采用BP神经网络,而BP网络存在算法复杂、易陷入局部极小解等不足。而正交神经网络能克服BP网络的不足,但由于正交神经网络学习算法存在某些局限性,提出了一种复合正交神经网络,该正交网络结构与三层前向正交网络相同,不同的是正交网络的隐单元处理函数采用带参数的Sigmoid函数的复合正交函数,该神经网络算法简单,学习收敛速度快,并能对网络的函数参数进行优化,为非线性系统的动态建模提供了一种方法。仿真实验表明,网络在用于过程的自适应逆控制中具有很高的控制精度和自适应学习能力。该动态神经网络比其它神经网络具有更强的建模能力与学习适应性,有线性、非线性逼近精度高等优异特性,非常适合于实时控制系统。     

基于神经网络的直接转矩控制系统

用神经网络建立感应电机直接转矩控制系统的定子磁链观测器和开关状态选择器,并用单个神经网络训练的方法来处理直接转矩控制器的复杂运算。仿真结果表明,用此方案构成的系统有较好的动态性且减少了延迟性。     

永磁同步电机神经网络调速系统的研究

为改善永磁同步电机在电梯无齿轮曳引复杂工况下的调速动态性能,使其满足快速性、舒适性的同时,对频繁的负载变化有较强的鲁棒性和稳定性,提出将CMAC神经网络控制应用于电梯行业永磁同步电机调速系统中.通过建立永磁同步电机动态模型,搭建内模控制的电流内环及CMAC网络控制的速度外环仿真控制系统,并对比传统PI控制方式进行仿真实验,结果表明,本调速系统在动态性能、抗扰性能及鲁棒性能上均有显著改善;并根据电梯运行加速度要求,跟踪电梯运行的速度抛物线,验证了在CMAC神经网络的学习和记忆能力下有逐渐提高的稳态精度.     

时滞系统神经网络逆控制研究

为了改善大时滞对象的控制效果,提出一种带时滞时间辨识的神经网络逆控制系统。利用自适应线性元件与BP网络相结合,辨识对象的时滞时间及不含时滞环节的模型,再对不含时滞的模型构造神经网络逆,并选择合适的参考模型使逆模型的输出平滑。将训练好的逆模型作为控制器,与被控对象串联形成开环控制,有效避免了闭环控制可能引起的不稳定。仿真结果表明,该控制策略能够实现系统快速平稳的输出,且能够克服时滞时间及参数变化引起的不良影响,与Smith预估控制器相比,具有较好的鲁棒性及抗干扰能力。     

神经网络直接逆控制在无人机飞控系统中的应用研究

针对无人机发生故障时系统的非线性耦合特性,提出了一种基于神经网络直接逆控制的飞行控制方法,用于在飞机发生故障时进行控制律重构以恢复对飞机的控制;根据无人机发生故障时非线性运动的特点,确定适当的神经网络结构建立无人机非线性系统的逆系统,并与被控对象串连可以对非线性耦合系统进行线性化解耦,然后引入PID反馈控制进一步提高神经网络逆控制系统的性能;仿真分析表明该方法在无人机发生故障采用传统PID控制失效时,在误差允许范围内可以用来对无人机进行控制。     

基于神经网络逆控制的水轮机调节系统

根据神经网络对非线性系统模型的辨识能力,将其与自适应逆控制相结合,对水轮发电机组的逆模型进行建模,构建一种新的水轮机调节系统。该方案以逆系统以及系统辨识理论为基础,以水轮发电机组作为被控对象,分别针对其频率和负荷扰动,建立神经网络在线逆控制器,对系统进行调控,并将仿真结果与传统PID控制进行比较。从仿真结果可以看出,所提的控制方案能够实现对水轮发电机组的有效控制,使系统具有较好的动态性能和鲁棒性。     

基于动态递归网的无刷直流电动机自适应逆控制

该文给出了基于动态递归神经网络的无刷直流电动机自适应逆控制方案 ,它可以处理电机非线性、变参数的影响。通过使用动态递归网实现了对象逆动态模型的在线控制 ,分析和仿真表明这种方法具有较好的自适应性及良好的收敛性能 ,且具有灵活、简单、方便等特点 ,有实际应用价值