基于单神经元控制器的异步电动机矢量控制

文中提出了采用单神经元智能控制器代替传统PID控制器以改善异步电动机矢量控制的性能。在分析单神经元控制器结构与控制原理的基础上，为了提高单神经元控制器的学习能力与自适应性，将无监督的Hebb学习规则与有监督的Delta学习规则相结合，运用改进的学习与控制算法，实现单神经元控制器的参数优化与在线自动调整。采用Matlab软件建立单神经元控制器与异步电动机矢量控制模型，进行仿真研究；并将单神经元控制器的控制软件应用于异步电动机矢量系统，进行实验研究。仿真与实验结果表明，单神经元控制器可以改善异步电动机矢量控制的性能，具有较强的自适应性与鲁棒性。     

单神经元自适应PID控制交流调速系统

针对转子磁场定向矢量控制中转速PI调节器鲁棒性能较差的问题,提出了用单神经元自适应PID控制器代替转速PI控制器,进一步改善了异步电动机矢量控制系统的性能;将无监督的Hebb学习规则与有监督的Delta学习规则相结合,提高了单神经元自适应PID控制器的学习能力,实现了单神经元控制器的参数优化与在线自调.构造了基于单神经元自适应PID控制器和空间矢量脉宽调制(SVPWM)的异步电机矢量控制系统.仿真实验结果表明,该系统不仅具有很好的静、动态性能,而且又具有很强的自适应性和鲁棒性.     

单神经元PID控制器在直接矢量控制中的应用研究

异步电机矢量控制改善了电机的转矩控制特性,但是由于系统运行过程中一些不可控或不确定的因素,传统PID控制难以满足精度高、反应快、鲁棒性好的要求。基于单神经元网络设计了用于矢量控制的增益自调整的自适应磁链和速度控制器,并运用改进的学习与控制算法,实现单神经元PID控制器的参数优化与在线自动调整。仿真与实验结果表明：单神经元PID控制器可以改善异步电动机矢量控制的性能,具有较强的自适应性与鲁棒性。     

免疫调节增益的单神经元PID控制器

针对单神经元PID控制中学习速度较慢,动态响应时间长等问题,提出了免疫调节增益的单神经元PID控制器.将T细胞免疫调节机理与单神经元PID控制算法相结合,以提高单神经元PID控制器的学习速度,缩短动态响应时间,改善单神经元PID控制器的性能.仿真研究了免疫调节增益的单神经元PID控制器的定值跟踪性能和抗干扰性能以及直流电机伺服控制性能.仿真实验结果表明,这种新的控制算法学习速度快,动态响应时间短,具有较强的自适应性和鲁棒性,其控制性能优于单神经元PID控制.     

基于单神经元控制器的永磁电机调速系统研究

针对传统PID控制永磁同步电动机(PMSM)调速系统性能的不足,设计了单神经元自适应PID控制器并对控制系统进行仿真分析。结果表明,采用单神经元控制的调速系统具有更好的动态调节特性和自适应能力,而且控制器设计简单,参数调整方便,易于工程应用。     

基于单神经元PID的异步电动机转速的自适应控制

针对异步电动机矢量控制中转速调节器参数整定困难、自适应性差和稳态精度低的问题,设计单神经元PID控制器.将神经元学习规则与PID控制相结合,采用在线学习的方式,在电动机运行过程中实时调整控制器参数,实现转速的自适应控制.在恒速变负载和恒负载变速的仿真实验中,结果表明基于单神经元PID的转速调节器具有较好的动态性能和较高的稳态精度.     

新型抗饱和PI控制器及其在异步电动机调速系统中的应用

提出了一种新型抗饱和PI控制器的设计方法,通过引入反向计算系数减小了积分饱和对系统的影响,给出了新型抗饱和PI控制器的系统框图,并且证明了该算法的稳定性、为了提高异步电动机调速系统的动态性能,把这种抗积分饱和的Pl控制器应用到了PWM逆变器供电的异步电动机矢量控制系统中.利用Matlab软件进行了仿真实验,仿真实验结果验证了这种算法的有效性,表明这种新型PI控制器可以有效地降低调速系统的超调量,缩短系统的稳定时间,同时还可以提高系统对负载扰动的鲁棒性.     

基于S7-300 PLC的单神经元PID控制器设计与实现

PID控制器在被控对象具有非线性特性或运行环境发生变化时,PID的固定参数导致控制系统性能下降。针对该问题,本文提出在S7-300 PLC上设计和实现基于Hebb学习规则单神经元PID控制器。首先根据神经元的学习能力,设计了基于Hebb学习规则的单神经元PID控制器,仿真测试表明相对于PID控制器,基于Hebb学习规则的单神经元PID能够自适应调整控制器参数,具有系统响应速度快和超调量小等优点。最后在S7-300 PLC上实现了基于Hebb学习规则的单神经元PID控制算法,对温度对象进行控制。实验结果表明,基于Hebb学习规则的单神经元PID算法简单,在PLC上易于实现,有效改善系统性能。     

电主轴伺服系统的单神经元自适应PID控制

电主轴感应电动机伺服系统要求有良好的动静态性能.按转子磁场定向的感应电动机矢量控制中转速PI调节器在控制对象参数和工作环境变化时其性能较差.为了改善电主轴伺服系统的性能,提出了用单神经元自适应PID控制器代替传统PI调节器.为了提高单神经元PID控制器的学习能力,将无监督的Hebb学习规则与有监督的Delta学习规则相结合,实现单神经元控制器的参数优化与在线自调.仿真和实验结果表明,伺服系统不仅具有很好的静、动态性能,而且又具有很强的自适应性和抗扰性.伺服系统可用于航空航天、智能机器人和数控机床等高性能控制系统当中.     

单神经元PID控制器永磁同步电机调速系统

为了改进传统PID控制的永磁同步电机调速系统性能,设计了单神经元PID控制器对其进行速度控制,并结合具体研究对象和控制要求,进行了仿真分析和实验。仿真分析和实验结果表明,采用单神经元PID控制器的调速系统具有更好的启动性能、动态性能和鲁棒性,而且该控制器设计简单、参数易于调整,非常适合实际应用。     

基于单神经元自适应PID控制的高压断路器永磁直线伺服电机操动机构的研究

高压断路器永磁直线伺服电机操动机构采用直线电机驱动断路器操作杆,带动机构运动,实现分合闸操作,具有良好的快速响应能力及控制性能.该伺服系统采用数字式双闭环控制,内环为电流环,采用PI控制,外环为速度环,采用单神经元自适应PID控制,通过建立直线伺服电机操动机构控制系统仿真模型,详细分析了单神经元自适应PID控制算法以及数学模型,并建立了以输出误差二次方为性能指标的单神经元自适应PID控制器模型.并分别用传统PID与单神经元PID控制算法,对高压断路器触头运动特性控制过程进行了仿真.结果表明,单神经元自适应PID控制器能够较好的实现触头速度的跟踪控制,使其按理想运动特性曲线运动,实现最优操作,该算法是一种较理想、有效的控制方法.     

基于单神经元算法的内嵌式永磁同步电机智能驱动控制

基于人工神经网络的内嵌式永磁同步电机(IPMSM)智能驱动控制性能要明显优于传统控制方法,但是存在计算量大和离线训练时间长的问题。针对该问题,提出了一种基于单神经元算法的IPMSM智能驱动控制策略。阐述了永磁同步电机的数学模型及电流转矩控制规律;并基于单神经元的控制原理,推导了驱动控制律,由于采用的是单神经元结构并设置了迭代算法的边界,因此达到了计算量减小和训练较少的效果。最后,搭建了小功率电机驱动试验平台开展了试验研究,并通过与传统PID控制的对比试验,验证了新型控制器的性能。     

基于单神经元的可变电抗式固态软起动器研究

为了减小三相异步电机起动时的电流冲击,设计了一种可变电抗式固态软起动器.介绍了可变电抗式固态软起动器的系统构建和拓扑结构,给出了智能控制器的硬件结构,探讨了基于单神经元的自适应PID控制算法在电机软起动控制中的应用.试验表明,该软起动器能有效控制起动电流,起动电流小于4倍额定电流,控制效果良好.     

永磁同步电动机单神经元直接模型参考自适应控制

研究了一种永磁同步电动机单神经元直接模型参考自适应矢量控制系统,控制器采用了新的误差函数,通过梯度下降法对单神经元参数进行在线调整使误差函数值趋于零,电机输出更好地跟踪参考模型输出,分析了系统的稳定性。控制器结构简单,算法易于数字化实现。仿真结果表明控制器能保证电机转速快速、准确地跟随给定速度曲线,并对负载扰动有较强的抑制能力。     

异步电动机转子电阻在线辨识和反步速度控制

针对异步电动机转子电阻变化会对矢量控制产生影响的问题,采用极点配置的方法设计异步电动机状态全阶观测器,以实时估计转子磁链。以异步电动机自身作为参考模型,设计的全阶观测器为可调模型,构建模型参考自适应系统,采用波波夫超稳定性理论来设计转子电阻在线辨识算法,避免转子电阻变化对矢量控制系统的影响。设计反步控制器,以获得更快的动态响应速度和更好的稳态性能。仿真实验证明,该算法可以快速地估计转子电阻,提高控制系统的控制精度。