采用数模混合电路实现前馈神经网络的一种方法

本文提出了一种用数模混合电路实现小规模前馈神经网络的方案，并用电子线路实现了每层具有１０个节点的３层前馈网，连接权采用固定电阻实现，节点非线性函数用数字电路实现该前馈网经ＢＰ算法离线训练之后，可以广泛用于各种智能控制，文中给出了权值，阈值以及非线性单元的实现方法，并给出了用该方案实现的神经网络控制实例及测试方法。     

基于RBF神经网络在线辨识的永磁无刷直流电机单神经元PID模型参考自适应控制

永磁无刷直流电机控制系统是多变量和非线性的.针对传统PID控制方法的不足,提出一种基于径向基函数神经网络在线辨识的单神经元PID模型参考自适应控制方法,并用于永磁无刷直流电机的控制中.该方法构造了一个径向基函数神经网络对系统进行在线辨识,建立其在线参考模型,由单神经元控制器完成控制器参数的自学习,并在数字信号处理器中实现控制参数的在线调节.系统较好地实现了给定速度参考模型的自适应跟踪,结构简单,能适应环境变化,具有较强的鲁棒性.     

基于RBF神经网络辨识的无刷直流电动机控制实验研究

由于无刷直流电机控制系统是多变量和非线性的,针对传统PID 控制方法的不足,提出一种基于径向基函数RBF (Radial Basis Funct ion )神经网络在线辨识的单神经元PID自适应控制方法,并用于无刷直流电机的控制中.构造了一个径向基函数神经网络对系统进行在线辨识、建立在线参考模型,由单神经元控制器完成控制器参数的自学习,并在数字信号处理器中实现控制参数的在线调节.系统较好地实现了给定速度参考模型的自适应跟踪,结构简单,能适应环境变化,具有较强的鲁棒性.     

基于神经网络的非线性最优滑动模态设计

针对具有简约形式的非线性系统,提出了神经网络最优滑动模态控制策略。首先基于最优控制理论设计变结构控制的滑动模态,然后利用多层神经网络给出了变结构控制切换函数的设计方法,并依此设计控制律,使得所设计的变结构控制系统具有最优滑动模态。     

基于粒子群优化神经网络观测器感应电机定子电阻辨识

针对感应电机模型参数时变性突出的问题,提出一种基于粒子群优化神经网络观测器感应电机定子电阻辨识方法。该方法首先通过构建一个含待辨识参数的非线性函数,然后根据神经网络的一致逼近任意非线性连续函数的性质,利用RBF神经网络逼近这个非线性函数,并在此基础上构造自适应观测器。采用伪降阶观测器结构,减少了参数辨识的计算时间;用粒子群优化算法对神经网络参数进行优化,提高了神经网络的收敛速度和逼近精确度。仿真和实验结果验证该方法鲁棒性强,动态性能好,具有较好的辨识效果。     

基于微分平坦理论的双有源桥式变换器的单移相控制

针对双有源桥式(Dual Active Bridge,DAB)变换器系统受到扰动时动态响应速度慢,基于微分平坦理论,结合单移相控制,提出了一种平坦控制策略。设计DAB变换器平坦控制系统,包括前馈控制和非线性误差反馈控制两部分:前馈控制利用期望输出来规划状态变量轨迹;非线性误差反馈对平坦输出进行校正,消除误差。证明了平坦控制的稳定性,最后在仿真平台上分别对DAB变换器平坦控制和PI控制进行仿真,结果表明:在DAB变换器输出电压给定值改变、输入电压波动以及负载突变时,平坦控制策略下DAB系统可以更快达到输出稳定,系统具有更好的动态性能。     

一种双向隔离DC-DC变换器二次纹波电压抑制方法

针对双向隔离DC-DC变换器二次纹波电压抑制问题,提出一种基于该变换器大信号数学模型的反馈线性化二次纹波扰动前馈的移相控制方法。该方法以双向隔离DC-DC变换器大信号状态空间平均方程数学模型为基础,采用反馈线性化方法结合输出扰动量前馈移相控制,将非线性控制转换为线性控制,实现耦合控制变量的解耦,并推导出该方法下的控制规则。对控制规则进行详细推导,并根据控制规则设计基于可编程逻辑器件的控制核心。最后,通过小功率单相三电平二极管钳位AC-DC-DC变换器实验系统,验证了所提控制方法比传统PI控制和电压前馈控制具有更好的二次纹波电压抑制能力。     

基于BP神经网络的并联型有源电力滤波器直流侧电压PID控制设计

在传统的基于PI控制的有源电力滤波器直流侧电压控制方法的基础上,针对PI控制方法的不足,提出了基于BP神经网络的并联型有源电力滤波器直流侧电压的PID控制。该方法充分发挥了神经网络具有逼近任意非线性函数的能力,具有动态响应快、超调小、静态误差小的特点,并且实现简单,满足多种变化负载情况下的有源电力滤波器直流侧电压控制要求。对BP神经网络结构进行了设计并推导出隐含层和输出层加权系数计算公式,同时给出了BP神经网络学习算法流程图。通过Matlab对其控制效果进行了仿真研究。     

双管Buck-Boost变换器的带输入电压前馈双闭环控制策略

针对宽范围输入的双管Buck-Boost变换器,在Buck和Boost两模式之间进行切换和输入电压发生波动时,电感电流和输出电压存在较大波动的问题,提出了带输入电压前馈的两模式平均电流控制策略。该策略通过将具有电压电流双闭环结构的平均电流控制与单载波-双调制的调制方法相结合,来提高变换器的动态响应性能,实现变换器两模式的自动近似平滑切换,同时对电感电流进行有效控制,保护设备安全。为了克服传统双闭环前馈函数实现和化简困难的缺点,提出将输入电压前馈引入电流内环从而大幅提高了变换器的输入动态响应性能。最后建立了MATLAB/Simulink仿真模型和硬件试验平台,验证了所提控制方法的有效性。     

AFSA-BP速度辨识器在DTC系统中的应用研究

为实现无速度传感器直接转矩控制,有时采用神经网络转速辨识器,但前馈神经网络结构难以确定,运用BP算法时又极易陷入局部解.将人工鱼群算法与BP算法相结合的AFSA+BP算法.实现了人工鱼群算法的全局搜索能力与BP算法的局部寻优性能的互补结合.将所设计的神经网络转速辨识器运用到直接转矩控制系统当中,利用Matlab/Simulink实现无速度传感器控制系统的仿真实验结果表明,该算法具有良好辨识效果.