基于模糊神经网络PID的永磁同步直线电机控制算法研究

针对永磁同步直线电机(PMLSM)系统模型参数的时变性、非线性以及负载扰动等问题,在建立永磁同步直线电机的动态数学模型的基础上,结合传统PID算法和具有强自适应能力、强抗干扰能力的模糊神经网络智能算法的优点,提出一种基于模糊神经网络PID的永磁同步直线电机控制算法。运动控制系统仿真实验结果表明:系统经模糊神经网络PID控制静态误差为零、干扰影响小,过渡过程时间缩短近50%,相对于传统PID控制和模糊PID控制具有更高的控制精度、更好的动态特性和静态特性。     

基于PSO的WNN-PID自适应控制器在X光机高压电源中的应用

针对X光机应用技术要求,分析了X光机高压电源内部结构,结合小波神经网络控制技术,设计了基于粒子群算法（PSO）的小波神经网络PID（WNN-PID）自适应控制器,并应用于X光机高压电源,通过与其它控制器对比,证明了该控制器具有更好的控制性能。     

基于神经网络的PMLSM建模

永磁直线同步电动机 (PMLSM)是直线电机驱动的垂直运输系统的核心 ,它的模型的建立对于整个系统的控制与运行分析具有重要的意义 .利用BP算法 ,用C语言编制程序 ,实现了一个单输入层单输出层 4隐含层的神经网络 ,并用实验数据对网络学习训练 ,建立了PMLSM的模型 .通过实验验证 ,该模型的输出结果与实际结果十分接近 ,能够反映PMLSM的基本运动特性 ,因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究 ,并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制 ,使控制效果更好 .这种模型的建立将为PMLSM的研究开辟出一条新路     

基于神经网络的PMLSM建模

永磁直线同步电动机(PMLSM)是直线电机驱动的垂直运输系统的核心,它的模型的建立对于整个系统的控制与运行分析具有重要的意义.利用BP算法,用C语言编制程序,实现了一个单输入层单输出层4隐含层的神经网络,并用实验数据对网络学习训练,建立了PMLSM的模型.通过实验验证,该模型的输出结果与实际结果十分接近,能够反映PMLSM的基本运动特性,因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究,并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制,使控制效果更好.这种模型的建立将为PMLSM的研究开辟出一条新路.     

基于小波基神经网络PID的直流电机伺服控制

通过一种新颖的小波基神经网络对未知数学模型的对象进行在线辨识,得到对象的数学模型———Jacob ian信息,并提出了神经网络与模糊控制算法共同在线调整PID参数的方法,从而实现电机位置的准确、快速、实时地跟踪.通过仿真和实验表明:使用该自适应控制方法,能够对位置准确跟踪,基本克服了一般神经网络控制对初始权值的依赖,大大提高了对未知模型的辨识精度,改善了系统的动态响应品质,增强了系统的鲁棒性.     

基于VisSim的直线伺服系统的建模与仿真

为了建立一个性能可靠、使用方便的永磁同步直线电机(Permanent Magnet Linear Synchronous Motor,PMLSM)仿真模型,在分析了PMLSM的数学模型的基础上,基于VisSim/ECD8.0环境建立了PMLSM及其控制系统的仿真模型.系统采用位置、速度、电流三闭环PID控制结构.仿真结果表明,所设计的PMLSM仿真模型稳定可靠,系统跟踪性能优良、鲁棒性能强,同时该模型也适用于设计和验证其他控制算法的合理性,为实现高性能的PMLSM伺服控制系统设计和调试提供了一种新的思路.     

基于PID神经网络的UPFC潮流控制方法研究

建立了UPFC的数学模型,将PID神经网络控制方法应用于UPFC的潮流控制,提出了PID神经网络控制器的设计方案,仿真结果表明,UPFC采用PID神经网络控制方法以后,响应时间更快,对有功功率和无功功率的变化具有很好的追踪能力,鲁棒性良好.     

基于神经网络PID炉温控制系统设计

将 BP 神经网络控制策略引入炉温控制系统,通过神经网络模拟实现 PID 控制器参数在线调整.在电阻炉炉温控制系统模型的基础上,详细介绍了神经网络 PID 控制器的算法,并对经典 PID 参数选取进行了分析.最后将神经网络 PID 与经典 PID 控制效果进行了仿真比较.     

基于ELMAN神经网络的PID控制器设计

提出了一种将PID控制与ELMAN神经网络自适应、自学习相结合,基于计算机的新型神经网络智能PID控制(NNPID)方法.采用PID控制器和NN控制器共同调节,给出了NNPID控制器的结构、算法及二阶对象下系统的仿真结果.     

基于改进神经网络的机器人逆解与轨迹精度提高方法

为了提高工业机器人的逆解精度与运动轨迹精度,提出了一种基于改进神经网络的机器人逆解与轨迹精度提高方法。首先通过改进遗传算法的交叉和变异概率优化BP神经网络来提高机器人的逆解精度;然后采用改进Sigmoid函数的神经网络PID控制方法实现机器人的运动轨迹控制,进而提高机器人的运动轨迹精度。构建了机器人轨迹精度测试实验系统,进行仿真与系统实验研究。仿真结果表明,改进遗传算法优化BP神经网络可有效提高机器人的逆解精度和速度;圆弧与直线轨迹的系统实验结果显示,SR4C型工业机器人运动轨迹精度提升效果均优于60%。该方法可有效提高机器人的运动轨迹精度,满足工业生产、智能制造等领域对机器人运动轨迹精度的需求。     

H型精密运动平台交叉耦合模糊PID同步控制

针对双直线电机驱动的H型精密运动平台由于永磁直线同步电机参数变化和扰动等不确定因素致使两边的运动不同步问题,提出一种交叉耦合模糊PID控制方法.在单轴中采用模糊PID控制作为位置控制器,速度控制器用普通的PI控制,以保证单轴跟踪精度;双轴间引入交叉耦合控制方法,消除双电机之间存在的机械耦合,进而减小了双轴间的位置同步误差.结果表明,将交叉耦合与模糊PID相结合的控制方法能够使H型精密运动平台的同步误差收敛于零,并且使系统具有较好的跟踪性能与鲁棒性.     

基于分数阶PID和重复控制的快速刀具伺服系统

针对永磁直线同步电机(PMLSM)驱动的快速刀具伺服系统在高频输入信号时的系统跟踪精度问题,设计了一种分数阶PID重复控制算法.由于系统的参考信号和干扰信号都具有周期性的特点,通过对系统参考信号的跟踪和扰动的抑制研究,将改进型分数阶PID控制和重复控制相结合,利用重复控制对周期性输入或复杂干扰信号的跟踪和抑制能力来补偿分数阶PID控制器,使系统有快速响应能力的同时具有较强的抗干扰性.仿真结果表明,所提出的控制策略有效地提高了伺服系统的跟踪精度,并对周期性扰动有较好的抑制作用.     

数控机床永磁同步直线伺服系统免疫控制

针对数控机床永磁同步直线电机(PMLSM)伺服进给系统存在的波纹推力扰动、齿槽力扰动、端部效应扰动和其他不确定性扰动的问题,应用免疫反馈系统的免疫性原理在传统PID基础上设计了一种免疫PID控制器.免疫系统在大干扰和不确定性环境中都具有很强的鲁棒性和自适应性,使伺服系统既具有快速响应和设计简单的特点,又结合了免疫控制的抗干扰特性.在M ATLAB环境下对永磁同步直线电机数控机床伺服进给系统进行仿真,结果表明,此种控制方案下的PMLSM伺服系统具有更好的控制精度、较快的响应速度和较小的超调量,抗干扰能力更强.     

基于迭代学习的永磁直线同步电动机扰动抑制

针对永磁直线同步电动机中存在的周期性扰动问题,提出了一种闭环迭代学习控制算法.该算法通过上次迭代时的输入信息和输出跟踪误差的PID校正项来获得本次迭代的控制输入.基于迭代学习控制思想并结合PID控制,设计出应用于直线电动机运动系统的迭代学习控制器.仿真结果表明,与传统的PID控制相比较,所提出的控制方法能够使系统的跟踪效果更好,且保证了在较少迭代次数下,被控系统的输出轨迹能精确地收敛到期望轨迹.     

Grey Prediction Fuzzy Control of the Target Tracking System in a Robot Weapon

Grey modeling can be used to predict the behavioral development of a system and find out the lead control values of the system. By using fuzzy inference, PID parameters can be adjusted on line by the fuzzy controller with PID parameters self-tuning. Acco     

混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器．以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案．仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度．该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案．     

参数自整定模糊PID控制方法及其在漆包机中的应用

漆包机烘炉系统复杂,传统控制方法效果不佳,在常规PID（proportion-integral-derivative）控制器的基础上,利用模糊控制理论结合PID算法实现参数自整定,解决了常规PID参数设定的不确定性.应用齐格勒-尼克尔斯方法确定了PID控制器参数的初值,再运用模糊控制理论实现对PID控制参数的修正,从而得到满足要求的PID控制器参数.在Matlab环境下对设计控制器进行了仿真研究,结果表明,参数自整定模糊PID控制比常规PID更具良好的控制效果.     

永磁直线同步电机的磁阻力分析及其优化

为了最小化由边端效应与齿槽效应引起的永磁直线同步电机（PMLSM）的推力波动，提出了一种数理分析相结合 的优化设计方法.采用半无限单端结构建立永磁直线同步电机边端效应产生的磁阻力分析模型，运用傅立叶级数与数值分 析相结合的方法对磁阻力进行了分析，并进一步提出优化动子长度来降低磁阻力的原理与方法.建立齿槽效应分析模型， 运用有限元数值分析由齿槽效应产生的磁阻力；并建立整体磁阻力的有限元分析模型，探讨了永磁体宽度对整体磁阻力 的影响.结果表明，仿真分析与测试结果基本一致，磁阻力得以大大降低，该方法实现了PMLSM的动子长度、分数槽与永 磁体宽度的优化设计     

永磁直线同步电机矢量控制系统研究

利用永磁直线同步电动机在推力、速度、定位精度、效率等方面比直线感应电动机和直线脉冲电动机等具有更多的优点，从其d-q轴数学模型着手，导出推力与电机参数及电机电流的关系式，得到最佳恒定推力控制策略。该策略将电机的稳定控制引入到最大推力控制中，并根据电机实际位移量的变化，直接控制电机的电流，从而实现对直线永磁同步电机的位置和速度控制。建立了恒定推力输出的矢量系统，通过电机的速度响应实验验证系统的稳定性、可靠性和高精度。最后试验证明其响应速度快，超调量小，定位精度高。     

基于神经网络的LCL型并网逆变器控制策略

针对光伏并网逆变器系统动态响应缓慢、传统PID控制并网电流跟踪效果差的问题,提出BP神经网络结合PID的控制方法.取单相LCL型并网逆变器为研究对象,分析单相LCL型并网逆变器电路结构以及BP神经网络模型,通过采用具有动量更新的反向传播BP学习算法加快误差性能函数收敛,实时快速地输出合适的PID参数,以提高系统响应速度...