一种改进的神经元网络及学习算法

本文提出一种改进的神经网络结构，它由线性网络和多层前向网络两部分组成。线性网络部分的参数采用递推最小二乘法辨识，多层前向网络的权值和阈值采用ＢＰ算法学习。由于线性网络的引入及递推最小二乘法的使用，大大提高了网络的学习速度。此外，该网络结构也为基于神经网络模型控制器的设计的简化提供了条件。     

时滞对象的自适应Smith预估控制方案

针对时滞被控对象提出了一种自适应Ｓｍｉｔｈ预估控制方案，利用变遗忘因子递推最小二乘法进行参数在线辨识以构造Ｓｍｉｔｈ预估器，采用模糊神经网络控制器完成对被控对象的控制。仿真结果证明了这种方法的有效性。     

采用扩展卡尔曼滤波的定子磁链观测研究

直接转矩控制已广泛应用于电动机变频调速。传统直接转矩控制中,定子磁链的观测方法受电动机参数影响较大。根据绕线式异步电动机数学模型及扩展卡尔曼滤波原理,建立了绕线式异步电动机定子磁链观测模型。通过Simulink仿真,结果表明:设计的定子磁链观测器有效提高了直接转矩控制参数的准确性,有利于改善传统调速系统的性能,对于变频调速具有积极意义。     

交流异步电动机非线性自适应调速系统

根据d-q坐标系下的异步电动机控制模型,设计了一个非线性辨识系统,当此系统参数收敛到实际值时,能够实现转速和磁链的线性化解耦。用Matlab 7.0进行仿真的结果证明该控制系统具有良好的稳、动态性能和高鲁棒性。     

永磁同步电动机电流广义预测控制

在对永磁同步电动机传动系统分析的基础上,建立了系统CARIMA(受控自回归积分滑动平均)模型,基于广义预测控制原理,设计了预测PI速度控制器,并采用递推最小二乘法对模型参数进行了辨识。     

递推最小二乘法及概率性质的研究

最小二乘一次完成算法在具体的实际使用过程中,不仅占用的内存量大,还不适合在线辨识。为了减少计算量,减少数据在计算机所占的存储量,采用系统辨识里的递推最小二乘法对一个实例进行公式推导,并进行了仿真和概率性质分析。     

露天矿采剥系统的最优评价和预测控制

应用数据包络分析方法，建立了露天矿采剥系统最优评价模型，应用最优滤波理论，建立了采剥系统最优预测控制模型。并用多元统计分析的主成分分析法，提取采剥系统的主要影响因素；应用递推最小二乘法进行模型的参数辨识。具体应用表明，该方法有效，并可推广到其他采矿系统。     

基于无速度传感器电阻辨识系统的研究

永磁同步电动机对于内、外界扰动表现极为敏感,尤其是电动机电阻大小的变化,为提高电动机系统的鲁棒性,引入自适应法辨识电阻方法。在电动机参数已知的前提下,把定子电阻当作未知参数进行辨识,定子电流和转子磁链作为状态变量,建立电阻辨识的自适应观测器。在相同仿真条件下,对引入电阻辨识和没有引入电阻辨识的直接转矩控制系统进行研究,结果证明所设计的自适应法辨识电阻,能有效提高电动机系统的鲁棒性。     

串联盘式输送机自适应控制系统的研究

针对串联盘式输送机运行过程中的许多不确定因素和参数时变的特点,采用离散控制系统的分析方法和系统辨识原理,对试验样机的输入输出数据进行采样处理,用最小二乘法的一次完成算法进行参数估计,得到系统某一状态的参数模型。仿真结果显示,最小二乘法能够给出系统模型参数的良好估计。     

基于直接转矩控制的异步电动机定子磁链自适应控制系统的仿真研究

基于模型参考自适应控制和直接转矩控制(DTC)原理,提出了一种新型的异步电动机定子磁链自适应观测器。它以定子电流和定子磁链为状态变量,并将其应用于直接转矩控制中,从而实现了异步电动机定子磁链自适应控制的直接转矩控制系统。通过Popov稳定理论的推导,确定了定子电阻自适应律。利用Simulink库元件构建了异步电动机定子磁链自适应控制的直接转矩控制系统仿真模型,仿真结果表明,提出的定子磁链自适应控制的直接转矩控制系统具有转矩响应迅速、转速稳定性较好的特点。该系统便于在线实现,同时对定子电阻变化也有较好的鲁棒性。