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．     

参数在线跟踪的直流传动双神经网络模型参考自适应控制

针对在“基于Hopfield神经网络的直流传动系统模型参考自适应控制“^[8]一文中指出的所提神经网络控制器在负载转矩未知和变化情况下的缺陷,将作者先前所提出的交流传动系统参数自动跟踪神经网络^[2]引入直流传动系统,构成具有参数在线跟踪功能的直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。     

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。     

基于神经网络直流PWM伺服系统自适应控制

针对直流ＰＷＭ伺服系统提出了一种采用神经网络的自适应控制方案，给出了采用神经网络的学习控制算法的稳定性分析，仿真结果表明采用神经网络控制的直流ＰＷＭ伺服系统具有快速性好，稳态精度高、对干扰和惯量变化有较强的鲁棒性，基结构简单，便于实现数字控制，为研究伺服系统的智能控制提供了一种新途径。     

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。     

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。     

弧焊电源电压电流的自适应神经网络控制

焊接过程是一个复杂、多参数耦合的高度非线性系统,在实际焊接过程中难以实现实时、有效的在线控制.根据焊接工艺要求,设计了弧焊电源输出电压电流波形.在常规PID控制的基础上,运用神经网络控制理论,建立了自适应神经元PID控制器,确定了自适应神经网络PID学习控制器的学习算法.建立了二氧化碳气体保护焊自适应神经元网络控制系统,并通过数字信号处理器TMS320F2407和单片机MSP430F149加以实现.通过常规PID控制与自适应神经元网络控制输出波形的对比,证明了其控制效果优于常规PID控制.     

直流调速系统的智能协调控制

提出一种基于专家系统和神经网络混合的智能直流调速协调控制。仿真和实验结果表明，所提的智能协调控制具有响应快、超调小，抗扰动能力强等优点。     

基于FNN的感应电机伺服驱动适应控制研究

为了提高感应电机伺服驱动系统控制性能,结合传统PID控制策略和模糊神经网络控制的优点,设计了一种在线自适应模糊神经网络控制的交流伺服系统,并且分析了该控制策略的可行性.通过仿真和具体实验分别验证了设计的合理性.结果表明:该控制方法不论对于调节还是设定值跟踪,均具有很好的控制效果,而且对感应电机伺服驱动系统有很好的抗干扰性能和较强的鲁棒性,使交流伺服系统具有较好的动态、静态性能,控制策略切实可行.     

基于RBF神经网络的伺服系统自适应自抗扰控制

针对伺服系统中存在的非线性,提出了一种基于RBF神经网络的自适应自抗扰控制（ADRC）方法,设计了基于RBF神经网络的自适应自抗扰ADRC控制器。通过仿真和实验验证了该方法能有效地克服采用PD控制时系统的超速超回现象和爬行现象,在参数变化时具有较好的稳态性能和较强的鲁棒性。     

直流传动系统的低频振荡及其反振荡解耦控制

在现代调速系统中，直流电机传动系统仍占主导地位，但在此类系统中，程度不同的存在低频振荡问题，这种低频振荡的振荡频率较低（在５０Ｈｚ以下），并且振荡频率随电流和速度是变化的。在实际工程中，这种低频振荡常引起电气设备、机械装置和土木建筑结构的振动，严重的已引起共振。本文从实际工程中出现的提升机振动和井塔振动现象入手，分析了这种振荡的机理和危害，并研究了用于消除这种振荡的反振荡解耦控制法。文中还介绍了此法在井塔消振工程中的应用结果。     

模糊神经网络在坦克电传动控制器中的应用

文章介绍了将模糊神经网络用于电传动系统的速度控制器和模糊神经网络的实现，以及如何利用MATLAB中的神经网络工具箱对模糊神经网络进行训练。以MATLAB／SIMULINK为仿真平台建立了电传动系统仿真模型，经仿真表明该系统的抗干扰能力强，满足电传动系统的设计要求。     

无刷直流电机神经网络内模自适应控制器设计

将H∞优化控制理论用于无刷直流电机速度控制系统,可建立神经网络内模自适应速度控制器,利用神经网络逼近系统的速度控制器和标称模型。离线仿真和实验结果证明,设计的神经网络内模自适应控制系统有很强的自适应能力,当模型参数发生变化时,系统具有很强的鲁棒性,依然可以获得很好的动、静态特性。     

无速度传感器的感应电机神经网络鲁棒自适应控制

针对感应电机定子电阻和负载转矩参数的不确定性,提出了无速度传感器的感应电机神经网络鲁棒自适应控制方案。用反步法设计了一种可以将各状态变量跟踪误差和神经网络各权值限制在规定范围内的神经网络鲁棒自适应控制器,提出了相应的算法,用Lyapunov定理对其稳定性进行了证明。提出了一种可以估算转子磁链和转速的观测器及相应的算法。仿真研究表明,所提出的感应电机无速度传感器控制方案对电机定子电阻、负载转矩的鲁棒性强,动态性能好,速度估算较精确。     

电液伺服系统的神经网络在线自学习自适应控制

针对电流伺服系统的复杂非线性和不确定性特性,提出了一种基于神经网络的在线自学习自适应控制策略,引入的神经网络模型可跟踪学习系统的时为动力学,控制器的设计依赖于系统的先验知识,控制参数的调整是基于被控过程的测量信息利用反馈误差学习算法实现的,该系统已应用大于型电液伺服结构试验机的控制,显示了优良的控制品质。     

多端直流配电网改进主从控制策略研究

多端直流配电网换流站通常采用主导站定电压控制,从站定功率控制。这一控制模式对主站功率调节能力要求高,且主站切换时,系统波动较大。提出根据换流站的调节能力划分为主导站、后备站、从站3类,对后备站根据有功备用容量进行排序,并参与电压调节,提高直流配电网电压调节能力。在此基础上,提出了基于后备站有功备用容量的自适应下垂控制策略,解决主导站退出运行时,多个后备站之间的功率争夺,保证了主导站平稳切换。MATLAB/SIMULINK仿真验证了控制策略的有效性。