无轴承永磁同步电机的神经网络逆控制

无轴承永磁同步电机是一个强耦合的非线性复杂系统,实现无轴承永磁同步电机的线性化解耦控制,是无轴承永磁同步电机稳定运行和走向实用化的关键。将神经网络具有的特点（对非线性系统的逼近能力以及对系统参数变化的适应能力）与逆系统方法的特点（解耦线性化）相结合,提出了基于神经网络的无轴承永磁同步电机逆系统解耦控制方法。通过用静态神经网络加积分器来构造无轴承永磁同步电机的逆系统,将无轴承永磁同步电机动态解耦成位移子系统和转速子系统分别设计调节器进行控制,然后运用线性系统理论进行综合。仿真及实验结果表明,系统具有良好的鲁棒性和动静态解耦性能。

     

无轴承电动机神经网络逆系统解耦控制关键技术发展

无轴承电动机利用一套新的悬浮力绕组产生悬浮力,使无轴承电动机成为一种多变量、强耦合的非线性系统,如何实现转速与径向位移以及径向位移之间的动态解耦控制是无轴承电动机稳定运行的关键要素之一。神经网络逆系统具有以任意精度逼近非线性函数的能力,可以有效实现无轴承电动机的解耦控制。阐述了无轴承电动机悬浮力产生的原理以及神经网络逆系统解耦原理,从纯神经网络逆系统、神经网络逆系统结合智能控制器等方面分析了国内外无轴承电动机神经网络逆系统解耦控制策略的研究现状,归纳了无轴承电动机在使用神经网络逆系统进行解耦控制时的共同和不足之处,总结了无轴承电动机神经网络逆系统解耦控制的一般设计方法,并对神经网络优化、在线训练、抗干扰能力等关键技术发展趋势进行了展望。     

无轴承异步电机的非线性动态解耦控制

针对无轴承异步电机多变量、非线性、强耦合的特点,提出一种基于支持向量机α阶逆系统理论的非线性动态解耦控制策略。将通过支持向量机回归方法辨识出的无轴承异步电机逆系统串接在原系统之前,构成伪线性复合系统,实现整个系统的线性化。最后根据线性系统理论进行了系统综合。仿真和实验研究表明,支持向量机α阶逆系统方法能够实现无轴承异步电机悬浮力和旋转力之间的动态解耦,控制系统具有良好的动静态性能。     

永磁同步电机矢量控制系统的建模与仿真

永磁同步电机（PMSM）伺服系统的速度环和电流环具有非线性耦合特性,需要进行电流解耦控制.因此,根据矢量控制的原理实现了该系统的线性解耦.通过对永磁同步电机数学模型分析,建立基于Simulink伺服系统矢量控制仿真模型.仿真结果表明,建立的系统耦合模型具有良好速度控制特性,并对永磁同步伺服耦合系统设计具有指导价值.     

基于神经网络PID的永磁同步电机调速系统

针对永磁同步电机多变量、强耦合、非线性、运行中参数变化的特点,设计了一种基于神经网络PID的永磁同步电机空间矢量控制方法.仿真分析和硬件平台实验结果表明,将神经网络PID控制器运用于永磁同步电机控制具有可行性,相对于传统PID控制器,神经网络PID控制器能够使系统具有更快的响应能力,并能提高系统的适应性.     

平衡重式叉车底盘神经网络逆系统解耦控制

针对平衡重式叉车底盘各子系统间的干涉和耦合特性,利用非线性系统的神经网络逆系统方法进行叉车主动后轮转向(ARS)与直接横摆力矩控制(DYC)的解耦控制.在分析底盘系统可逆性的基础上,确定解耦变量配对关系,建立BP(Back Propagation)神经网络逆系统模型并串联到原底盘系统前,使叉车底盘系统解耦成两个独立的伪线性系统;设计PD(Proportion Differentiation)闭环控制器并与神经网络逆系统组成复合控制器,并进行仿真验证.仿真结果表明:神经网络逆系统解耦控制策略能够消除底盘各子系统间的干涉和耦合,提升叉车的状态跟踪和操纵稳定性.     

基于神经网络逆系统的发酵过程多变量解耦控制

发酵过程是时变、非线性、不确定的多变量耦合系统，高性能的解耦控制一直是追求的目标。将逆系统方法与神经网络相结合，提出了一种基于神经网络逆系统的发酵过程解耦控制方法。根据发酵过程的特点，给出了相应的数学模型，并证明了系统的可逆性，进一步构造神经网络逆系统并与发酵系统串联复合成伪线性系统，再设计线性闭环调节器实现高性能解耦控制。仿真结果表明，提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性，克服了解析逆系统解耦控制方案依赖于过程模型和对模型参数的变化很敏感的缺点。     

CMAC与PID复合控制在永磁直线同步电机中的应用

永磁直线同步电机广泛应用于高精度伺服控制系统,负载扰动、非线性、耦合以及推力纹波影响其伺服性能,传统PID控制难以实现良好的控制品质,需要先进的控制手段和补偿措施.小脑模型神经网络能实时进行模型逼近,给出了小脑模型神经网络CMAC概念映射和实际映射的具体实现过程,分析了永磁直线同步电机的数学模型,构建了以PID为反馈控制,以CMAC为前馈控制的永磁直线同步电机复合控制系统.通过MATLAB仿真环境可知,该系统可有效实现被控对象的逆动态模型,具有很强的鲁棒性.     

基于误差反馈学习的永磁同步电机变负载有限时间速度控制

针对传统永磁同步电机调速系统面对变负载和大范围调速时,P、I参数需要频繁调整且速度跟踪不理想的问题,提出了一种基于误差反馈学习结构的永磁同步电机有限时间速度控制方法。在对永磁同步电机运动方程分析的基础上,使用非线性PI和径向基神经网络建立了速度环控制器模型。前者保证控制系统收敛和稳定,其输出作为神经网络的误差学习参数;后者基于终端滑模理论设计参数调整律,加快神经网络的参数收敛速度,使得神经网络的输出逐渐取代非线性PI成为控制系统的主要控制器。利用李雅普诺夫稳定判据分析了控制器的收敛性,并在永磁同步电机调速系统上进行了试验。研究结果表明,基于误差反馈学习结构的有限时间控制策略能够减小系统静态误差和抖振,具有一定的抗干扰能力。     

车载飞轮电池用无轴承永磁同步电动机神经网络控制

针对电动汽车磁悬浮飞轮储能电池用无轴承永磁同步电动机(BPMSM)的非线性、强耦合、参数时变等特性,将单神经元PID和径向基函数神经网络(RBFNN)相结合,提出一种新型车载飞轮电池用BPMSM神经网络控制策略。采用RBFNN辨识BPMSM输入输出变量之间的关系,构建BPMSM系统的参考控制模型,通过MATLAB仿真软件对其进行仿真验证,结果表明,该控制方法可显著提高系统的静态和动态性能。     

基于SVM-DTC的永磁同步电动机控制方法研究

研究永磁同步电机（PMSM）直接转矩控制（DTC）系统。针对传统控制系统中存在的转矩和磁链脉动大的问题,将空间矢量调制（SVM）引入PMSM-DTC系统。通过对永磁同步电机数学模型及空间电压矢量调制算法的分析,在Matlab/Simulink环境下,对PMSM的SVM-DTC系统进行仿真。仿真结果表明,系统模型具有很好的动静态性能。     

基于最小二乘支持向量机逆系统方法应用研究

针对流浆箱的内部机理模型,提出了一种基于最小二乘支持向量机逆系统的解耦控制方法。利用最小二乘支持向量机辨识得到流浆箱系统的逆模型,并采用逆系统思想,将流浆箱非线性系统解耦成多个相互独立的单入单出伪线性子系统。采用MATLAB对该解耦控制方法的有效性进行仿真验证,结果表明,该控制方法抗干扰性强,结构简单,工程上易于实现。     

磁悬浮轴承多自由度转子系统的协同控制建模与仿真研究

电磁轴承具有无摩擦和磨损、寿命长、无油污染等优点而具有广泛的应用前景.针对非线性、高维特性以及负载不确定性和大范围变化的磁悬浮支承的转子动力系统,建立了系统的原型模型,基于逆系统对系统进行非线性解耦伪线性化,并设计了对伪线性化系统的协同控制器,构建了基于协同控制策略的闭环控制系统,并对系统进行了仿真研究,仿真结果表明:经过逆系统解耦的磁悬浮轴承支承的多自由度转子动力系统,在协同控制作用下,系统具有无超调且响应速度快、抗负载干扰的鲁棒性强、稳态性能好等优点,与传统PID控制策略比较具有更好的动态性能和稳态性能.     

无轴承永磁同步电机技术综述及其发展趋势探讨

阐述了无轴承永磁同步电机径向悬浮力的产生原理,综述了无轴承永磁同步电机的关键技术,对无轴承永磁同步电机的几种典型结构、数学模型及无轴承永磁同步电机的控制技术进行了详细分析。针对目前无轴承永磁同步电机的研究现状和不足之处,探讨了无轴承永磁同步电机技术的研究方向和发展趋势。     

遗传算法和神经网络在永磁同步电机直接转矩控制中的应用

为了解决永磁同步电机直接转矩控制系统的转矩脉动大的缺陷,将遗传算法引入转速PI调节器,用以实现PI参数的自整定;将神经网络引入空间矢量调制以得到期望的空间电压矢量。在研究永磁同步电机动态数学模型的基础上,提出了基于遗传算法和神经网络的永磁同步电机直接转矩控制系统。分析了PI自整定和神经网络空间矢量调制的具体实现方法。借助MATLAB/Simulink软件进行了建模与仿真。仿真结果表明,提出的控制方法不仅具有转速响应快速、超调量小及转矩脉动小等优点,而且具有优良的动静态性能。     

混合煤气管道多变量系统自抗扰解耦控制

针对煤气混合蝶阀串联系统具有强耦合、不确定性、干扰因素多、非线性等特点,应用自抗扰控制（ADRC）静态解耦和扩张状态观测器（ESO）动态解耦技术,给出一种适用于煤气混合蝶阀串联系统的ADRC解耦设计方案。为提高系统的响应速度,减少计算量,控制系统去掉跟踪微分器（TD）,并且ESO和NF（非线性反馈）采用线性函数的ADRC。仿真结果表明,该控制方案不仅解耦效果优良,而且具有较好的跟踪性能和抗扰动能力。     

混合轴承-转子运动轨迹的RBF神经网络控制

提出了动静压混合滑动轴承支承-转子运动轨迹控制技术和方法,以期用于转子振动控制和非圆截面零件加工。通过调节主动节流器的参数,改变轴承油腔的压力、流量,影响轴承封油面上的压力分布,控制转子按预定轨迹运动。建立了轴承-转子系统的动力学模型,给出了基于最小资源分配（MRAN）和扩展卡尔曼滤波（EKF）的径向基函数（RBF）神经网络自适应控制策略,在线辨识系统参数,以适应其非线性、参数未知特点。计算结果表明,RBF神经网络控制器具有良好的非线性逼近能力;转子不平衡响应或外部同步激励力引起的振动得到了有效抑制,得到了较为精确的转子非圆轨迹跟踪结果。     

电液伺服系统的非线性控制

针对电液伺服系统非线性、参数时变的特点,为提高系统的性能,首先讨论了系统的非线性数学模型,利用逆系统解耦控制方法,将非线性系统转化成伪线性系统,进行线性控制;在此基础上,提出了一种模糊PID自适应非线性控制设计方案,与逆系统控制方法进行了仿真比较;结果表明,采用模糊PID控制,在系统参数变化、外界扰动的影响下,具有较好的自适应性和动态鲁棒性能。     

基于神经网络逆系统的单自由度混合磁轴承控制器设计

在介绍永磁偏置单自由度混合磁轴承的结构和运行机理基础上,导出了磁轴承吸力方程.建立磁轴承控制系统的数学模型并验证了其可逆性,构造出其神经网络α阶逆系统并与原系统复合成α阶伪线性复合系统,采用PID进行闭环综合.数据仿真和试验结果表明,该控制策略能有效改善永磁偏置单自由度磁悬浮轴承的控制效果,所设计的控制系统具有良好的动、静态性能.     

焦化鼓风机系统智能控制策略研究及应用

针对焦化鼓风机系统具有非线性时变、多变量、强耦合及存在随机干扰的特点,通过采用基于最近邻聚类方法的RBF神经网络快速学习算法,实时在线辨识,建立被控对象的精确逆模型并用于控制,实现了将具有强耦合特性的多输入多输出(MIMO)系统解耦成单个独立的伪线性对象,并提出一种基于RBF神经网络逆控制与非线性比例积分微分(PID)控制相结合的智能控制策略,保证了系统稳定的同时改善了控制系统性能.仿真和应用结果证实了该控制策略具有快速适应对象和过程变化的能力及较强的鲁棒性.