无刷直线电动机变参数智能PI调速系统

在研究现代控制算法和传统PID控制方法并结合工程实践的基础上,提出了将变参数智能PI控制算法应用于无刷直流电动机双闭环控制中的转速环,以克服传统PID控制快速性与稳态性的矛盾,获得响应快、不超调和无稳态误差的控制效果.仿真证明了这种方法的可行性和优越性.     

神经网络模糊控制在无刷直流电机中的研究与实现

文章提出了神经网络(Neural Network)模糊(Fuzzy)控制方法,输入信号先模糊化,然后通过构建的神经网络,并在线调整神经网络的权值,从而得到能随着神经网络权值调整而变化的参数,最后由调整的参数控制系统,使系统的输出具有更好的动静态性能,并提高系统的鲁棒性.仿真和在无刷直流电动机中的实验结果,表明在设计的神经网络模糊控制器下,系统取得了较好的控制效果.     

无刷直流电动机及其在调速系统中的应用

无刷直流电动机采用电子换向装置,克服了一般直流电动机的弱点.实践证明,无刷直流电动机突出的优势是高效节能.介绍了无刷直流电动机的结构;分析了其调速的基本原理;阐述了它在调速系统中的应用;指出了无刷直流电动机的前景.     

基于ADHDP方法的HVDC整流控制器设计

针对传统PI控制器在HVDC系统受到大干扰时难于产生有效控制作用的问题,设计了一种基于执行依赖启发式动态规划(ADHDP)方法的整流控制器,控制器的执行网络和评价网络均采用BP神经网络进行设计,并利用直流线路电流偏差信号在线训练两个网络以优化控制器性能.仿真结果表明,与传统PI控制器相比,所设计的的控制器具有更好的控制效果.     

无刷直流电动机的MATLAB仿真模型

从组成结构、工作原理以及数学模型等方面介绍无刷直流电动机,并根据数学模型,利用两种方案设计了基于MATLAB/SIMULINK的无刷直流电动机仿真模型.通过试验验证了两种方案的可行性,并对两种仿真方案的结果进行比较,得出每个方案的优缺点.     

全数字化直流电机PWM调速实验教学平台设计

直流电机调速实验教学综合平台以C8051F040为主控芯片,进行双闭环可逆直流PWM调速系统全数字化设计。提出一种利用C8051单片机的可编程计数器阵列输出16位PWM波的方法取代数字脉冲触发器。主要设计了电流采样、转速检测、模数转换、脉宽调制信号生成、电机驱动等电路。采用调节器工程设计方法,设计电流和转速调节器的PI参数,通过MATLAB验证和软件编程实现。该系统具有转速、电流和PI参数键盘输入和在线修改功能,电机旋转方向判断,转速、电流及功率模块的温度显示和报警功能。该实验教学平台实际运行可靠,能满足实验教学的要求。     

基于Lab Windows/CVI的无刷直流电动机转速控制仿真系统研究

基于Lab Windows/CVI强大的图像设计与处理功能,设计了电网波动对无刷直流电动机转速控制的影响的仿真系统,并采用扩充临界比例法进行整定的数字PID控制来减小这种影响.实践表明,该系统能有效地仿真电网波动对无刷直流电动机转速控制的影响,并可用于电网参数的计算.     

基于参数辨识的DTP-PMSM无传感器控制

针对双三相永磁同步电动机(DTP-PMSM)在受到外界和电机内部影响时，会出现电气参数变化和传感器精度下降的问题，提出一种带参数辨识的无传感器控制方案。该方案通过MRAS来实现电阻和电感的在线辨识，为了减小谐波的影响，将其推广到静止坐标系中，采用Popov超稳定性理论设计出新的自适应律，并使用BP神经网络来优化自适应律的增益，实现增益的在线调节，提高系统的辨识精度。此外，为进一步提高系统的鲁棒性，提出了一种基于线性扩张状态观测器和滑模控制相结合的改进锁相环，通过Lyapunove函数证明其稳定性。仿真结果表明，提出的方法能够实现对电气参数的准确辨识，提高系统控制性能。     

基于DSP的无位置传感器直流无刷电动机控制系统

无位置传感器的直流无刷电动机控制系统是通过软件算法来得到电动机转子位置信息,可以在改善系统调速性能的情况下降低系统成本。本文详细介绍了一种基于DSP的无位置传感器直流无刷电动机控制系统的硬件电路组成和软件结构。     

基于TMS320F240的永磁无刷直流电动机的起动方法

对基于反电势检测的无位置传感器永磁无刷直流电动机的控制方式及其算法进行了研究,针对传统的预定位起动只适用空载起动的情况,提出了一种利用DSP控制系统实现的新型起动方式,介绍了其原理及实现方法,进行了电机起动检测.试验结果表明,该起动方法具有起动稳定、过程平滑等特点.     

电液振动台自适应Fuzzy-PI控制器的设计

在离心加速度和振动和振动复合环境中,用于结构振动试验的电液伺服系统是一个时变耦合的非稳定性系统。本文考虑了上述因素,提出了自适应Ｆｕｚｚｙ－ＰＩ控制方法,控制参数可由自适应Ｆｕｚｚｙ－ＰＩ构件进行动态调整,采用模糊法则及ＣＲＩ推理确定参数。本文介绍了控制器的设计方法,并给出了正弦振动加载试验的结果。结果表明控制器较高的稳态精度,动态特性好,自适应能力强。     

采用逆神经网络模型的移动机器人速度控制回路研究

针对移动机器人运动轨迹容易受到不确定外界因素干扰的问题,采用逆神经网络模型设计移动机器人控制系统。分别采用逆神经网络控制器和传统PI控制器模型对两轮差动移动机器人运动速度和角速度进行跟踪控制。传统PI控制器模型使用了近似于线性的等效负载驱动器,而逆神经网络控制器使用前馈多层感知神经网络模型,该模型结合了其运动学和动力学的数学模型,在特定工作区域内,对逆神经网络模型进行离散训练。在平面内,对移动机器人的速度跟踪控制进行仿真。结果表明:采用PI控制器模型,移动机器人车轮运动速度和角速度与理论值存在较大误差,而采用逆神经网络模型时误差较小。采用逆神经网络模型设计移动机器人速度控制回路,可以提高移动机器人运动性能,更好地适应外界环境的变化。     

基于CAPSO-RBF的磁悬浮系统控制研究

为解决传统控制器磁悬浮球系统快速性和稳定性易受干扰等问题,建立云自适应粒子群优化(CAPSO)的RBF神经网络监督控制器。通过RBF神经网络学习整定PD控制器的输出后采用云自适应粒子群算法对RBF网络的3个参数进行归一动态优化。采用原有RBF神经网络梯度下降法、粒子群算法、云自适应粒子群算法分别训练后进行对比控制仿真。结果表明：基于CAPSO-RBF的混合控制算法实现了磁悬浮球系统自适应控制,其动态性能和稳态性方面有较好的提升。     

适用于光伏发电系统的神经网络最大功率点跟踪控制器研究

针对基于BP神经网络的光伏最大功率点跟踪(MPPT)控制存在的问题,提出了一种适用于光伏发电系统的改进型神经网络MPPT控制器。首先对太阳能光伏发电系统中的电池工作原理及其等效电路进行了分析。然后采用BP神经网络和模糊控制相结合对来实现光伏MPPT控制。此外,采用自适应参数对模糊控制器进行了改进。最后,基于BOOST转换电路建构建了光伏电池的matlab/simulink仿真模型。实验结果显示:提出的最大功率点跟踪控制器具有较高的准确性和反应速度,且稳定性较好。     

真空退火炉智能变结构控制方法的研究与应用

从工程实际应用的角度出发,针对金属材料真空退火过程中系统的非线性、工艺参数的不确定性和对外部干扰的不灵敏性等特点,结合非线性不确定系统理论研究,采用神经网络建立系统的模型,利用自适应免疫遗传算法(AIGA)对滑模面和控制器的参数及神经网络的权值、阈值进行优化,得出了一种真空退火炉工件温度精确控制的智能变结构控制策略。实验表明,这种方法控制温差在±4℃,优于基于单一模型的模型参考自适应控制或PID策略的控制方式,具有较好的动态特性和耐久性。     

基于改进遗传算法的单神经元自适应PID控制器

针对现有单个神经元的自适应PID控制器和遗传算法存在的不足，提出一种改进的遗传算法，并将其应用于单神经元自适应PID控制器中。该方法采用实数编码，模糊大变异操作，是为了提高收敛速度。仿真结果表明，基于改进遗传算法的单神经元自适应PID控制器不仅具有良好的控制性能，而且算法收敛速度优于现有的自适应控制器。     

神经网络在电液位置伺服系统中的应用

设计了基于BP神经网络的自适应PID控制器，该控制器充分利用了经典PID控制算法简单的特点，又利用了神经网络良好的自适应和抗干扰能力，通过神经网络的学习和对系统的在线辨识，自适应调整PID参数，使控制系统对参数变化表现出良好的鲁棒性和控制性能，并通过仿真证明了所设计系统的合理性。     

电液负载模拟器的自适应最优控制

研究了电液负载模拟器的自适应最优控制问题.将线性二次型最优控制与GCMAC神经网络相结合,提出了一种自适应最优控制策略.该控制策略把最优控制器作为辅助控制器,采用GCMAC神经网络在线学习使闭环系统满足理想性能要求的控制量.Lyapunov稳定性分析证明该控制策略具有渐近稳定性.仿真结果表明系统具有较好的动态性能和较高的载荷谱跟踪精度.     

移动机器人神经网络补偿计算力矩控制

针对存在动力学不确定建模项、建模误差及外界干扰的移动机器人,设计RBF神经网络补偿计算力矩控制算法。基于反步法设计运动学辅助速度控制率。根据动力学理想名义模型,基于计算力矩法设计一般的力矩控制器。在此基础上,建立具有不确定建模项、建模误差及外界干扰的移动机器人动力学模型,基于计算力矩法设计带有RBF神经网络补偿的力矩控制器,神经网络的权值由自适应律给出。最后,利用Lyapunov理论证明了系统的稳定性。仿真结果表明：神经网络对系统不确定项具有良好的逼近性能,相比于一般的计算力矩控制,所提出的神经网络补偿计算力矩控制算法具有更好的跟踪性能,控制系统具有更好的鲁棒性。     

基于软测量的可重构模块机器人分散力/位置控制

在受限空间内,可重构模块机器人末端腕力传感器造价昂贵且易受环境影响,它的使用还提高了机器人在软硬件设计上的复杂程度,针对这一问题,提出了基于软测量的可重构模块机器人分散力/位置控制方法。将可重构模块机器人系统在各个方向上进行模型分解,各方向的模型看作一个子系统,利用自适应RBF神经网络去估计各子系统间的不确定项和耦合关联项。在末端未安装腕力传感器的情况下,利用自适应RBF神经网络去估计末端接触力,并推导出了RBF神经网络的权值、径向基函数中心和宽度的自适应律。2类不同自由度可重构模块机器人的仿真结果验证了所提方法的有效性。