磁悬浮开关磁阻电机直接逆/修正逆全域解耦控制

针对磁悬浮开关磁阻电机模型强耦合、非线性和不完全可逆问题,论文研究了一种基于直接逆/修正逆的磁悬浮开关磁阻电机全域解耦控制方法。该方法通过对电机模型的可逆性分析,将工作区域划分为可逆域和不可逆域;然后在可逆域构造直接逆模型,而在不可逆域则通过选取和修正反馈变量,构造出满足可逆条件的修正逆模型,进而将直接逆和修正逆模型串联与磁悬浮开关磁阻电机之前,将其解耦成2个位移子系统和1个速度子系统。在此基础上,对解耦后的位移、速度子系统进行闭环综合,以提高系统的控制性能。最后,通过试验对所提算法在可逆域和不可逆域的可行性进行了验证,结果表明所提算法可以实现电机全域内的高性能解耦控制,且控制系统具有较好的悬浮、调速性能。     

面向阻尼控制的交直流混合系统线性状态空间模型辨识

为将确定性和随机混合系统与实现方法推广应用于包含多回直流的交直流混合系统,并实现自动化的状态空间模型辨识,基于奇异熵和Tanh-Sigmoid饱和函数,提出了一种抗噪能力强、适合密集模态系统的阶次判定方法.在确定阶次的基础上,再根据过去时域、未来时域与阶次关系确定小范围的输入参数测试数据集,并通过比较由各参数获得的辨识...     

基于模糊调整的神经网络逆模型控制

研究了神经网络的逆模型辨识及其直接逆模型控制,提出了一种基于模糊调整的神经网络逆模型控制方法。采用神经网络建立非线性被控对象的动态逆模型,并用模糊集理论对控制器增益和积分增益进行动态调整。仿真实验结果表明该方法应用于纸浆浓度控制系统中具有良好的控制品质,较强的鲁棒性、适应性和抗扰能力。     

基于CMAC神经网络的永磁同步电机控制方法研究

将一种基于CMAC神经网络的PID控制器引入到永磁同步电动机交流调速系统中,取代传统的PMSM双环控制系统中的转速外环PI控制器。实验结果表明,运用该控制方法的系统响应快、超调小、鲁棒性好,较常规PI控制具有更好的动、静态性能。     

模糊CMAC及其在交流伺服控制中的应用

详细地阐述了小脑模型关节控制器 (CMAC)的工作原理 ,将模糊理论引入CMAC ,提出了一种模糊小脑关节控制器 (FCMAC) ,反映了人脑认知的模糊性和连续性 ,并将所提FCMAC用于交流伺服系统的控制。仿真实验结果表明 ,所提FCMAC控制方法与CMAC相比 ,性能有了很大的改善。     

高精度伺服系统的CMAC学习控制研究

根据神经网络的特点，提出了基于CMAC网络的伺服系统在线学习控制方案，并给出了其再励学习算法。该方法无需离线训练，经在线学习得到系统的逆动态特性，并据此实时修改控制参数。引入鲁棒控制项，增强了学习算法的鲁棒性。在某单轴速率／位置转台上的应用结果表明，该方法可有效地改善伺服系统的跟踪精度和抗扰性能。     

基于逆系统方法的三相PWM整流器直接功率控制

针对现有的三相PWM整流器直接功率控制系统存在的功率失调、对负载变化敏感的问题,在PWM整流器直接功率控制系统模型的基础上,采用逆系统方法,推导出三相整流器直接功率控制系统的逆系统模型,构造出伪线性系统,实现了对整流器直接功率控制系统有功功率和无功功率的解耦.使用滑模变结构控制理论对该伪线性系统进行综合,设计出滑模变结构控制器.通过计算机仿真对所提出的方法进行了验证.仿真结果表明所提出的控制策略具有较好的动态性能和稳态性能,对负载的适应能力强.     

直接转矩控制中的模型切换

定子磁链观测的准确性在直接转矩控制中十分关键，本文分析了几种磁链观测模型的优缺点，针对目前常用的单片机计算速度较慢的情况提出了一种简单实用的磁链模型切换方法，最后通过仿真和实验验证了其可行性。     

PV-FC-BS混合系统全状态模型预测能量管理优化策略

光伏-燃料电池-蓄电池(Photovoltaic-Fuel Cell-Battery System, PV-FC-BS)混合系统因能有效解决光伏输出功率间歇性、波动性问题而得到广泛关注,克服各构成单元利用局限性同时实现各单元间的能量高效管理成为PV-FC-BS应用推广的关键。针对传统能量管理策略分别在BS开、关模式下建立不同预测模型,工作模式转换使系统在预测模型切换过程中稳定性难以保证的问题,提出新型BS充放电约束条件,构建全状态多输入多输出动态功率交换预测模型。通过将能量管理问题转化为控制优化问题,减小算法复杂度且避免模式切换影响,设计动态预测模型滚动寻优方法,实现PV-FC-BS混合系统能量最优分配。同时考虑BS使用寿命和充放电效率,提出BS参数自适应估计算法,提高能量调度准确性。在Matlab环境下对PV-FC-BS混合系统全状态模型预测能量管理优化策略进行仿真验证,结果表明:所提出的策略优化计算量小,能量分配准确,不同应用情形适应性强。     

解析逆Preisach磁滞模型

如何在保证模拟精度的基础上,提升逆磁滞模型的计算速度一直以来是国际电磁场领域研究的热点问题。然而,现有所提逆磁滞模型难以兼顾精度与速度的双重要求。解析形式的逆磁滞模型具有较快的求解速度,如何提出高精度的此类模型是解决上述问题的关键所在。为此,该文利用课题组所提基于解析Everett函数推导而得的解析正Preisach磁滞模型,分别推导了初始磁化曲线、磁滞回线下降支与上升支的磁导率的解析表达式,继而利用差分法,推导得到了目前唯一一个解析的逆Preisach磁滞模型。通过对比仿真与实验结果,验证了所提解析逆Preisach磁滞模型的模拟精度,并在模拟精度与计算速度两方面将其与广泛应用的逆J-A磁滞模型进行对比,发现它的平均相对误差比逆J-A磁滞模型小10%以上,且其计算速度约为逆J-A磁滞模型的2.67倍。     

基于神经网络重构模型的直接转矩控制系统

直接转矩控制是继矢量控制变频技术后发展起来的一种新型具有高性能的交流变频调速技术.针对基于直接转矩控制的异步电机低速时存在较大的脉动问题,提出了用神经网络重构直接转矩控制系统的定子磁链观测器模型和开关状态选择模型,并用单个神经网络训练的方法来处理直接转矩控制的复杂运算.实验结果表明,用该方案构成的系统具有良好的动态性能,并能有效地改善直接转矩控制系统的低速性能.     

基于神经网络速度辨识的直接转矩控制系统

介绍了一种采用电压空间矢量脉宽调制(Space Vector PWM,简称SVPWM)的新型直接转矩控制(Direct Torque Control,简称DTC)系统.针对DTC系统存在的低速时转矩脉动问题,将电压空间矢量与DTC技术相结合,用PI调节的方法取代了传统DTC系统中采用的滞环控制,提出了一种基于SVPWM的DTC方法.在SVPWM-DTC系统中采用了神经网络速度辨识器,通过神经网络对电机的定、转子磁链和转速进行在线辨识.实验结果表明,这种新型DTC系统有着良好的动、静态性能和全速范围的调速精度.     

基于模糊聚类和关节控制器神经网络的边际电价预测

应用基于模糊聚类和关节控制器神经网络的边际电价预测方法,精确预测边际电价,并有效克服BP等算法中负荷峰谷时段出现的预测误差大、结果不稳定的现象.通过计算实例进行边际电价预测,预测结果表明:方法输出稳定性好、计算速度快、预测精度较高.     

基于多模型和小脑模型关节控制器神经网络的移动机器人故障诊断

提出了一种基于多模型估计方法的神经网络故障诊断技术.该技术根据轮式移动机器人的故障模型,通过一组卡尔曼滤波器生成不同的残差,每一个卡尔曼滤波器对应一种故障类型;对所得的残差进行简单处理,将其作为小脑模型关节控制器(CMAC)神经网络的输入,利用CMAC神经网络的分类逼近能力,建立输入组到输出组(故障类型)的精确映射,最终实现故障诊断任务.仿真实验证明了该故障诊断技术在轮式移动机器人故障诊断上的实用性.     

基于遗传算法的FUZZY+CMAC优化设计

针对模糊控制器甲的参数与CMAC权值的调整及学习很困难的问题,采用改进的遗传算法对模糊控制器和CMAC神经网络的比例因子和连接权值进行寻优,把模糊控制、CMAC和遗传算法的优点结合起来,设计了基于改进遗传算法的FUZZY＋CMAC控制系统,给出了系统的整体结构和各部分的控制设计。仿真结果表明,该控制系统具有超调量小和实时性强的特点。     

直接转矩控制系统的神经网络控制

在研究异步电机直接转矩控制的基础上 ,提出了基于神经网络的控制方法 ,并比较了几种不同的学习算法。仿真结果证明 ,该方法和传统方法基本一致 ,具有较好的性能。它为研究新型交流传动的控制提供一条较好的途径。     

基于多标量模型的感应电机神经网络逆控制

感应电机多标量模型具有状态变量是标量且物理意义明确和不需旋转坐标变换等优点;神经网络逆系统适合解决不确定性因素(参数变化和外在扰动等)存在的情况下,感应电机高性能的控制问题.为此,提出基于多标量模型的感应电机神经网络逆控制结构,实现感应电机系统的自适应解耦线性化,进而提高系统控制性能.最后对系统进行了仿真研究和软硬件实现方案讨论,理论分析和仿真表明所提控制结构是有效的.     

两电机调速系统的神经网络逆在线调整控制

针对MIMO非线性强耦合的两电机变频调速系统,在基于神经网络逆系统离线训练的基础上提出了在线调整的策略,通过静态神经网络加积分器来构造两电机变频调速系统的逆模型,在实际运行中不断地修正神经网络权值,更精确地逼近其逆系统,实现MIMO系统的线性化与解耦.仿真和实验结果表明,系统具有优良的动静态解耦性能和较强的抗负载扰动的能力.     

基于CMAC的三关节机器人视觉伺服系统研究

根据小脑模型关节控制器（CMAC）收敛速度快,适于实时控制系统的特点,设计了一种CMAC学习控制方法。在该方法中,CMAC被用作前馈控制器对常规反馈控制器进行补偿。实验证明了所设计控制系统的有效性。