考虑输入饱和的异步电机随机系统的速度控制

针对随机扰动现象能够破坏异步电动机调速系统稳定性的问题,本文根据神经网络技术和反步法的原理,对输入饱和的异步电动机随机非线性系统的神经网络速度控制进行研究。考虑异步电动机随机系统中存在的输入饱和限制,利用神经网络来逼近随机系统中不确定的非线性项,并使用自适应反步法构造了异步电动机的自适应神经网络速度调节控制器。同时,利用Matlab软件进行仿真实验。仿真结果表明,本文所提出的自适应神经网络速度控制器,可以快速地跟踪给定的期望速度信号,克服了输入饱和、参数不确定、负载扰动等因素的影响,实现了对异步电动机的有效控制。该研究具有一定的实际应用价值。     

基于B样条网补偿的直线伺服系统跟踪控制

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，采用学习前馈控制(LFFC)策略对该伺服系统进行有效的补偿控制.在系统和扰动定性知识的基础上，设计了基于B样条网络的学习前馈补偿控制，利用了B样条网具有收敛速度快和避免局部极值的优点.仿真结果表明，该控制策略明显降低了外部负载扰动、端部效应、摩擦力以及系统参数变化等对系统性能的影响，从而显著提高了直线伺服系统的跟踪精度.     

一种基于非线性PID神经网络算法的PMSM控制

针对常规PID控制器无法很好地应对永磁同步电机参数变化和负载扰动等不确定因素的影响,设计一种以三角函数为神经元激励函数的非线性PID神经网络控制器,并将其与常规PID控制器相结合用于永磁同步电机控制.仿真实验结果表明,该控制系统具有快速的响应能力、更好的动态性能和更加稳定的跟踪性能,适合于永磁同步电机速度控制.     

永磁同步电机混合非线性控制策略

永磁同步电机是一个非线性多变量强耦合系统,采用传统的线性控制方法难以在大范围运行中保持良好的动态性能和鲁棒性.针对永磁同步电机的特点,提出一种结合滑模控制和自抗扰控制的混合非线性控制策略,用于永磁同步电机矢量控制系统设计.根据指数趋近律算法设计滑模控制器,用于内环的电流控制.外环的速度采用自抗扰控制,速度控制器对负载扰动进行估计和补偿.仿真结果表明,提出的控制系统不仅具有良好的动态和静态性能,而且对负载及系统参数扰动具有较强的鲁棒性.     

直线电机悬浮平台的L2鲁棒控制

永磁直线同步电机（PMLSM）悬浮平台系统的水平推力和法向力之间存在非线性耦合,且易受负载扰动和参数变化等不确定性因素的影响.为了解决上述问题并实现准确定位,在系统非线性数学模型的基础上,对水平轴和竖直轴均设计了PD位置控制器与L₂速度控制器,将解耦与扰动抑制转化为L₂速度控制器的设计问题.仿真结果表明,该方法设计的系统实现了水平方向和竖直方向的直接动态解耦,并且对负载扰动和参数变化具有很好的鲁棒性.     

基于BP网络横向磁场永磁电机调速系统的设计

文章针对横向磁场永磁电机非线性、强耦合的特点以及传统PI调节器存在超调和控制参数无法自适应的缺陷,提出一种基于BP神经网络的横向磁场永磁电机PI控制方案.该方案在分析电机矢量控制的基础上,建立了四相横向磁场永磁电机的数学模型,利用BP神经网络对PI调节器参数进行在线整定,通过自调整学习速率改进BP神经网络学习能力,实现电机跟踪性能和抗负载扰动性能的提高.实验结果表明,所采用的控制策略可行,在参数突变和突加负载时,均能够达到跟踪额定转速的效果,使系统具有良好的鲁棒性.     

单电磁悬浮系统的神经网络模糊滑模控制

为实现单电磁悬浮系统悬浮气隙的精确控制,提出一种基于神经网络的模糊滑模控制方案.根据单电磁悬浮系统的动态非线性数学模型,设计使系统状态在有限时间内到达稳定点的滑模面,同时根据滑模切换状态,通过引入神经网络的模糊控制方法对滑模切换控制量的增益进行评估,实时对滑模控制量进行调整,实现切换控制信号的柔化.基于神经网络的模糊滑模控制系统不仅能很好地跟踪给定信号,而且能削弱滑模控制抖振,对外部扰动具有完全的鲁棒性.仿真结果表明,所设计的控制系统零超调,具有速度跟踪性能,对外部扰动具有很强的鲁棒性.     

基于学习前馈控制的永磁直线伺服系统跟踪控制研究

针对永磁直线同步电动机（PMLSM）伺服系统,在分析影响直线伺服跟踪精度因素的基础上,引入学习前馈控制（LFFC）补偿技术.学习前馈控制是一种反馈误差学习的控制形式,其包含了反馈控制器和采用函数逼近器的前馈控制器两部分.在系统和扰动定性知识的基础上,设计了基于B样条网络的学习前馈补偿控制.仿真结果表明,该方案有效地降低了负载扰动、端部效应等对系统性能的影响,提高了系统的跟踪精度.     

基于RBF神经网络的非线性模型预测控制

提出了一种基于径向基函数(RBF)神经网络的非线性模型预测控制系统,利用RBF神经网络的非线性拟合性,构建一个神经网络预测器(NNP)来预测模型未来时刻的输出值.然后利用神经网络控制器(NNC)实现基于模型的预测控制.仿真结果表明此方法具有较好的控制效果,并且在有扰动和模型失配的情况下,表现了良好的鲁棒性.     

异步电动机的命令滤波自适应速度调节控制

针对异步电动机驱动系统中存在的负载扰动和参数不确定的问题,本文在传统自适应反步控制方法的基础上,运用神经网络逼近系统模型中未知的非线性函数,同时采用命令滤波技术,解决了传统反步法中对虚拟控制函数进行连续求导而无法避免的计算爆炸问题,实现对异步电动机的速度调节控制。为了验证本文所提方法的有效性,在Matlab环境下对异步电动机进行仿真分析,仿真结果表明,即使在参数不稳定和有负载转矩扰动的情况下,本文所提出的控制方法依然可以很好的跟踪给出的期望信号,并确保跟踪误差收敛到原点很小的邻域内,可实现对异步电动机快速有效的控制。因此,该方法具有一定的实际应用价值。     

基于神经网络的红旗7B防空导弹制导控制优化设计

红旗7B防空导弹在大气小扰动下容易出现控制失稳,通过控制优化设计,提高导弹制导的稳定性.针对传统的PID神经网络模糊控制精度较低的问题,提出一种基于神经网络的红旗7B防空导弹制导控制优化算法,首先构建红旗7B防空导弹的被控对象模型和纵向运动数学模型,根据控制约束参量进行红旗7B防空导弹制导控制约束参量分析,然后采用小扰动抑制方法进行扰动误差和控制参量的自整定修正,实现控制算法优化设计.最后通过仿真实验进行性能测试,结果表明,采用该控制方法进行红旗7B防空导弹的小扰动抑制和制导控制设计,降低了导弹的轨迹输出误差,俯仰角等运动参量的跟踪性能较好,提高了控制品质.     

异步电动机的动态面模糊离散速度跟踪控制

针对异步电动机中参数不确定和存在负载扰动的问题,本文综合运用反步控制方法、模糊逼近理论和动态面技术,研究了异步电动机在离散模型下的速度跟踪控制问题。运用欧拉方法得到异步电动机离散状态下的数学模型,同时运用模糊逻辑系统来逼近其中的未知非线性函数,利用动态面技术解决在反步法中产生的计算爆炸问题,构造速度跟踪控制器,实现对异步电动机的速度跟踪控制,并在Matlab环境下对异步电动机进行仿真分析。仿真结果表明,所构造的控制器,能够有效解决系统中参数不确定及存在外部负载扰动的问题,并且使跟踪误差收敛到原点附近很小的邻域内,实现对异步电动机的快速跟踪控制。该方法具有一定的实际应用价值。     

基于动态面技术的异步电动机模糊自适应速度控制

针对异步电动机的参数不确定性以及外部负载扰动,本文结合动态面技术和反步控制,研究了异步电动机驱动系统的速度调节控制。根据模糊逼近原理来逼近系统中未知的非线性函数,通过引入动态面技术,解决了传统反步控制中由于对虚拟控制函数进行连续求导引起的计算爆炸问题,同时采用反步设计方法构造模糊自适应速度控制器,并利用Matlab进行仿真验证。仿真结果表明,在提出的模糊自适应速度控制器的作用下,异步电动机驱动系统能够克服参数不确定性及负载扰动的影响,确保系统可以快速跟踪给定的期望信号,实现了对异步电动机的有效控制。该研究具有一定的实际应用价值。     

考虑输入饱和的异步电机随机命令滤波控制

针对异步电机调速系统中存在的随机扰动问题,本文在传统反步法的基础上,利用神经网络逼近系统中的非线性函数,同时运用命令滤波技术,解决了传统反步法中存在的计算爆炸问题,实现了对考虑输入饱和的异步电机速度调节控制。为验证所设计控制器的有效性,利用Matlab进行仿真分析。仿真结果表明,本文设计的控制器能够有效抑制随机扰动,克服输入饱和的影响,可以很好地跟踪给定的期望信号,保证跟踪误差收敛在原点很小的邻域内。当t=5s时,负载转矩变化,系统仍能快速跟踪给定信号,实现了对异步电动机快速有效的控制。因此,该方法具有较高的理论研究意义和实用价值。     

一种改进的单神经元PID控制策略

针对传统单神经元自适应比例-积分-微分（PID）控制中比例系数调试过程繁琐冗长的问题,提出一种改进的单神经元自适应PID控制策略.采用非线性变速控制算法对比例系数K进行在线自适应调节,使K值的变化根据输入误差的大小自动调整,且调整的速度与误差大小成正比.采用设计空间搜索规则得出该算法的最优解因子.将该方法运用于直流无刷电机的速度调节,实验仿真证明,该改进的算法相对于传统PID控制和单神经元PID控制不仅收敛速度更快,而且能有效解决电机负载扰动带来的不稳定性,尤其是在大负载扰动下体现出优异的鲁棒性,极大地提升速度调节器的品质.     

永磁同步电机传动系统能量成形控制仿真研究

针对功率变换器和永磁同步电机（PMSM）构成的传动系统,基于能量成形和端口受控哈密顿（PCH）系统理论,研究其速度控制问题。建立了PMSM的PCH非线性数学模型,在负载转矩恒定已知和恒定未知情况下,设计了系统的速度控制器。根据最大转矩／电流（MTPA）控制原理确定了系统的期望平衡点,分析了平衡点的稳定性。利用PWM信号变换方法控制功率变换器各开关器件的导通占空比,实现隐极PMSM的速度调节。利用Matlab／Simulink仿真,结果表明,系统具有很好的负载扰动抑制能力和转速跟踪性能。     

基于学习前馈控制的永磁直线伺服系统跟踪控制研究

针对永磁直线同步电动机(PMLSM)伺服系统,在分析影响直线伺服跟踪精度因素的基础上,引入学习前馈控制(LFFC)补偿技术。学习前馈控制是一种反馈误差学习的控制形式,其包含了反馈控制器和采用函数逼近器的前馈控制器两部分。在系统和扰动定性知识的基础上,设计了基于B样条网络的学习前馈补偿控制。仿真结果表明,该方案有效地降低了负载扰动、端部效应等对系统性能的影响,提高了系统的跟踪精度。     

直流调速系统单神经元自适应速度控制方法

针对直流调速系统,将单神经元自适应PID控制器与负载观测器有机结合,提出了一种基于单神经元的自适应速度控制方法.仿真结果表明,该法不仅结构简单、易于实现,而且克服了单神经元自适应PID控制器抗负载扰动能力不足的缺点,在电机参数变化和负载突变时都具有较好的控制性能.     

平面铰链四杆机构的轨迹综合方法

为提高平面铰链四杆机构轨迹综合的速度与精度,提出基于B样条曲线的综合方法.采用三次非均匀B样条曲线对连杆曲线进行拟合,将B样条曲线控制多边形各相邻两边的夹角作为连杆曲线的特征参数,将大量连杆曲线特征参数和对应的机构尺寸参数存入计算机以建立电子图谱库;当输入一定数目的有序离散数据点时,通过B样条曲线拟合得到期望曲线,提取期望曲线的特征参数;再利用神经网络将期望曲线的特征参数与电子图谱库中特征参数进行匹配,从而找到满足要求的机构,最终达到轨迹综合的目的.设计实例表明,该方法可快速实现四杆机构的轨迹综合,综合的精度高且所提取的特征参数与连杆曲线方位、缩放比例无关,减少了图谱库的数据冗余.     

永磁同步电机的神经网络离散位置跟踪控制

针对永磁同步电动机参数不确定及负载扰动问题,本文基于自适应和反步法技术,设计了一种永磁同步电动机离散位置跟踪控制方法。利用欧拉公式得到同步电动机驱动系统的离散数学模型,采用动态面技术,引入低通一阶滤波器对虚拟控制函数进行滤波,解决了"计算爆炸"问题;运用神经网络逼近永磁同步电动机系统中存在的未知非线性项,并将神经网络和反步法相结合,构造离散动态面位置跟踪控制器,同时对其进行稳定性分析,最后通过仿真实验分析验证了该方法的有效性。仿真结果表明,本文设计的离散控制器能够有效跟踪给定信号,实现了对永磁同步电动机良好的位置跟踪控制效果。该控制方法解决了参数不确定性以及负载扰动问题,具有一定的理论意义和实际应用价值。