基于DSP和神经网络PID控制的交流数字伺服系统

永磁同步电动机有许多直流电机所没有的优点,而DSP的应用使得伺服控制系统无论是在结构复杂程度、成本和效率上都有很大改观。本文提出了永磁同步电动机的速度控制中较为有效的控制方法即神经网络PID和DSP在伺服系统控制中的应用。     

基于模糊神经网络的交流伺服系统

提出了一种基于神经网络的模糊控制交流伺服系统,将神经网络与模糊逻辑结合起来,输入信号先模糊化,然后通过构建的神经网络,在线调整其权值和变化的控制参数,使系统的输出具有更好的动、静态性能,提高了系统的鲁棒性。仿真实验证明了这种基于神经网络模糊控制方法在交流伺服系统中应用的可行性和可靠性。     

遗传模糊神经网络在交流伺服系统中的应用

为了满足交流伺服系统高精度、快响应的要求，提出了基于遗传算法的模糊神经网络控制方案。该方案把神经网络与模糊逻辑控制结合起来，采用遗传算法（GA）对模糊神经网络控制器中的参数进行搜索和优化，给出了设计方法和优化步骤。实验结果表明：该控制方法用于交流伺服系统，具有精度高、无超调、收敛性好以及较强的鲁棒性和抗干扰性等优点。     

基于再励学习的交流调速系统模糊神经网络控制

针对矢量控制交流调速系统,该文提出并设计了一种基于再励学习的模糊神经网络速度控制器。详细介绍了基于遗传算法的神经网络权重在线训练方法,仿真对比了输入空间的划分即模糊子集数量对模糊神经网络控制器的训练及其控制效果的影响。仿真结果表明该速度控制器能通过在线训练方式获得最优参数以适应被控对象的参数变化,能使系统获得优良的动态和静态性能。     

模糊神经网络控制在交流调速系统中的应用

针对交流调速系统中的电机提出用模糊神经网络控制的方法，并进行仿真实验。结果表明，这种控制器具有很强的自学习能力和鲁棒性，使交流调速系统的性能明显提高。     

模糊逻辑神经网络控制在交流调速中的应用

针对交流电机调速系统这种被控对象，利用神经网络实现系统的模糊控制。仿真结果表明，该控制方法具有很强的自学习和抗干扰能力，当突然加、减负载时，神经网络模糊控制与PID控制相比，具有恢复时间短、超调和振荡小等特点。神经网络模糊控制特别适用于结构复杂、干扰大且控制精度要求高的系统。     

基于模糊高斯基函数神经网络控制的交流伺服系统

将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种把高斯基函数作为隶属函数的模糊神经网络,并将之用于交流伺服系统的控制中     

神经网络控制的交流位置伺服系统

本文以交流位置伺服系统为控制对象,针对该系统的复杂性、非线性和不确定性,讨论了神经网络在位置控制中的应用。实验结果表明,在神经网络控制下,该系统具有很高的静态精度和良好的动态跟踪性能。     

交流伺服系统的神经网络控制及其性能改进方法

应用神经网络控制系统和模糊控制器各自优点，设计出高精度快响应交流伺服的位置控制器，并对神经网络算法进行快速运算的改进，对实际模型进行仿真，结果表明采用本文的控制器能逃跑伺服系统高精度快响应的要求。     

模糊神经滑模控制在交流伺服系统中的应用

针对滑模控制器中要求估算不确定参数的变化范围以及系统抖动的问题,提出了一种模糊神经滑模控制器的方案,该系统仿真结果显示其具有较强的鲁棒性     

改进遗传算法及模糊神经网络在交流伺服系统中的应用研究

针对交流伺服系统高精度、快响应的要求,提出了基于改进遗传算法(IGA)优化的模糊神经网络控制方案。把神经网络与模糊逻辑控制结合起来,采用IGA算法对模糊神经网络控制器中的参数进行搜索和优化,给出了具体设计方法和优化步骤。实验结果表明:基于IGA算法的模糊神经网络控制方法用于交流调速系统具有较高的精度以及较强的鲁棒性、抗干扰能力等。     

基于模糊控制的交流伺服系统

将模糊控制器用于交流伺服系统的控制，利用模糊控制不依赖于对象模型和鲁棒性强的优点来克服交流伺服系统中参数漂移、非线性和耦合等因素的影响。实验结果表明基于模糊控制的交流伺服系统具有较快的响应速度、较高的稳态精度和较强的鲁棒性。     

基于模糊神经网络PID算法的液位控制系统研究

在工业生产中,液位控制系统得到了广泛应用,但是对于这种大滞后、非线性的复杂控制系统,传统的PID控制方法存在着参数整定困难,控制效果不理想的缺陷。在对传统的PID算法、模糊控制算法和神经网络算法研究的基础上,提出了一种将模糊神经网络PID算法应用到液位控制系统中去的解决方案,并采用MATLAB对液位对象控制进行仿真实验,同时采用A3000型水箱实验平台对仿真实验结果进行验证。研究结果表明,基于模糊神经网络的PID算法的液位控制系统在调整时间和超调量上都优于传统的PID算法,控制效果和抗干扰能力更强,克服了传统PID算法的不足。     

基于DSP2812的全数字交流伺服系统的实现

以TMS320F2812为主控制器,设计了一种全数字化的交流伺服系统。给出了系统的硬件组成和软件实现方法。并采用了位置环、速度环、电流环的三闭环控制策略和转子磁场定向矢量控制方案,充分利用了DSP的高速运算能力和丰富的片内外资源,对系统进行了加载实验和位置伺服控制实验,实现了交流电机的全数字伺服控制。实验结果表明该系统具有良好的动态和静态特性,可广泛用于电气传动装置中。     

电液位置伺服系统的模糊神经网络控制

针对电液位置伺服系统中的非线性、参数时变性等复杂因素,设计了一种模糊神经网络控制方案。由于常规的模糊神经网络学习算法具有权值调整复杂,收敛速度慢的缺点,因此采用模糊逐级误差逼近方法来调整模糊神经网络的权值。该算法易于实现,网络权值在线学习速度较快,而且计算量小于其他的常规神经网络学习算法。将该方法应用于电液位置伺服控制系统中,在对象参数摄动情况下,进行了仿真研究。仿真结果表明,采用该方法所设计的控制器满足系统对快速性和稳态精确度的要求,系统的鲁棒性增强,验证了方法的有效性。     

无刷直流电机调速系统模糊神经网络控制新方法

在分析无刷直流电机(BLDCM)数学模型的基础上建立控制系统的仿真模型，提出了用基本样条函数实现BLDCM模糊神经网络速度控制器设计的新方法。在dSPACE环境中构建了BLDCM控制系统硬件，进行了基本样条模糊神经网络调速系统的实时控制实验。结果表明，该方法响应快、超调小、鲁棒性强，动、静态特性均优于传统PI控制。     

基于模糊神经网络的风速预测研究

针对风速的不确定性给保障风力可靠性发电带来很大困难的问题,采用模糊神经网络的方法对大型风电场的风速进行预测,利用T-S模糊系统和神经网络的知识构建模糊神经网络预测模型,将风电场风电机组附近的气温、气压、空气湿度和风向等环境参教与风速预测模型的输入,对提前4小时和提前一天的风速进行预测,仿真结果表明该方法具有很高的精度.