参数在线跟踪的交流传动系统双神经网络模型参考自适应控制

该文研究的目的在于将一种具有优越的非线性并行处理特征的神经网络引入自适应控制器的设计中，将其并行收敛特性和便于实行的参数设计原则与模型参考自适应控制模式结合起来，进行具有很高自适应控制要求的交流传动系统控制器设计。该文将Hopfield神经网络引入交流传动系统的模型参考自适应控制，通过神经网络控制器来给出交流传动系统的励磁及速度控制器输出，使控制效果具有对某些参数变化的一定程度的鲁棒性。对于不可控的负载转矩分量，加入参数自动跟踪神经网络，构成上有参数在线跟踪功能的交流传动双神经网络模型参考自适应控制模式，进一步提高了系统的控制性能。结果充分证明了Hopfield神经网络在处理自适应交流传动系统控制问题中的适用特征。     

基于Hopfield神经网络的直流传动系统模型参考自适应控制

本文将Hopfield神经网络引入直流传动系统的模型参考自适应控制,通过神经网络模型参考自适应控制器来给出常规双闭环调速系统的速度控制器外环动态输出,使速度控制具有对某些参数变化的一定程度的鲁棒性     

参数在线跟踪的交流传动系统双神经网络自适应规划控制

本文将Hopfield神经网络引入交流传动系统自适应控制，通过神经网络来规划交流调速系统的速度控制器动态输出，使速度控制具有对某些参数变化的一定程度的鲁棒性，对于不同可控的负载转矩分量，加入作者先前所提出的参数自动跟踪神经网络，构成具有参数在线跟踪功能的交流传动双神经网络自适应规划控制模式，进一步提高了系统的控制性能。     

双神经网络直流传动自适应规划控制

将Ｈｏｐｆｉｅｌｄ神经网络引入直流传动系统的自适应控制中,构成了具有参数在线跟踪功能的双神经网络自适应规范控制模式,仿真结果证明了所提供控制模式的有效性。     

双神经网络交流传动自适应规划控制

将Hopfield神经网络应用于交流传动系统的自适应控制，通过神经网络来规划交流调速系统的速度控制器动态输出；并将Hopfield神经网络控制器代替矢量控制系统中的转速调节器，使速度控制器具有对某些参数变化良好的鲁棒性。对于不可控的负载转矩分量，加入神经网络负载转矩在线跟踪控制器，形成参数自动跟踪神经网络，构成具有参数在线跟踪功能的交流传动双神经网络自适应规划控制模式，进一步提高了系统的性能．仿真结果证明了该控制方案的有效性．     

基于RBF神经网络的超声波电机参数辨识与模型参考自适应控制

超声波电机(USM)是近年发展起来的一种新型微特电机，与传统的电磁驱动型电机的工作原理截然不同。由于USM具有小型轻量、无电磁干扰、响应速度快、低速大转矩、高保持力矩、高功率密度等诸多优点，因而在光学仪器、办公自动化、汽车专用电器、智能机器人、航空航天等领域具有良好的应用前景。但USM的高度非线性、时变性和强耦合增加了它的控制难度。该文提出一种新的USM自适应控制策略。系统采用双闭环控制，内环用来补偿定子环机械谐振频率的漂移；外环利用径向基函数神经网络(RBFt~)控制器调节USM的驱动频率，实现速度的自适应控制。经实验证明，该控制系统具有响应迅速、适应性强等优点，具有较高的控制精度和较好的稳定性。     

基于神经网络的感应电机模型参考自适应速度控制研究

根据感应电机矢量变换控制原理，提出了一种基于人工神经网络速度控制器的感应电机矢量控制系统。为了提高系统的鲁棒性，采用了在线辨识技术，对参数的变化实时补偿。计算机仿真表明，这种基于多个神经网络控制环节组成的感应电机矢量控制系统具有良好的性能。     

无刷直流电动机的神经网络模型参考自适应逆控制

提出了无刷直流电动机的神经网络模型参考自适应逆控制的新方法。在无刷直流电动机的双闭环控制系统中,电流环采用电流分时反馈控制的方式,神经网络的模型参考自适应逆控制控制器代替原来速度环的常规PID控制器。仿真结果表明控制系统具有响应快、无超调、抗干扰能力好以及稳态误差小等优点,其动、静态性能均优于常规PID控制。     

基于模型参考自适应的SPMSM参数在线辨识策略

为了实现表贴式永磁同步电机(SPMSM)参数在线辨识,提出了一种基于α-β域电机模型下的模型参考自适应在线辨识策略。该方法在α-β坐标系下,利用SPMSM的α轴和β轴电压、电流及其偏差,借助Lyapunov稳定性理论建立参数辨识模型,并推导出待辨识参数的自适应率,保证了辨识系统的稳定性和参数的收敛,同时快速有效在线辨识出了定子电阻和电感。仿真结果表明该方法的有效性和快速性。     

基于模型参考的神经网络自适应控制器

在过去30年,线性系统理论为经典控制的发展作出了巨大贡献。文章提供了一种能用于非线性动态系统控制的控制策略,其中的自适应设计可以解决时变系统的控制问题。文章提出的基于参考模型的神经网络结构可以用于线性、非线性系统的自适应控制,并且在线性仿真系统环境对该神经网络控制器进行了测试。     

基于模型参考自适应模糊神经网络的直线永磁同步电动机速度伺服系统

针对直线永磁同步电动机全闭环控制系统易受干扰而降低系统性能指标,甚至造成不稳定等问题,采用模型参考自适应模糊神经网络在线辩识方法,用梯度法实时修正模糊控制器的输入和输出隶属度参数,建立了模型参考自适应模糊神经网络速度伺服系统模型,并给出了模糊神经网络控制器的设计。通过仿真和实验结果证明,这种方法提高了速度检测装置的分辨率和动态响应能力,并且使系统具有很强的鲁棒性。     

Output feedback adaptive fault-tolerant compensation tracking control for linear systems based on the closed-loop reference model

This paper investigates the problem of output feedback adaptive compensation tracking control for linear systems subject to external disturbances and actuator failures including loss of effectiveness faults and bias faults. The impact of actuator faults on the transient performance of systems can be mitigated predicated on the closed-loop reference model with an additional degrees of design freedom. Using the estimation information provided by the adaptive mechanism, an output feedback adaptive fault-tolerant control strategy is developed to track closed-loop reference model systems. It is shown that all the signals of the resulting closed-loop system are bounded. Finally, simulation results are given to demonstrate the effectiveness of the proposed fault-tolerant tracking control method.     

Model reference adaptive sliding mode control using RBF neural network for active power filter

In this paper, a model reference adaptive sliding mode (MRASMC) using a radical basis function (RBF) neural network (NN) is proposed to control the single-phase active power filter (APF). The RBF NN is utilized to approximate the nonlinear function and eliminate the modeling error in the APF system. The model reference adaptive current controller in AC side not only guarantees the globally stability of the APF system but also the compensating current to track the harmonic current accurately. Moreover, a sliding mode voltage controller based on an exponential approach law is designed to improve the tracking performance of DC side voltage. Simulation results demonstrate strong robustness and outstanding compensation performance with the proposed APF control system. In conclusion, MRASMC using RBF NN can improve the adaptability and robustness of the APF system and track the given instructional signal quickly.     

无刷直流电机调速系统间接模型参考自适应控制

对间接模型参考自适应控制在无刷直流电机调速系统中的应用做了深入研究，速度控制器采用间接模型参考自适应控制，控制参数采用基于递推最小二乘法的自适应控制算法，并将间接模型参考自适应控制与常规PI控制进行了比较。结果证明，间接模型参考自适应控制系统有很强的自适应能力和抗负载扰动能力，在系统性能上优于PI控制。     

DC/DC变换器神经网络控制策略的研究

神经网络控制是一种性能卓越的控制策略,神经网络具有出色的知识抽取与学习能力及较强的控制鲁棒性。将神经网络控制策略引入DC/DC变换器,基于BP神经网络,构造了一种DC/DC变换器的新型控制方法。以Buck变换器为例,为其设计了神经网络控制器,对其性能进行了仿真研究,并与传统的PI调节器的性能进行了比较。仿真结果表明,在输入电压或负载有快速波动的情况下,神经网络控制系统比PI调节器具有更好的动态响应特性。     

基于数据驱动的永磁同步电机深度神经网络控制

针对有限集模型预测转矩控制(MPTC)计算负担大导致实时性较差的问题,提出了基于数据驱动的永磁同步电机深度神经网络(DNN)控制方法.通过训练深度神经网络,使其学习并逼近MPTC的电压矢量选择规律,从而取代MPTC进行电压矢量的选择.通过扩充动态数据集,解决因动静态数据失衡引起的系统失控问题.通过更换训练数据集,基于数...