共查询到19条相似文献,搜索用时 83 毫秒
1.
2.
3.
4.
为了能够对无刷直流电动机进行有效地矢量控制,深入地研究了模糊自适应PID控制的应用.首先,提出了无刷直流电机的矢量控制策略;接着,介绍了模糊自适应PID控制器的控制原理;然后,进行了模糊自适应PID控制器的设计;最后,进行了实例研究,进行数值仿真实验,实验结果表明,该方法具有较强自适应能力以及较高的可靠性. 相似文献
5.
无刷直流电动机单神经元自适应PID控制及改进 总被引:5,自引:0,他引:5
研制的无刷直流电动机单神经元自适应PID控制器,实现了在线调整PID参数的目的,克服了电动机非线性、参数易变的影响;同时引进变速控制算法对神经元比例参数K的给定进行了在线改进。仿真结果表明,单神经元自适应PID控制器自适应能力好,响应快.鲁棒性强.系统静态和动态特性良好,而且采用变速控制改进算法后,速度的调节器品质有所提高。 相似文献
6.
无刷直流电动机电流控制方法研究 总被引:1,自引:0,他引:1
分析了无刷直流电动机在快速正/反转机电作动系统中的几种电流控制方法,指出了它们的优缺点.试验表明,采用斩波频率稳定的两态电流控制,可获得比较优良的电流控制特性. 相似文献
7.
一种无刷直流电动机重复控制方法研究 总被引:1,自引:0,他引:1
无刷直流电机位置伺服系统采用PID控制方式,虽然简单、动态响应较快但稳态输出特性差.重复控制是一种能够消除稳定闭环内所有周期性误差,同时控制精度高,实现简单,控制性能的非参数依赖性好.结合两种控制方法特点提出了一种无刷直流电机的重复控制方法以获得良好的动态和稳态性能.仿真结果说明,无刷直流电机控制系统的跟踪精度和鲁棒性得以提高. 相似文献
8.
9.
10.
应用TMS320LF2407芯片设计了一套无刷直流电动机伺服控制系统。系统采用了位置、速度、电流三闭环的控制结构以满足快速性、高精度以及传动的刚性和高的速度稳定性等方面的性能要求。简述了实现该控制系统的软件和硬件设计方案及控制策略,系统采用了主、辅两个位置环,实验证明系统调速范围宽,控制性能好。 相似文献
11.
提出了一种无刷直流电动机调速系统的模糊自适应PID控制方法。在Matlab/Simulink平台上建立了无刷直流电机模糊自适应PID控制的仿真模型,对参数改变时无刷直流电动机模糊自适应PID仿真模型也进行了仿真,并与模糊PID控制和传统PID控制的控制效果进行了比较。仿真结果表明:建立的系统鲁棒性强、响应速度快、无超调,且稳态精度高。 相似文献
12.
直接转矩控制在正弦波交流电机方面的研究已趋于成熟,在反电势梯形波的电机研究方面相对较少.通过分析无刷直流电机直接转矩控制的基本原理,合理地选择空间电压矢量,将直接转矩控制技术应用于无刷直流电机的控制.运用Matlab/Simulink对其进行仿真,结果表明,永磁无刷直流电机转速响应迅速,转矩脉动非常小,取得了良好的控制... 相似文献
13.
14.
15.
设计了一种无刷直流电动机BLDCM(BrushLess DC Motor)无速度传感器变频调速系统.以数字信号处理器DSP(Digital Signal Processor)为数字控制器、智能功率模块IPM(Intelligent PowerModule)为功率逆变器组成硬件系统,采用反电势过零检测法进行电子换向,实现了BLDCM的无速度传感器转速跟踪.介绍了功率驱动主电路,交、直流变换部分采用单相桥式不控整流电路,以提高逆变电路所需的直流电压.通过检测关断相的反电势过零点来获得转子的位置信号,以控制绕组电流的切换,驱动电动机运转.论述了转速与电流反馈信号的检测.使用T法测转速;采用霍尔电流传感器检测直流侧母线电流;系统中转速和电流均由PID控制器进行调节.控制系统软件由主程序和中断程序组成,给出了系统软件的流程图.实验结果表明,系统调速性能良好. 相似文献
16.
17.
18.
Tayfun Gundogdu Guven Komurgoz 《IEEJ Transactions on Electrical and Electronic Engineering》2014,9(4):384-390
In this paper, a self‐tuning algorithm for proportional integral derivative (PID) control based on the adaptive interaction (AI) approach theory efficiently used in artificial neural networks (ANNs) is proposed. In this approach, a system is decomposed into interconnected subsystems, and adaptation occurs in the interaction weights among these subsystems. The principle behind the adaptation algorithm is mathematically equivalent to a gradient descent algorithm. The same adaptation as the well‐known backpropagation algorithm (BPA) can be achieved without the need of a feedback network, which would propagate the errors, by applying adaptive interaction. Thereby, the ANN controller can be adapted directly without wasting calculation time in order to increase the frequency response of the controller. The velocity control of a brushless DC motor (BLDCM) under slowly and rapidly changing load conditions is simulated to demonstrate the effectiveness of the algorithm. The AI tuning algorithm was used to tune up the PID gains, and the simulation results with PID adaptation process are presented by comparing the obtained results with the adaptive PID controller based on BPNN and a conventional PID controller. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc. 相似文献