基于递归模糊神经网络的感应电机无速度传感器矢量控制

该文提出了一种控制性能较好的递归模糊神经网络(RFNN)无速度传感器感应电机矢量控制方法，该方法使用模型参考自适应方法辨识转子磁场位置和转速，采用递归模糊神经网络控制器作为转矩控制器来近似系统最优控制器输出。仿真实验表明，当系统参数动态变化或受到外部不确定性因素的影响时，利用神经网络来在线动态的调整网络的隶属函数参数以及神经网络递归权值，使系统仍将具有很好的动静态性能。     

基于免疫遗传模糊神经网络的永磁同步电机控制

在分析永磁同步电动机(PMSM)数学模型的基础上,提出了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,并应用于永磁同步电动机双闭环矢量控制系统中的转速控制器中,对永磁同步电动机实现精确的速度控制.在与传统PI控制和递归模糊神经网络控制仿真比较中,采用该方法的系统显示出良好的控制性能和控制效果.     

感应电机的神经网络自适应L2鲁棒控制

针对感应电机控制中存在的参数不确定性,基于反步法(backstepping)设计了感应电机的神经网络自适应L2鲁棒控制器,提出了控制器和一个转子磁链观测器联用,考虑了磁链估计误差.控制器用径向基函数神经网络(RBFNN)补偿定、转子电阻,及负载转矩和磁链估计误差的不确定性.根据HJI(hamilton-jaccobi-issacs)不等式证明了该控制系统的鲁棒性和稳定性,避免了直接解HJI不等式.仿真结果表明,提出的控制方法对于所考虑的不确定性是鲁棒的,对转速和转子磁链参考信号跟踪精确度高,不必假设所有的状态变量可测量,适用于高性能的感应电机控制系统.     

感应电机调速系统模糊神经网络逆鲁棒控制

以多变量、非线性、强耦合的感应电机调速系统为研究对象,采用模糊神经网络逆鲁棒控制策略,通过模糊神经网络加积分器来构造感应电机调速系统的动态逆系统,将二者串联重构成伪线性复合系统,基于内模控制,根据复合系统的特性设计鲁棒控制器,实现了感应电机转速的高精度鲁棒控制.仿真和实验结果表明系统具有优良的静态及动态性能,对负载扰动、参数摄动和未建模动态等具有很强的鲁棒性.     

感应电机模糊自整定PID控制器设计与仿真

感应电机(IM)的动力学特性是一个高阶、非线性、强耦合的系统,采用传统的PID控制方法进行控制,难以达到理想的控制效果.采用模糊控制理论与常规PID控制相结合组成模糊PID控制器,应用模糊算法在线自动整定PID参数的方法,并将其应用于感应电机调速控制系统.仿真与试验结果表明,该模糊PID控制的效果明显优于常规PID控制...     

神经网络控制的两变频调速电机系统

在对由两台感应电机和变频器组成的变频调速系统数学模型分析的基础上,设计了一种组合的神经网络控制器,包括基于对角回归神经网络(Diagonal Recurrent Neural Network,简称DRNN)的自整定PID控制器和自适应神经元解耦补偿器,并将其应用于两变频调速电机系统的同步控制中.实验结果表明,采用神经网络控制方法可以实现系统中速度和张力的解耦,系统具有良好的动静态性能.     

动态T-S递归模糊神经网络观测器状态辨识

传统模糊神经网络是一种静态映射,不适宜用于感应电机状态辨识。为提高系统辨识精度,提出一种动态T-S递归模糊神经网络观测器。根据动态递归神经网络观测器模型推导其动态反向传播算法,并利用Lyapunov定理证明该观测器具有全局收敛性。仿真结果表明：由于动态T-S递归模糊神经网络观测器同时利用了当前数据和历史数据进行状态辨识,较传统模糊神经网络观测器在辨识精度和稳定性方面具有更好的效果,且具有更好的收敛性。     

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。     

基于小波神经网络的感应电机直接转矩控制

为了改善感应电机传统直接转矩控制(DTC)的性能缺陷,特别是低速状态下定子磁链畸变、定子电流谐波大、电磁转矩脉动大的缺点,提出一种基于小波神经网络(WNN)的新型非线性自回归移动平均模型(NARMA)。该模型根据H.Akaike的最终预测误差(FPE)准则确定WNN模型中所需的最佳小波个数。小波神经网络有很强的自学习能力,经过训练可很好地识别DTC系统,基于WNN的NARMA速度控制器可代替PI控制器控制感应电机的转矩。理论分析和仿真表明,该方法是非常有效的。     

基于神经网络逆的感应电机矢量控制改进方法

基于感应电机的矢量控制(转子磁场定向控制)存在不能动态解耦和鲁棒性差的问题,提出了感应电机的一种神经网络逆控制方法.实现了电流控制型感应电机系统的自适应解耦及线性化.该神经网络逆系统相当于在普通的矢量控制结构中加了一个具有鲁棒性和开放性的解耦补偿环节,最后通过仿真和实验验证了该方法的有效性.     

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。     

基于RFNN补偿的直线伺服系统反推控制

针对永磁直线同步电机(PMLSM)伺服系统,在分析影响直线伺服跟踪精度因素的基础上,采用智能反推控制策略对该伺服系统进行有效的补偿控制。考虑参数变化、外部负载扰动和摩擦力等不确定因素对系统伺服性能的影响,设计基于递归模糊神经网络(RFNN)的反推控制器,利用了递归神经网络具有捕获系统动态信息的优点,可实时补偿不确定因素对跟踪性能的影响。仿真结果表明,控制策略明显降低了不确定因素对系统性能的影响,从而显著提高了直线伺服系统的位置跟踪精度。     

RFNN controlled sensorless induction spindle motor drive

A sensorless induction spindle motor drive using synchronous PWM (SPWM) and dead-time compensator with recurrent fuzzy-neural network (RFNN) speed controller is proposed in this study for advanced spindle motor applications. First, the operating principles of a new type SPWM technique and the circuit of dead-time compensator using field-programmable gate arrays (FPGA) are described. Then, a speed observer based on a modified Luenberger observer is adopted to estimate the rotor speed. Moreover, since the control characteristics and motor parameters for a high-speed induction spindle motor drive are time-varying, an RFNN speed controller is developed to reduce the influence of parameter uncertainties and external disturbances. In addition, the RFNN is trained on-line using a delta adaptation law. Finally, the performance of the proposed sensorless induction spindle motor drive system is demonstrated using some simulated and experimental results.     

滑模控制器对永磁同步电机的调速性能研究

对永磁同步电机（PMSM）控制系统的数学模型进行了解耦,将系统分为电气和机械两个子系统,并对子系统分别设计了利用时间变化的滑动面进行电机控制的滑模控制器,在此基础上设计了基于滑模控制器的永磁同步电机调速仿真系统。通过与脉冲宽度调制（PWM）的调速仿真系统的实验结果进行对比可知,基于滑模控制器的永磁同步电机控制系统进行调速时转矩脉动更小,电机转速的超调也更小,证明了这种调速控制系统具有更好的动态调速性能。     

基于模糊自适应PI控制的开关磁阻电机直接转矩控制

针对常规模糊控制器在开关磁阻电机直接转矩控制（DTC）中的超调量大、响应慢、脉动大等问题,提出一种基于遗传算法的模糊自适应PI控制器的速度调节器设计方案,结合遗传算法与模糊PI控制,应用遗传算法优化模糊自适应PI控制器的模糊控制规则和量化因子及比例因子,以确保开关磁阻电机直接转矩控制系统响应具有最优的动态响应和稳态性能。仿真与试验结果分析表明,与传统模糊PI控制相比,该设计方法具有适应性强、动态响应好、鲁棒性强等优点,取得了比较满意的控制效果。     

双馈风力发电机与储能装置协调控制策略

传统的双馈风力发电机（doubly fed wind power generator, DFIG）采用定子定向磁链控制技术,没有考虑到风速波动性、风机非线性以及满足控制鲁棒性等特点。在此基础上提出了基于哈密尔顿函数的DFIG-ESS（energy storage system）协调控制策略,推导了李亚普洛夫意义下的控制器的参数稳定域,证明了控制器满足稳定性的条件。设计和构建了基于MSP430单片机的DFIG-ESS的控制试验系统,在随机风条件下进行控制效果试验,取得了良好的控制效果,为双馈风力发电机的非线性鲁棒控制器的硬件平台设计奠定了基础。     

改进GPC算法在永磁同步电机控制系统中的应用

为了使永磁同步电动机(PMSM)矢量控制系统适用于更高要求的场合,在给出PMSM在d-q旋转坐标系中的模型表达式和传动系统机械运动方程的基础上,推导出了系统的基于受控自回归积分滑动平均(CARIMA)模型。基于此模型和金元郁等提出的改进广义预测控制算法(JGPC)设计出了适用于PMSM驱动系统的速度环的改进广义预测控制器。仿真实验表明,JGPC控制器可以很好的跟踪给定速度曲线,辨识出的参数跟实际电机的相关参数一致,且动态及稳态性能良好。