两电机调速系统的神经网络逆在线调整控制

针对MIMO非线性强耦合的两电机变频调速系统,在基于神经网络逆系统离线训练的基础上提出了在线调整的策略,通过静态神经网络加积分器来构造两电机变频调速系统的逆模型,在实际运行中不断地修正神经网络权值,更精确地逼近其逆系统,实现MIMO系统的线性化与解耦.仿真和实验结果表明,系统具有优良的动静态解耦性能和较强的抗负载扰动的能力.     

两电机变频调速系统的神经网络广义逆解耦控制

两电机变频调速系统是一个多输入多输出(multi-input multi-output,MIMO)非线性强耦合的控制系统。神经网络广义逆控制方法不但可以实现MIMO系统的线性化与解耦,而且通过合理地调节广义逆系统的参数,可以使解耦后的单输入单输出(single-input single-output,SISO)系统具有开环稳定的特性,从而有利于系统的综合。论文对变频器工作在矢量控制方式下的系统数学模型进行广义逆存在性分析,进而导出系统的广义逆数学表达式。进一步构造神经网络广义逆系统串联在两电机系统之前,组成基于广义逆的伪线性复合系统。基于S7-300PLC试验平台,分别研究伪线性复合系统的开环特性和闭环特性,试验结果表明神经网络广义逆控制方法不但可以实现系统的解耦,而且可以使伪线性化后的子系统开环稳定,附加闭环控制器的问题就迎刃而解。     

高精度伺服系统的CMAC学习控制研究

根据神经网络的特点，提出了基于CMAC网络的伺服系统在线学习控制方案，并给出了其再励学习算法。该方法无需离线训练，经在线学习得到系统的逆动态特性，并据此实时修改控制参数。引入鲁棒控制项，增强了学习算法的鲁棒性。在某单轴速率／位置转台上的应用结果表明，该方法可有效地改善伺服系统的跟踪精度和抗扰性能。     

基于自抗扰控制器的两电机变频调速系统最小二乘支持向量机逆控制

针对多输入多输出(multiple input multiple output,MIMO)非线性强耦合的两电机变频调速系统,对其数学模型进行可逆性存在分析,进一步设计最小二乘支持向量机(least squares support vector machines,LSSVM)逆系统,串联于两电机系统之前,组成基于阶逆的伪线性复合系统,实现MIMO系统的线性化与解耦。在此基础上,采用自抗扰控制器(active disturbances rejection control,ADRC)抑制伪线性复合系统中非线性因素的作用,引入扩张状态观测器对不确定性的估计,使之参与LSSVM逆模型的构造。仿真和实验结果表明,新型控制策略可以有效减小负载扰动和LSSVM建模误差的影响,具有良好的解耦控制效果和鲁棒性。     

感应电机调速系统的模糊神经网络控制研究

针对多变量、非线性、强耦合的感应电机调速系统,传统的PID控制和模糊控制均不能达到理想的控制效果的问题,依据空间矢量控制理论建立了感应电机的数学模型,提出了一种基于模糊神经网络的感应电机调速系统控制方法,并且在基于神经网络离线训练的基础上提出了在线调整网络参数的策略,实现了感应电机调速系统的高精度控制,并通过Matlab仿真进行了分析研究。结果表明,系统具有优良的动静态性能,且对电机参数的变化与负载扰动具有较强的鲁棒性。     

基于神经网络逆的感应电机矢量控制改进方法

基于感应电机的矢量控制(转子磁场定向控制)存在不能动态解耦和鲁棒性差的问题,提出了感应电机的一种神经网络逆控制方法.实现了电流控制型感应电机系统的自适应解耦及线性化.该神经网络逆系统相当于在普通的矢量控制结构中加了一个具有鲁棒性和开放性的解耦补偿环节,最后通过仿真和实验验证了该方法的有效性.     

机器人关节电机的广义预测控制

机器人关节电机控制系统具有非线性和参数变化的特点,基于被控对象精准数学模型的传统控制方法难以对其进行有效的控制。以四足机器人髋关节电机为研究对象,首先分析了系统的机理,建立了被控对象的CARIMA(Controlled Auto-Regressive Integrated Moving Average,受控自回归积分滑动平均)模型;接着提出了一种基于复合神经网络的广义预测控制方法,即由LNN(Linear Neural Network,线性神经网络)和GPFN(Gaussian Poten-tial Function Networks,高斯基函数网络)构成的复合网络对被控对象进行在线辨识,广义预测控制器利用辨识的结果,多步预测,滚动优化,对四足机器人髋关节电机的角位移进行有效控制;最后假定系统存在Stribeck型非线性摩擦,在负载转动惯量缓慢变化和突变的情况下进行了仿真试验,结果表明,该方法具有较强的适应能力,体现了很强的鲁棒性,取得了令人满意的控制效果。     

液压弯辊系统的智能内模控制

针对液压伺服系统固有特性和液压控制中存在的问题 ,提出了一种基于前馈神经网络的智能内模控制 (IMC) ,其设计过程分两步进行 :第一步 ,训练一个神经网络描述对象响应 ;第二步 ,训练一个网络描述对象的逆 ,并将此网络作为IMC控制器。将其用于某液压弯辊系统 ,仿真结果表明该系统的性能良好 ,鲁棒性强 ,优于常规IMC系统 ,这类智能控制器适合于对象参数变化、模型不确定和非线性的控制。     

感应电机的新型神经网络广义逆系统解耦控制

针对感应电机这一多变量、强耦合系统,提出了一种新型神经网络广义逆系统解耦控制方法,给出了新型广义逆系统的存在性证明.它与感应电机复合,将转子磁链与转速的解耦成两个独立的伪线性子系统,并且可以随时通过调整反馈参数改变两个伪线性子系统的配置极点,为控制器的设计提供了便利.仿真结果表明,通过合理的选择配置极点和控制器参数,整个控制系统对电机参数变化和负载扰动有较强的鲁棒性和动态性能.     

两电机变频系统的支持向量机广义逆内模解耦控制

针对两电机变频系统非线性强耦合的特点,提出基于支持向量机广义逆内模控制的方法。对工作在矢量控制方式下的两电机变频系统数学模型进行广义逆存在性分析,从而得出系统广义逆数学表达式。通过支持向量机来辨识原系统的广义逆系统,然后对复合后所得到的伪线性系统引入了内模控制。该方法结合了支持向量机在小样本上具有良好的非线性建模能力和泛化能力,以及内模控制器易于在线设计的优点,同时兼顾系统的鲁棒稳定性,从而可以有效提高系统的控制效果。仿真和实验结果表明,该方法具有良好的动静态解耦性能,对外界扰动亦有很强的鲁棒稳定性。     

基于神经网络广义逆的两电机变频系统内模控制

针对非线性强耦合的两电机变频系统,先利用动态BP神经网络逼近原系统的广义逆系统,然后再对复合后的伪线性系统提出了基于广义逆系统的内模控制方法,证明了闭环系统的鲁棒稳定性。最后基于S7?300PLC的平台,对系统设计做了相关的试验研究。结果表明,神经网络广义逆系统方法,不但能够很好地实现系统的解耦,而且还可以使伪线性化后的子系统开环稳定,引入的内模控制,又保证了系统的控制性能。     

永磁同步电机的自适应逆控制

设计了自适应逆控制的永磁同步电机(PMSM)控制系统,控制系统采用双闭环结构的矢量控制,将自适应逆控制方法引入速度控制。运用非线性自适应滤波器,实现系统的建模与逆建模,并引入滤波器构成了速度控制器,采用最小均方差(Least Mean Square,LMS)自适应滤波算法在线调整其权函数,实现速度的精确控制。在基于DSP的永磁同步电机速度控制系统平台上的实验结果表明,非线性滤波器能够建立电流环模型,提出的非线性自适应逆控制方法能够实现精确的速度控制。与PID控制方法相比,具有更精确的速度跟踪性及更快的响应速度。     

汽门开度的神经网络广义逆系统控制

给出了一种基于神经网络广义逆系统的汽轮发电机汽门开度控制策略,在无需系统模型参数和状态反馈的情况下,可实现非线性系统的大范围线性化,从而实现非线性系统的线性化控制。对单机无穷大系统的仿真表明,应用该控制策略可显著地增强电力系统的暂态稳定性。     

无刷直流电机调速系统神经网络逆控制

无刷直流电机运行中参数摄动和换相过程的非线性,在一定程度上限制了其调速性能。针对这些特点,在分析无刷直流电机换相区和传导区数学模型的基础上,提出了一种基于神经网络逆的控制策略,采用静态神经网络加积分器来构造电机的逆系统,并将该逆系统与原电机系统串联复合构成伪线性系统,实现整体的近似线性化,从而简化了外环控制器的设计难度。仿真与实验结果均表明神经网络逆控制方法对负载扰动与电机参数摄动有较强的鲁棒性,且能在减小转速超调的同时保证了响应速度及跟踪精度,使整个系统具有优良的动静态性能。     

基于Hammerstein模型的超声波电机非线性补偿

超声波电机的运行过程具有明显的非线性特征,影响电机控制精度。超声波电机Hammerstein模型中的非线性环节,反映了电机控制关系中非线性的主要特征。通过求取模型非线性环节的逆函数,实现对控制非线性的有效补偿,简化控制器设计,有利于提高控制性能。基于非线性逆补偿,给出一种迭代学习转速控制方法,并进行实验研究。实验表明了所述非线性逆补偿及控制方法的有效性     

基于自适应转子电阻估计器的感应电机逆解耦控制

提出了一种具有自适应转子电阻估计器的感应电机的逆解耦控制方法.首先通过非线性状态反馈获得感应电机的逆系统,将感应电机这个多变量、非线性、强耦合的对象动态解耦成转速与转子磁链两个二阶子系统;然后,采用模型参考自适应系统（MRAS）理论来设计转子电阻估计器,在线估计时变的转子电阻,从而保证在整个电机运行区域内,转速与磁链之间的输入输出解耦关系不变;最后,分别设计线性控制器对转速与磁链子系统进行闭环控制.仿真结果表明,提出的控制方案具有优良的动态和静态性能,且对电机参数变化具有强鲁棒性.