超声波电机神经网络逆模型的辨识建模

针对超声波电机时变、强耦合使得数学模型难以建立的问题,以超声波电机转速的非线性逆控制为应用背景,本文给出了超声波电机神经网络逆模型的辨识建模方法.基于实验测得的足够样本数据,通过反复测试确定模型形式为三层非线性DTNN网络.进行串-并联辨识,建立了以电机转速为输入、驱动频率为输出的超声波电机神经网络逆模型.所得模型的输入-输出关系与实测数据接近,表明了所建模型的有效性.     

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.     

超声波电机驱动控制系统建模与仿真

总结了超声波电机驱动控制系统建模与仿真研究的现状,指出必要的数学模型和建立在模型基础上的仿真分析是研究超声波电机驱动控制系统的一种重要手段,并对未来发展进行了展望。     

超声波电机转速控制的稳态模糊建模方法研究

针对超声波电机转速控制应用,以实验数据为基础,采用模糊逻辑方法建立了超声波电机系统的二输入单输出稳态模糊模型.数据验证表明,该模型较好地模拟了电机驱动电压幅值、频率及转速三者之间的非线性关系.文中详细描述了模糊建模过程,为超声波电机系统的非线性控制建模提供了另一条有效途径.     

液体媒质超声波电机转速特性研究

非接触型超声波电机有效地克服了传统的接触型超声波电机因接触所引起的使用寿命短、不能长时间连续运转等缺点，是超声波电机领域一个新的研究方向。文中介绍了非接触型超声波电机的结构和运行机理，对液体的声流速度进行了理论分析，从液体性质和转子结构角度重点研究了电机的转速特性。在液体性质方面从液位高度、液体粘度和非线性参数三方面详细分析了它们对电机转速特性的影响，从中得出，在一定范围内电机转速随液位高度的增加而增大，随粘度的增加而减小，与液体的非线性参数成反方向变化。在转子结构方面从转子直径、叶片高度、叶片数和所用材料密度4方面对转速特性进行了研究，得到了与转速的关系和转速特性良好的转子结构形式。在上述分析和实验基础上提出应用具有一定参数的液体和转子可有效提高电机转速的方法。     

超声波电机频率-转速控制的阶跃响应建模

适合于控制应用的超声波电机模型是提高电机控制性能的基础.以频率为输入变量的超声波电机转速控制模型对于提高转速控制性能具有重要意义.该文设计实验测取转速阶跃响应,采用特征点法辨识电机模型.并针对模型参数的时变性,分别采用频率和转速为自变量对模型参数进行了函数拟合,得到了适当考虑非线性的电机转速控制模型.     

行波型超声波电机驱动电路特性仿真与优化

介绍了行波型超波电机驱动电路的分析模型，叙述了仿真过程，给出了优化结果及计算公式。     

超声波电机转速控制的动态模糊建模

超声波电机动态模型是实现其高性能转速控制的前提。设计基于模糊逻辑的辨识建模方法,建立了超声波电机系统动态模糊模型。在设计实验获取建模所需数据的基础上,采用等分区间法确定了模型结构,进而利用最小二乘法辨识得到了模型中的待定参数。模型输出与实验数据的对比表明,所建模糊模型精度较高,反映了驱动电压幅值、频率与电机转速之间的非线性动态关系,可以用于超声波电机性能分析与转速控制器设计。     

基于复损耗的杆式超声波电机定子建模及其仿真

近些年来,采用压电材料的驱动结构和传感设备在工程中得到了广泛的应用。本文提出了一种使用压电陶瓷的微型杆式超声波电机,利用Rayleigh理论和等效的方法建立了定子的数学模型,并进一步提出了一种基于复损耗的谐振振幅的近似计算方法,同时使用Ansys有限元分析软件对比验证了数学模型的准确性。研究成果对于改善和优化超声波电机的输出性能以及考虑损耗的压电结构建模具有实践指导作用。     

行波超声波电机电压幅值—转速控制的辨识建模

适于控制应用的超声波电机数学模型是其运动控制研究的基础。该文采用系统辨识的方法,建立以驱动电压幅值为控制自变量的超声波电机系统转速控制模型,为超声波电机转速自适应控制策略的设计提供基础。所给出的辨识建模方法对其它种类超声波电机及电磁电机的建模研究均有借鉴意义。     

基于LPIDBP神经网络的感应电动机速度估计仿真研究

针对传统BP神经网络和转速估计方法的不足,提出了一种基于LPIDBP神经网络混合转速的辨识方法。仿真结果表明,基于LPIDBP神经网络的混合速度估计器的矢量控制系统收敛速度快,转速估计精度高,动静态性能好。     

用神经网络实现对感应电动机的转速估计

根据感应电动机数学模型,介绍了一种利用神经网络进行感应电动机转速估计的新方法,在该方法中采用一个三层神经网络作为速度估计器来估计转速。仿真结果表明这种基于人工神经网络的转速估计模型可以准确地跟踪感应电动机转速的变化,具有良好的动态跟随性能。     

用神经元网络进行异步电机转速的辨识和估计

根据异步电动机直接转矩控制原理、提出了采用人工神经元网络速度辨识方法去实现无速度传感器的交流调速控制系统。文介绍了异步电动机直接转矩控制的基本方程和神经网络速度辨识模型,仿真结果表明,系统具有良好的性能。     

基于混合递阶遗传算法和RBF神经网络的超声波电动机自适应速度控制

超声波电动机(USM)是近年发展起来的一种新型微特电机,与传统的电磁驱动型电动机的工作原理截然不同.由于USM具有小型轻量、无电磁干扰、响应速度快、低速大转矩、高保持力矩、高功率密度等诸多优点,因而在光学仪器、办公自动化、汽车专用电器、智能机器人、航空航天等领域具有良好的应用前景.但USM的高度非线性、时变性和强耦合增加了它的控制难度.本文提出一种新的USM自适应控制策略,系统采用双闭环控制,内环用来补偿定子环机械谐振频率的漂移;外环利用径向基函数神经网络(RBFNN)控制器调节USM的驱动频率,实现速度的自适应控制.根据RBF神经网络的结构特点,对其参数采用混合递阶遗传算法进行训练.经实验证明,该控制系统具有响应迅速、适应性强等优点,具有较高的控制精度和较好的稳定性.     

基于BP神经网络控制算法的超声波电动机控制

运用一种基于BP神经网络的控制算法,在控制过程中可以有效克服超声波电动机的非线性和热漂移特性,通过实验比较基于BP神经网络的控制算法和传统控制算法验证新算法的优越性.     

基于神经网络的直流电动机的调速系统

对估算速度和控制他励直流电动机的人工神经网络(ANN)进行了研究.神经网络控制计划由神经估计、神经控制器两部分组成,这两个网络的训练采用Levenberg -马奎德反向传播算法.标准的三层前馈,输入层和隐藏层使用Sigmoid函数激活,输出层用Purelin函数.仿真结果图形良好,证明了与常规直流电动机控制系统控制方案...     

行波型超声波电机及其速度控制特性的研究

超声波电机是一种新型摩擦驱动器。由于它是利用压电陶瓷的逆压电效应形成的弹性波作为激励源,所以,该电机同传统的电磁式电机相比,具有小型轻量、无电磁干扰、响应速度快等特点,是微机械、医疗器械、航天航空等领域中理想的驱动器。本文阐述了行波型超声波电机的工作原理,并研制出直径４０ｍｍ的旋转式行波超声波电机的实验样机,作者分析了该样机的速度控制特性,提出ＰＷＭ是行波超声波电机理想的控制方式。     

基于MEA-BP神经网络的开关磁阻电机静态电磁特性建模

建立精确的开关磁阻电机（SRM）模型对于改善SRM的性能和控制效果有着重要的影响。针对SRM运行时磁路的高度饱和和严重非线性问题,提出了基于思维进化算法（MEA）优化的反向传播(BP)神经网络算法的SRM非线性模型。利用ANSYS Maxwell软件建立了四相8/6极SRM模型并进行有限元计算,通过仿真和试验值的对比验证了该模型的精度比未经MEA优化的BP神经网络模型更高,可以更好地反映SRM运行时的磁链特性和转矩特性,且具有较好的泛化能力。