基于递归神经网络的无刷直流电动机控制研究

基于动态模型提出了一种性能较好的递归模糊神经网络无速度传感器无刷直流电动机控制方法,即采用递归模糊神经网络控制器作为转速控制器来近似最优控制器输出。仿真结果表明,当系统参数动态变化或受到外部不确定因素影响时,利用神经网络来在线调整网络的隶属函数参数以及神经网络递归权值,使系统具有良好的动、静态性能。     

无刷直流电动机模糊神经网络PI控制方法

通过分析无刷直流电动机模糊PI控制的不足,在对传统模糊-PI混合控制策略进行改进的基础上,提出模糊神经网络PI控制策略。该策略是建立在用基本样条函数实现BLDCM模糊神经网络速度控制器新方法基础之上。通过调整模糊神经网络中唯一需要优化的权值系数,以达到模糊神经网络参数自动调整与寻优的目的,从而提高了系统的动态响应和鲁棒性。仿真结果表明,该方法响应快、无超调、鲁棒性强。     

一种基于TSK型递归模糊神经网络的无刷直流电动机位置控制方法仿真

考虑系统的参数变化和包括摩擦力在内的非线性及时变的外界干扰情况下,永磁无刷直流电动机位置伺服控制系统是多变量和非线性的时变系统.针对传统PID控制方法的不足,提出了一种TSK型模糊神经网络控制器的设计方法,并用于永磁无刷直流电动机伺服控制系统的位置控制;可同时动态在线进行结构学习和参数学习,以提高位置控制静态精度和动态跟踪性能.仿真结果表明,所设计的TSK型模糊神经网络位置控制器响应速度快、跟踪性能好、输出精度高、动态和静态性优能于传统PID控制方法.     

基于遗传算法的无刷直流电动机模糊滑模控制

针对一般滑模控制中存在的系统抖振问题,提出了一种基于模糊遗传算法的滑模变结构控制无刷直流电动机方法.通过使用遗传算法优化的模糊控制柔化滑模控制输出,有效地减小系统抖振.该方法能使系统较好地实现输入参考模型的跟踪,具有自适应强、鲁棒性好的特点.     

基于改进BP神经网络PID的无刷直流电动机速度控制的研究

引进模糊归一化控制策略，在线实时地调整与收敛速度密切相关的学习速率和动量系数，克服了BP网络收敛慢和容易陷入局部最小的缺点,并将改进的BP神经网络PID算法成功应用于无刷直流电动机速度控制中。仿真结果表明,改进BP神经网络PID使收敛变得更快，而且系统具有较强的鲁棒性和自适应能力。     

基于改进遗传算法的高速永磁无刷直流电动机优化设计

基于改进遗传算法对高速永磁无刷直流电动机进行了优化设计,在该算法中,交叉率和变异率为进化代数和适应度的函数,把遗传算法与模式搜索法(爬山法)相结合使用形成一种混合遗传算法.通过无刷直流电动机的优化实例计算以及实验结果,证明该文对遗传算法的改进是行之有效的.     

基于Fuzzy-PI混合控制的无刷直流电动机系统

采用了一种基于模糊规则推理的Fuzzy-PI混合控制器用于无刷直流电动机的转速控制中.在分析无刷直流电动机数学模型的基础上,构造了无刷直流电动机控制仿真模块.仿真结果表明,系统超调量小,响应速度快,具有较高的控制精度和较好的鲁棒性.实验结果显示,较之传统PI控制,采用Fuzzy-PI混合控制在无刷直流电动机实时控制中取得了较好的实验效果,具有较好的动态和静态性能.     

基于模糊神经网络的无刷直流电动机调速系统

无刷直流电动机是一种多变量、非线性的控制系统,采用经典的PID控制难以得到满意的控制效果。在分析无刷直流电动机数学模型基础上,提出了一种把高斯基函数作为隶属函数设计无刷直流电动机模糊神经网络控制器的新方法。仿真表明,系统响应速度快,抗干扰能力强,具有较高的控制精度和较好的鲁棒性。     

无刷直流电动机调速系统的模糊变结构控制

分析了无刷直流电动机数学模型，提出了将模糊控制与PI控制相结合的变结构控制新方法。当输入偏差大于或小于设定值时，采用模糊结构或PI结构进行控制。仿真结果表明该方法较传统PI控制具有更好的动、静态特性，并有较高的精度和鲁棒性。     

基于改进型PI算法的无刷直流电动机控制

无刷直流电动机由于调速性能好,机械特性硬而得到了广泛的运用.PI反馈调节是无刷直流电动机调速控制中的主要环节.普通的PI算法可以通过反复调试选出一组PI参数,但是在固定参数下改变电机的负载其鲁棒性能及动态响应往往不够理想.介绍一种变PI参数法,它将大大提高电机的动态响应及鲁棒性.     

Antlion Algorithm Optimized Fuzzy PID Supervised On-line Recurrent Fuzzy Neural Network Based Controller for Brushless DC Motor

In this paper, Antlion algorithm optimized Fuzzy PID supervised on-line Recurrent Fuzzy Neural Network based controller is proposed for the speed control of Brushless DC motor. Learning parameters of the supervised on-line recurrent fuzzy neural network controller, i.e., learning rate (η), dynamic factor (α), and number nodes (N_i) are optimized using Genetic algorithm, Particle Swarm optimization, Ant colony optimization, Bat algorithm, and Antlion algorithm. The proposed controller is tested with different operating conditions of the Brushless DC motor, such as varying load conditions and varying set speed conditions. The time domain specifications such as rise time, overshoot, undershoot, settling time, recovery time, and steady state error and also integral performance indices such as root mean square error, integral of absolute error, integral of squared error, and integral of time multiplied absolute error are measured and compared for above optimized controller. Simulation results show Antlion algorithm optimized Fuzzy PID supervised on-line recurrent fuzzy neural network based controller has proved to be superior than other considered controllers in all aspects. In addition, the experimental verification of proposed control system is presented to test the effectiveness of the proposed controller with different operating conditions of the Brushless DC motor.     

基于遗传算法的无刷直流电动机自适应模糊控制

针对模糊控制器所存在的问题,提出了基于遗传优化机制自适应模糊控制器的设计方法。模糊控制规则和模糊变量的隶属度函数的参数,均利用遗传算法进行离线确定和优化。将优化后的自适应模糊控制器用于无刷直流电动机的双闭环控制系统中。仿真结果表明该系统无超调、响应快,具有较强的鲁棒性。     

基于BP神经网络的无刷直流电机控制器优化设计

无刷直流电机是一个多变量、强耦合的非线性系统,用常规的线性控制方法很难达到理想的控制效果。为了克服常规PID控制方法的不足,应用了BP神经网络对速度控制器的PID参数进行了优化设计。使用MATLAB仿真结果表明,采用BP神经网络这种控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度,能达到进一步优化控制系统性能的目的。     

无刷直流电机神经网络内模自适应控制器设计

将H∞优化控制理论用于无刷直流电机速度控制系统,可建立神经网络内模自适应速度控制器,利用神经网络逼近系统的速度控制器和标称模型。离线仿真和实验结果证明,设计的神经网络内模自适应控制系统有很强的自适应能力,当模型参数发生变化时,系统具有很强的鲁棒性,依然可以获得很好的动、静态特性。     

基于模糊神经网络的无刷直流电机位置伺服控制

针对多变量、非线性、时变的永磁无刷直流电机位置伺服控制系统的特点,提出一种基于免疫遗传算法（IGA）的递归模糊神经网络（RFNN）控制器的设计方法,并应用于无刷直流电机三闭环控制系统中的位置调节器中,实现系统精确的位置控制。在与传统PID位置控制器仿真比较中,采用该方法的系统显示出良好的控制性能和控制效果。