开关磁阻电机的离散滑模变结构控制

开关磁阻电机存在较大的转矩脉动,为了更好地抑制开关磁阻电机转矩脉动,采用离散滑模变结构控制方法,建立了该方法的数学模型,设计了离散滑模变结构控制器,对电机的转矩和转速进行了仿真。仿真结果表明,离散滑模变结构控制技术能有效地降低开关磁阻电机的转矩脉动,并且可以提高系统的响应速度。     

开关磁阻电机的滑模变结构控制研究

基于开关磁阻电机存在转矩脉动且电机数学模型不精确问题,利用滑模变结构控制的快速性和完全自适应性,设计了一种滑模变结构控制的开关磁阻电机驱动系统,通过仿真实验证明,这种系统可有效降低转矩脉动.     

滑模变结构控制在直流直线电机中的应用研究

针对直流直线电机定位问题,推导了直流直线电机的数学模型,建立了直流直线电机定位控制系统,并将滑模变结构控制应用于直流直线电机的控制中,在此基础上对其进行仿真并加以分析．从MATLAB仿真曲线上,可以很清楚地看到使用滑动模态的控制器具有响应速度快的优点．     

神经网络-标称系统混合模型的离散变结构控制

提出将神经网络和标称系统混合建模方法引入到柔性结构主动控制当中，在混合模型的基础上，利用离散变结构控制（VSC）对柔性结构振动进行控制．离散变结构控制的滑模面是以标称系统为基础，由最优化二次型价值函数确定，并通过黎卡提方程求解．利用标称模型和神经网络混合建模方法来减小系统的不确定性，达到减弱变结构控制在实际控制系统中的抖动问题．神经网络采用多层前馈网络（MFNN），来对不确定部分进行建模．仿真结果表明系统振动受到了有效的控制，说明提出的神经网络变结构控制（NNVSC）方法非常有效。     

一种变结构神经网络控制器的设计方法

把变结构控制与人工神经网络有机地结合起来，从而形成一种新型的变结构神经网络控制器，对消除和减小变结构控制的抖动有着一定的指导作用。     

SRD新型控制策略研究

叙述了SRD控制技术的研究现状,并对其发展方向进行了展望．着重介绍了河北工业大学SRD课题组在消除SRD的转矩脉动以及提高SRD性能方面的几种新型控制策略的研究概况,主要包括SRD的微步控制,SRD的直接转矩控制和基于模糊逻辑的关断角θoff的优化控制．     

SRC的一种神经网络自适应控制

在开关磁阻可逆变器原有常规控制反馈方案的基础上,利用神经网络管理非线性系统的能力,建立了ＳＲＣ的神经网络模型参考自适应控制,替代了原有的常规反馈控制。仿真实践证明：此控制方案的控制效果优于原控制方案,并使系统具有自适应性。     

滑模变结构控制在三相逆变器中的应用

将负载、滤波器和开关阵一起考虑，建立了三相逆变器的数学模型．依此模型设计了滑模变结构控制器．利用该控制器可以产生优化PWM以满足预期闭环动态性能．仿真结果表明，应用滑模变结构理论控制三相逆变器不仅容易设计和实现，而且具有较好的鲁棒性和动态性能．     

基于神经网络滑模变结构的BLDC伺服控制系统

针对离散时间系统,分析了趋近律中参数对系统到达稳定状态时间的影响,提出了用递归神经网络方法自适应调整参数的控制策略;并将研究结果用于无刷直流电机(BLDC)位置伺服系统变结构控制器的设计。仿真试验结果表明,该控制器可以使伺服系统具有良好的跟踪能力和很强的鲁棒性。     

基于神经网络滑模变结构的BLDC伺服控制系统

针对离散时间系统,分析了趋近律中参数对系统到达稳定状态时间的影响,提出了用递归神经网络方法自适应调整参数的控制策略;并将研究结果用于无刷直流电机（BLDC）位置伺服系统变结构控制器的设计。仿真试验结果表明,该控制器可以使伺服系统具有良好的跟踪能力和很强的鲁棒性。     

基于RBF神经网络的拟滑模控制

将一种拟滑模控制算法与径向基函数神经网络相结合,利用神经网络的网络权值具有自适应学习的能力,使拟滑模控制器的相关参数具有自适应性,从而优化控制信号,削弱系统抖振. 并给出了具体的设计方案,仿真结果表明,所给出方案是有效、可行的.     

80C196KC的开关磁阻电动机控制系统

采用Intel公司生产的80C196KC单片机作为开关磁阻电动机调速控制系统控制器的主控制单元,针对不同运行状态提出了三种控制方案,即起动斩波、斩波运行、单脉冲运行,并实现了三种运行状态的平稳过渡。在起动斩波状态采用两相同时斩波的方法,保证了电机无起动死区和大的起动转矩。在电流开环情况下,完全由软件实现电机的低速斩波运行。     

变结构自适应控制系统研究

为了改善控制系统瞬态性能,本文从系统稳定性原则出发,提出了多模系统的变结构自适应控制策略,这种控制方法比变结构控制或自适应控制都优越,具有两者的优点.一方面可以适应参数变化,另一方面又可以调节系统的瞬态性能,使系统具有强鲁棒性.     

开关磁阻电机驱动系统的混合遗传神经网络辨识

针对开关磁阻电机驱动系统具有非线性且结构参数变化范围较大的特点,提出了将混合遗传算法和神经网络相结合实现对开关磁阻电机驱动系统辨识的新方法。该方法结合混合遗传算法与神经网络各自的优点,克服了传统BP神经网络收敛速度较慢以及易于收敛到局部极小点等缺点。仿真试验表明,采用该方法能较迅速、准确地逼近实际系统,具有效性。