基于二自由度内模控制的LCL并网逆变器控制策略

并网逆变器需要具有极高的功率因数和极低的输出电流总谐波失真,在并网逆变系统中,对高频谐波的抑制效果显著,但由于其内部滤波器为一个三阶低阻尼系统,自身容易出现谐振。针对LCL型滤波器自身存在的谐振现象,提出一种基于二自由度内模控制的LCL并网逆变器控制策略来抑制其谐振尖峰,该控制器仅有两个可调参数,通过参数整定,所设计的控制器可同时具备良好的对给定信号的跟随性能和抑制干扰特性。该方法不需要增加额外传感器,系统成本较低。最后在Matlab/Simulink仿真平台上搭建LCL并网逆变器系统仿真模型,对两种控制策略进行仿真。仿真结果证明,采用二自由度内模控制策略时并网电流em_g总谐波畸变率只有1.4%,远低于国家标准5%,且具有良好的跟随性能,提高了系统的鲁棒性。     

交流伺服系统的二自由度内模控制

基于内模控制理论 ,针对交流伺服系统提出了一种二自由度PID控制方法。所设计的二自由度PID控制器 ,仅有两个可调参数 ,而且被调参数与系统的性能直接相关。理论分析和仿真实验结果表明 ,该控制器可以使系统同时具有良好的位置跟随性能、抗干扰性能和鲁棒性。     

直流调速系统的二自由度内模控制方法

本文针对直流调速系统提出了一种二自由度内控制设计法，可完全独立地调整跟随性能抗扰性和鲁棒性。控制器设计简便，控制参数物理意义和调整方针明确，基实际最佳值得容易确定，控制性能良好，可做到在大幅度扰动和参数变化下仍正常工作，转速波动很小。     

三相电压型PWM整流器的二自由度内模控制

为了能够准确地判断出充放电机故障类型,找出其故障原因,提出利用BP神经网络识别故障类型的思路,并对此进行了分析和研究。获取故障类型所对应的特征参数;对特征参数归一化处理,并用BP网络对其进行训练。运用MATLAB软件进行仿真。实验结果表明,建立的BP神经网络对检测的效果准确可靠,可以用来模拟人工对充放电机故障做出正确的判断,同时也验证了BP网络的优越性和可行性。     

三相电压型PWM整流器的二自由度内模控制

在电压型PWM整流器的控制中,广泛采用d-q旋转坐标系下电压电流双闭环控制策略。基于传统的双闭环控制策略的不足,提出了二自由度内模控制(IMC)策略。其中电流内环基于合成矢量的思想,提出了二自由度内模解耦控制;电压外环基于功率守恒的思想,提出了扰动快速消除的二自由度内模线性控制。所提控制策略简单易于实现,既统筹考虑有功电流和无功电流综合控制并优化了PI参数整定,又实现了线性化的间接电压控制且能够快速消除扰动对系统的影响。仿真结果验证了所提方法的正确性和有效性。     

基于神经网络补偿的二自由度PID控制

提出一种基于神经网络补偿的二自由度PID控制方法，该方法将BP网络应用到传统二自由度PID控制中，克服了参数固定不变时，系统跟随性能和抗扰性能变差的缺点，有效地减弱了参数摄动对系统造成的影响，改善了系统的动态品质，仿真结果表明该方法 的有效性。     

基于二自由度PI控制的PMSM的参数整定研究

针对传统单自由度PI控制系统难以兼顾抗扰特性和跟踪特性的缺陷,设计了一种基于误差判断的二自由度控制器并给出了参数整定方法.首先,通过简化电流环的数学模型得到转速环的控制目标;然后,采用多主导极点配置法和时域响应性能指标分别设计出二自由度控制器的PI参数;最后,在Simulink平台上搭建了仿真模型并采用基于模型设计(M...     

基于神经网络的电极调节内模控制

精炼炉电极调节系统是一个多变量、强耦合、大滞后的非线性系统,多年以来大多采用传统PID控制方式,控制效果不很理想。本文提出一种基于神经网络的电极调节内模控制方法,通过仿真证明了精炼炉电极调节系统内模控制跟踪设定电流好、抗扰动能力强。     

基于神经网络内模控制在机械手中的研究

将内模控制与神经网络相结合的方法来解决机械手的控制问题,使机械手沿着一定的期望轨迹运行。神经网络对机械手建模作为内模控制中的模型,训练方法采用前向网络的BP学习算法。单个神经元使用静态模型,输入神经元之间的延迟引入系统的动态。仿真结果表明,该方法具有有效性和实用性。     

基于内模控制的PID参数整定在车牌半成品生产线反光膜张力控制中的应用

本文从车牌半成品的生产工艺流程入手,以车牌半成品生产线贴膜部分的张力控制系统为原型,在此基础上进行了放卷张力的数学建模,设计一种基于內?刂频?PID参数整定薄膜恒张力控制系统,并进行了仿真,具有收敛、无稳态误差以及动态性能好的特点。     

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。     

基于神经网络内模的岸电电源波形控制

岸电电源是在船舶制造、远洋钻井平台、码头等方面应用非常广泛的稳频稳压电源,但它对输出电压波形的稳态精度、动态性能等要求较高。通过对现有各种逆变控制方法进行研究和比较,在建立和分析岸电电源三相逆变器数学模型的基础上,针对它在旋转αβ坐标系下的特点,提出了一种神经网络内模控制和PID控制相结合的复合波形控制策略。建立了3层BP神经网络内部模型,并将其作为三相逆变器的内部模型,预测实际输出,采用PID控制器在线修正、补偿内部模型与三相逆变器之间的模型失配。对比仿真和实验数据,可以看出:当系统接阻性负载或整流性负载时,该控制方法所得的稳态电压误差和输出电压的谐波畸变率均小于其他控制方法,表明该策略控制下的岸电电源稳态精度高、输出波形质量好,具有一定的工程实用价值,能很好地应用于岸电电源逆变波形控制。     

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。     

基于模糊神经网络的感应加热电源温度控制

通过对原有感应加热电源温度控制方法的分析，提出了一种适合于非线性系统基于模糊神经网络的温度控制方法，并介绍了该系统的组成及实现方法。     

基于RBF神经网络的永磁同步电机速度控制

针对常规PID控制的永磁同步电机调速系统性能不足,利用RBF神经网络较强的非线性映射能力,提出一种基于RBF神经网络PID自整定方案。该算法通过RBF神经网络在线辨识对PID参数整定,改善常规PID控制效果。在Matlab/Simulink构建了基于S函数的RBF神经网络PID控制器和永磁同步电机调速系统,并结合研究对象进行仿真研究。仿真结果表明:该控制器具有较好的静、动态性能,并有较强的自适应性和鲁棒性。     

基于TS模型的模糊神经网络光伏MPPT控制

为了克服传统最大功率点跟踪(MPPT)方法的一些缺点,使光伏系统更加快速准确地工作在最大功率输出点,提出了基于模糊控制和神经网络控制相结合的自适应控制方法。该方法充分利用模糊神经网络处理非线性问题的优点,通过模糊控制来改变步长,利用神经网络的自学习能力来快速达到平衡,使光伏MPPT在跟踪速度和稳定性之间达到一个较优的平衡。仿真和试验结果表明,基于模糊神经网络自适应控制的MPPT方法具有较强的鲁棒性和自适应能力。     

一种前向模糊神经网络控制系统的研究

基于模糊逻辑和神经网络技术提出一种具有快速学习算法的模糊神经网络控制系统。     

基于神经网络广义逆的两电机变频系统内模控制

针对非线性强耦合的两电机变频系统,先利用动态BP神经网络逼近原系统的广义逆系统,然后再对复合后的伪线性系统提出了基于广义逆系统的内模控制方法,证明了闭环系统的鲁棒稳定性。最后基于S7?300PLC的平台,对系统设计做了相关的试验研究。结果表明,神经网络广义逆系统方法,不但能够很好地实现系统的解耦,而且还可以使伪线性化后的子系统开环稳定,引入的内模控制,又保证了系统的控制性能。     

变参数活性污泥系统溶解氧的模糊神经网络控制

针对中、小型污水处理厂的实际情况,将活性污泥污水处理系统非线性数学模型转换为参数有界的变参数正则状态方程,并对系统模型进行了可控性与稳定性分析.提出了一个具有三层隐层的模糊神经网络控制器,通过仿真实验表明该控制系统具有很强的鲁棒性与容错性,该控制器能够自动调整隶属度函数、动态优化控制规则,将其应用于活性污泥系统的溶解氧控制可以快速、有效的使溶解氧浓度达到期望值,具有良好的控制性能.     

基于神经网络视觉伺服的机器人模糊自适应阻抗控制

提出一种未知环境下基于神经网络视觉伺服的机器人模糊自适应阻抗控制策略.首先使用BP神经网络来学习曲线图像特征变化率与机器人关节角速度的映射关系,其次由机器人力伺服控制得到离散阻抗控制模型,并根据接触力的变化对阻抗模型参数进行模糊调节,减少了受限运动中力干扰的影响.最后通过末端固定安装单摄像机和力传感器的6自由度机器人跟...