基于自适应模糊系统的感应加热电源温度控制

感应加热系统存在着参数时变性、结构非线性等特点,传统感应加热系统温度控制策略难以实现温度的精确控制。文章提出一种自适应模糊系统,借助神经网络的推理功能,通过检测到的感应加热电源玻璃板温度准确预测被加热锅具的温度,同时在网络输出端接入离散模糊控制器,实现了锅具温度的稳定控制。实验结果表明,基于该系统的感应加热电源能够对不同目标温度和水量运行进行稳定控制,快速性好,超调小,有自适应能力。     

基于模糊神经网络的感应加热电源机组研究

以DSP处理器为核心,实现了频率跟踪的复合数字锁相环;以IGBT为逆变控制器,设计出一种通用型中频感应加热电源机组.此外,设计出一种新型模糊神经网络控制方法,它可对一个具有不同材料结构、不规则形状的工件进行感应加热电源输出功率的动态调整.实验证明,该加热方法优于常规PID,且具有通用性.     

基于DSP的感应加热电源平台的研究

研究了将感应加热电源数字化技术整合后具有多项选择功能的感应加热电源研究平台,这是目前该领域研究的热点之一。该平台集成了Buck斩波、移相PWM两种调功方式以及PID、模糊控制算法,操作人员可根据不同情况选择不同的控制方案,提高了装置的自动化和智能水平。以TMS320F2812为核心,实现了外围检测调理电路、驱动电路、过流过压保护等。该实验平台减少了研究者的重复工作,可以提高研究效率,节省开发时间。     

线材预处理生产线感应加热电源研究

针对线材表面预处理生产线的要求,进行了1OkW／20kHz感应加热电源的整体设计。介绍了主电路的详细参数设计和基于DSP的控制系统设计,经过试验,样机能可靠地实现输出功率的连续可调和输出频率的自动跟踪,满足生产要求。     

基于DSP感应加热电源频率跟踪控制的实现

介绍了在感应加热电源中采用DSP实现超音频频率跟踪的数字锁相环(DPLL)方法，给出了实现DPLL的算法，并对采用DPLL的感应加热电源的相位补偿与起动问题进行了探讨，最后给出了实验结果，验证了该方法的可行性。     

高频感应线圈加热螺钉温度控制初探

1　问题的提出采用高频感应来加热螺钉有无需预热 ,加热快 ,生产效率高 ,节能明显等优点。但是 ,因高频加热螺钉的时间很短 ,不易测量 ,而被加热螺钉的温度对整个车灯的质量有很大的关系 ,螺钉在感应线圈中的位置 ,加热时间的长短等因素都对螺钉的温度有直接的影响。为此 ,首先应了解被加热螺钉的温度情况 ,才能找出控制螺钉温度的方法。2　测量结果与分析用ＴＶＳ2 2 0 0红外热成像仪和ＨＦＴ 70热电偶点温计 ,先通过测量涂黑漆的螺钉来校正螺钉的发射率 ,得到反射率为 0 4 ,然后测量螺钉的辐射温度 ,用所得的反射率进行校正。由于螺钉…     

100kW超音频感应加热电源

采用ＩＧＢＴ研制出１００ｋＷ／２０ｋＨｚ串联谐振感应加热用电源。该电源的整流控制和逆变控制都采用了锁相技术，利用锁相技术将逆变器的工作频率锁定在槽路的固有谐振频率内，使得该电源始终能运行在负载功率因数为１的状态，本文介绍了该电源的设计原则和电路构成。     

基于模糊神经网络和PI控制的异步电机位置控制系统

提出一种用于异步电机位置控制的模糊神经网络(fuzzy neural network,FNN)控制器.其控制系统采用Sugeno型FNN和比例积分(proportional integrate,PI)控制进行构建.在进行试验测试之前,利用实验数据库和梯度算法对模糊神经网络进行在线训练.利用DS1104型DSP控制卡实现控制算法.利用该控制器对异步电机进行位置控制,在电机施加非线性负载和发生参数扰动的条件下,对控制系统的功能以及鲁棒性进行测试,试验结果表明,该控制系统能够保证电机稳定有效的工作.     

基于模糊神经网络的感应电动机转速估计方法

根据感应电动机的数学模型,提出一种基于模糊神经网络的感应电动机转速估计的方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电动机实际转速的变化,具有良好的性能。     

基于FNN的感应电机伺服驱动适应控制研究

为了提高感应电机伺服驱动系统控制性能,结合传统PID控制策略和模糊神经网络控制的优点,设计了一种在线自适应模糊神经网络控制的交流伺服系统,并且分析了该控制策略的可行性.通过仿真和具体实验分别验证了设计的合理性.结果表明:该控制方法不论对于调节还是设定值跟踪,均具有很好的控制效果,而且对感应电机伺服驱动系统有很好的抗干扰性能和较强的鲁棒性,使交流伺服系统具有较好的动态、静态性能,控制策略切实可行.     

基于模糊神经网络的感应电机直接转矩控制

传统的直接转矩控制存在较大的转矩脉动。为了减小转矩脉动,提高控制性能,将模糊神经网络算法引入到直接转矩控制当中,设计了基于模糊神经网络的直接转矩控制系统。所采用的Takagi--Sugeno型模糊神经网络充分融合了模糊逻辑和神经网络两者的优点。在模糊神经网络的训练过程中,采用了一种最小二乘算法和BP算法相结合的混合算法进行学习,提高了学习速度。为了验证该算法有效性和可行性,在MATLAB／Simulink环境下建立了基于模糊神经网络的直接转矩控制系统仿真模型,进行了仿真研究。仿真结果表明采用Takagi—Sugeno型的模糊神经网络算法使直接转矩控制系统的转矩脉动明显变小,控制性能明显改善。     

基于模糊调整的神经网络逆模型控制

研究了神经网络的逆模型辨识及其直接逆模型控制,提出了一种基于模糊调整的神经网络逆模型控制方法。采用神经网络建立非线性被控对象的动态逆模型,并用模糊集理论对控制器增益和积分增益进行动态调整。仿真实验结果表明该方法应用于纸浆浓度控制系统中具有良好的控制品质,较强的鲁棒性、适应性和抗扰能力。     

基于模糊神经网络的二自由度内模控制

针对工业控制领域具有代表性的过程控制对象,设计了一种二自由度内模控制器,可以同时独立地调节日标值跟踪特性、干扰抑制特性和鲁棒性.并提出了一种基于模糊神经网络的二自由度内模控制参数在线智能整定方法.理论分析和仿真结果表明,所提出的方法设计简单、参数凋整方便,可以使系统同时具有良好的目标值跟踪特性、干扰抑制特性和鲁棒性.     

基于模糊神经网络的热风炉控制系统研究

本文针对热风炉非线性、时变性和多控制目标的控制特点，以包钢四号高炉热风炉的独特加热系统为对象，提出了由热平衡计算的物理模型和模糊神经网络构成的混合型控制系统。并给出了它的基本设计方法。仿真结果表明，热风炉热效率明显提高。     

感应型无轴承电动机的模糊神经网络控制系统

由于负载、干扰和径向位移检测误差,无轴承电动机悬浮运行时定、转子中心并不重合,产生偏心,影响了其稳定悬浮控制性能。从运行原理出发,建立了感应型无轴承电动机磁悬浮力的解析模型,并采用模糊神经网络对其进行控制,有效地提高了感应型无轴承电动机稳定悬浮运行的动、静态性能。     

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明：与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好。并具有自适应能力,应用前景十分广泛。