无刷直流电机模糊自适应PID控制研究与仿真

针对传统的PID控制方式在对无刷直流电机系统控制时,存在精度低、抗干扰能力弱等不足,提出一种基于参数自适应模糊PID集成控制策略。首先,分析了无刷直流电机的数学模型,建立了基于双闭环调速系统的无刷直流电机控制系统模型,并对无刷直流电机双闭环系统转速进行模糊PID控制;然后,详细分析了建立该模糊自适应PID控制器的设计方法,提出一种优化模糊算子的优化方法,并运用仿真软件Matlab/Simulink实现了系统的设计和仿真;最后,在相同环境下,对比传统PID控制和模糊自适应PID集成控制两种控制策略的仿真结果。仿真结果表明,模糊自适应PID集成控制算法能使无刷直流电机双闭环控制系统具有更好的动、静态性能及较强的自适应能力。     

基于BP神经网络PID控制的BLDCM调速系统

在分析无刷直流电机(BLDCM)数学模型的基础上,采用改进型BP神经网络与传统PID相结合作为速度控制器,应用于无刷直流电机调速系统中。在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制。仿真研究表明,应用这种新型控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度。     

无刷直流电机模糊PID控制系统研究与仿真

针对传统PID控制方法在对无刷直流电动机进行控制时精度低、抗干扰能力差等缺点,提出了一种参数自适应模糊PID控制方法。首先建立了无刷直流电机的动态数学模型,并对其转速进行模糊PID控制。介绍了模糊PID控制器的设计方法,应用MATLAB实现了系统设计和仿真。最后对PID控制和模糊PID控制的仿真结果进行对比分析,结果表明:模糊PID控制方法使无刷直流电机控制系统具有更好的动、静态性能和抗干扰能力。     

直流无刷电机控制器设计与仿真

关于无刷电机性能优化问题。无刷直流电机工作过程中电气参数具有非线性、时变性的特性,造成实时性差,由于传统的PID控制器的参数不能在线调整,在对其进行控制时存在鲁棒性差、精度低等缺点。为解决上述问题,提出将模糊自适应PID控制器应用于无刷直流电机的控制中,根据系统的转速偏差e和偏差变化率ec,经过模糊逻辑推理,动态自适应调整PID控制器的三个参数。在分析电机模型的基础上,借助在Matlab仿真平台设计了无刷直流电机模糊自适应PID控制器的仿真模型。结果表明:较之传统的PID控制器,模糊自适应PID控制器响应速度快、鲁棒性强、无超调、精度高,达到了较好的控制效果。     

无刷直流电机的新型控制器

自抗扰控制(ADRC)是在继承经典PID不依赖于对象模型的基础上,通过改进经典PID固有缺陷而形成的新型控制技术.为满足无刷直流电机控制系统性能要求,在分析永磁无刷直流电机特点及使用现状的基础上,建立了基于自抗扰控制器的无刷直流电机控制系统.仿真结果表明,自抗扰控制器对无刷直流电机模型的不确定性和外部扰动变化具有较强的适应性和鲁棒性,算法简单、工程适用性较强,系统具有良好的动态响应性能.     

开关模糊神经PID控制的无刷直流电机仿真

无刷直流电机是一种时变性的、非线性的以及强耦合性的系统.对于控制精度要求高的场合,传统的PID控制难以满足对无刷直流电机控制的性能要求.模糊PID控制器虽然具有一定的自适应性,但是模糊规则主要靠经验制定具有一定局限性.为解决上述问题,研究了基于双闭环的开关模糊神经PID控制的无刷直流电机,该方法综合了模糊、神经网络和PID的优点,具有适应能力强,控制精度高,专家知识利用较好等.仿真结果表明模糊神经PID控制相对于模糊PID具有转速响应快、超调量小、抗干扰能力强等优点.     

直流电机调速系统仿真研究

研究无刷直流电机神经网络的PID控制.针对传统的双闭环PID控制器对控制参数难以适应,抗干扰能力差,对无刷直流电机进行控制时速度较慢、稳定性较差的缺点,为解决上述问题,提出了一种改进的BP网络PID控制的直流电机调速系统.首先确定改进的BP网络的结构,计算BP网络各层输入和输出,再选择增量式数字PID控制算法,计算控制器的输出,对PID控制参数进行自适应修改从而对直流电机进行调速.仿真结果表明,在提高调速系统的稳定性、响应速度、参数适应性和鲁棒性,同时根据对象输出的变化实时调整参数,改善了系统控制存在的稳态精度不高的问题.     

无刷直流电机智能控制系统的研究

基于对无刷直流(BLDC)电机的工作和控制原理的分析,提出了无刷直流电机的双闭环自适应模糊PID控制方案.采用模糊控制逻辑实现PID控制器参数的在线自整定,详细说明了自适应模糊PID控制器的设计方法.算法简单有效,易于实现无刷直流电机交流伺服系统的全数字化.用Matlab/Simulink对系统进行了仿真,仿真结果显示系统具有良好的静动态性能和较快的响应速度.     

无刷直流电机模糊控制系统的仿真及其在DSP中的实现

本文采用模糊控制系统分别在MATLAB与DSP中实现了对永磁无刷直流电机双闭环系统的调速。文中首先建立了永磁无刷直流电机的数学模型,然后利用MATLAB中的Fuzzy Toolbox和SIMULINK实现了对无刷直流电机调速系统的仿真设计,将模糊控制器和PID控制器通过自适应因子结合,在线自调整控制参数,提高了系统的控制精度。最后在基于DSP的控制器中运用本文提出的编程方法实现了上述控制思想。实验验证了调速系统模型的准确性与编程方法的可行性,并且系统具有良好的动态性能。     

飞艇隔振云台电机控制器设计与实现

飞艇隔振云台的主要执行机构是三相无刷直流电机,电机控制的精度决定了隔振云台系统的隔振效果。传统的云台电机控制器设计方法是根据控制规律通过反复试凑,得到PID控制器参数,这种方法费时费力,需要一定的调参经验。针对云台调参问题,对无刷直流电机进行了理论分析与模型建立,并提供一种与传统方法不同的利用特定工具和技术手段获取模型参数的方法,通过Matlab中rltool根轨迹零极点配置工具设计出合理的控制器,使得电机具有良好的动态响应和稳态响应。并且在此基础之上将控制器实际运用到云台平台上,实验取得良好的控制效果,为隔振云台中三相无刷直流电机控制器设计与调参方案提供参考。     

基于ISSA-Fuzzy-PID算法的无刷直流电机调速控制系统

为了使无刷直流电机(BLDCM)从复杂多变的非线性关系中找出最佳PID参数,提出了一种基于改进麻雀算法(ISSA)优化模糊(fuzzy)控制的调速系统。根据BLDCM工作原理及控制方法在MATLAB平台上搭建仿真模型并加入反向学习策略初始化麻雀种群,形成非线性时变控制系统,并将该优化系统与传统PID以及模糊PID(fuzzy-PID)控制系统进行对比分析。仿真结果表明,基于ISSA-Fuzzy-PID的调速控制系统有较快的动态响应,有效增强了BLDCM转速控制的精度和鲁棒性。     

自适应人工神经网络电机控制器设计

提出了一种自适应人工神经网络无刷直流电动机(BLDCM)转速控制器设计方法;针对传统PID调节器难以应对系统超调和短时振荡等问题,提出了一种结合人工神经网络和传统PID控制的新方法;首先建立了(BLDCM)的本体数学模型,在此基础上描述了将人工神经网络和PID控制相结合的模型,并对具体的控制算法进行了定义;最后,使用Matlab仿真工具对BLDCM控制实例进行了仿真;实验结果表明,结合人工神经网络和PID控制器的新控制方法具有响应快、鲁棒性强以及控制精度高等优点,很好地抑制了超调和振荡。     

一种新型无刷直流电机伺服系统的设计

介绍了一种基于DSP和CPLD的无刷直流电机(BLDCM)数字化控制系统的设计,利用DSP的高速运算能力和CPLD强大的逻辑功能实现了系统的实时控制并且使得系统外围电路得到了简化。根据无刷直流电机的运行特性采用了PID和自适应模糊PID相结合的控制策略。系统仿真表明,该系统具有很好的动态特性和静态特性。     

基于改进型PI趋近律的无刷直流电机滑模控制

针对无刷直流电机模型参数时变的特性,为解决传统PID控制易受模型参数变化影响的弊端与传统滑模控制(SMC)的抖振问题,将分数阶PI与变速趋近律结合,提出了一种改进型PI趋近律的无刷直流电机滑模控制算法。该算法通过对趋近律的改进,既避免了模型参数变化的影响,又减小了系统输出的抖振。仿真与实验结果表明,与传统滑模控制、传统PI控制相比,具有响应快、鲁棒性强、超调小、抖振小等优点,是一种更优的控制方法。     

无刷直流电机的模糊神经网络控制设计

在无刷直流电机(BLDCM)的控制上,传统PID等控制方法存在或多或少的不足.在模糊PID控制的基础上提出了一种模糊神经网络PI控制器的设计方法.该方法结合了模糊逻辑与神经网络,使得模糊控制器模拟了人的控制功能,不仅对环境变化有较强的适应能力,还拥有自学习能力.相比模糊PID控制,其具有计算量小、稳定性强等特点.对BLDCM进行建模与分析;在BLDCM数学模型的基础上,分别设计模糊PID控制器和模糊神经网络PI控制器;对设计的控制器进行仿真验证并分析.实验结果表明,模糊神经网络PI控制具有跟踪性能好、超调小、响应快、脉动小等优点,其动静态特性均优于模糊PID控制.     

高空螺旋桨驱动电机控制系统的仿真研究

螺旋桨的负载特性不仅与飞行器的飞行高度相关,还与其驱动电机的转速呈现非线性关系,若驱动电机采用传统的PID控制方法,较难取得理想的控制效果.为了解决这一问题,在分析了驱动电机的数学模型和螺旋桨负载特性的基础上,设计了一种模糊自适应PID控制方法.并在Matlab/Simulink中建立了控制系统的仿真模型,进行了仿真实验.实验结果表明,模糊自适应PID控制方法动静态品质良好、鲁棒性强,控制效果明显优于传统的PID控制器.     

基于新型趋近率的无刷直流电机滑模变结构控制

为提高无刷直流电机控制系统的快速跟踪性能,提出了一种新的滑模变结构速度控制策略.为了有限抑制系统在滑模切换面上的抖振,提高系统鲁棒性,在建立无刷直流电动机数学模型的基础上,提出了一种新型指数趋近率的变结构控制策略,使切换函数快速进入滑模面,有效地提高了系统的性能.仿真实验结果表明,相比传统的PI控制,该系统在快速性、稳定性、准确性方面有显著提高,对参数扰动具有较强的鲁棒性.     

一种改进的双转式永磁无刷直流电动机PSO优化控制方法

研究了使用改进的PSO(Particle swarm optimization,粒子群优化)算法与PID控制器相结合实现对双转式永磁无刷直流电动机(PMBLDCM)进行控制的方法;针对传统PID调节器控制精度不高和鲁棒性差的缺点,提出了一种结合PSO优化算法和传统PID控制的新控制器;首先建立PMBLDCM的动力学模型,通过引入改进的PSO优化算法,提出了一种使用PSO优化PID控制器参数的模型,并定义了使用PSO优化PID控制器3个比例参数的具体算法;最后,使用Matlab/Simulink对PMBLDCM控制实例进行了仿真;空载和负载两种情况下的仿真结果表明:新的控制方法克服了PID控制器的不足,具有控制精度高、响应速度快、速度跟随准确等优点。     

基于RBF网络自整定PID控制的应用研究

经典PID的控制参数难以精确整定，且依赖于对象的数学模型，故自适应性较差，很难适应具有非线性、时变不确定性的被控对象，控制精度难以保证。该文对纯滞后工业对象提出了一种基于RBF神经网络PID参数自整定的控制方法，采用将RLS算法和梯度法相融合的新型学习算法，并将这种控制方法与PID控制器相结合应用于纯滞后工业对象中，克服了不确定性对控制对象性能的不利影响，解决了传统PID控制鲁棒性差，及需要预先知道受控对象精确数学模型的问题。仿真结果表明了该方法的鲁棒性和跟踪性能均优于传统PID控制方法。