基于SMO的无位置传感器BLDCM调速系统

介绍了基于滑模观测器(Sliding Mode Observer滑模观测器,简称SMO)的无位置传感器无刷直流电机调速系统原理.在无刷直流电机数学模型的基础上建立滑模观测器来估计转子的位置和转速,代替位置传感器实现电机的双闭环调速.该方法克服了传统的基于电机模型的位置传感器抗干扰能力差,精度要求高的缺点.观测器的稳定性不受电机参数变化及负载扰动的影响,具有较强的鲁棒性.在Matlab/Simulink进行的仿真与实验结果验证了该方法理论分析的正确性与实现的可行性.     

弱滑模观测器在无刷直流电机中的仿真研究

深入讨论了基于幂次趋近率方法的滑模观测器,并对一系列切换函数进行对比研究,总结出弱滑模观测器的规律.通过软硬件方式间接获得可靠的转子位置信号是无位置传感器无刷直流电机矢量控制的基础.在状态观测器设计法中,基于幂次趋近率方法的滑模观测器对电机启动时的反电动势信号具有跟踪速度快、观测精度高等特点,且算法结构简单,便于实现.仿真结果表明该方法在电机启动时反电动势信号微弱的情况下可以准确地估算反电动势信号,快速跟踪实际信号,并证明了该方法的正确性与有效性.     

基于滑模观测器的永磁同步电机无位置传感器控制的研究

简要论述滑模观测器的理论基础,根据PMSM的数学模型,建立基于滑模观测器的PMSM无传感器控制的系统模型。根据滑模观测器原理,通过电机的定子电压和相电流估算出电机的转角和转速。利用MATU姬工具建立无位置传感器的永磁同步电动机调速系统的仿真平台,仿真实验检验滑模观测器法的有效性。在采用DSP2812的伺服控制平台上,验证滑模观测器法的正确性和可行性。实验结果表明滑模观测器法具有良好的动静态性能。     

无刷直流电机调速系统神经网络自适应滑模变结构控制

为了提高无刷直流电机调速驱动系统的性能,提出神经网络自适应滑模变结构控制策略。推导无刷直流电机端电压与转速之间的微分方程,运用滑模变结构控制理论,通过调节端电压来实现转速控制;为了有效抑制系统在滑模切换面上的抖振采用自适应算法调整滑模增益的大小;从实际应用的角度出发,利用神经网络对非线性函数的任意精度拟合性,设计径向基函数神经网络估计器对控制量中广义扰动进行动态估计。仿真和实验结果表明采用本文提出的方法控制无刷直流电机,超调量小,速度响应快,控制精度高,且系统对各种干扰和参数摄振具有较强的鲁棒性,动、静态性能均优于PID控制。     

基于无速度传感器的PMSM反步终端滑模控制

研究一种带无速度传感器的永磁同步电机PMSM(permanent magnet synchronous motor)反步终端滑模控制策略。为了解决硬传感器可靠性差的问题,设计新型无速度传感器取代硬传感器,能够有效地估计电机的实时转速,提高系统的稳定性。分析反步控制与终端滑模控制的特点,研究一种基于终端滑模负载观测器的反步控制方法,有效地提高系统的的响应速度,增强系统的鲁棒性。并利用李雅普诺夫理论证明系统的稳定性。仿真及实验表明系统具有良好动态性能。     

基于RBF神经网络-滑模观测器的PMSM无传感器矢量控制

为了解决传统滑模观测器方法应用在永磁同步电机无传感器矢量控制时所产生的抖振问题,使用RBF神经网络动态调节观测器的切换增益,即使其输入为传统滑模估计方案中的电流估计误差,输出为滑模增益;同时为了简化系统结构、提高方案可行性,将RBF神经网络设计为单输入单输出的结构,并将网络的学习和工作过程融合,使其在自身网络参数的不断优化中实时输出滑模增益,以增强系统鲁棒性。最后通过Matlab/Simulink软件对该系统进行建模仿真,并将该方法与传统滑模观测器方法进行对比。实验结果表明,该方案能够为矢量控制提供更加准确的转子位置及速度信息,提高了整个电机控制系统的稳定性。     

BLDCM新型滑模观测器的无位置传感器控制

针对传统滑模观测器(SMO)抖振和相位延迟问题,提出了一种新型滑模观测器来获取无刷直流电机(BLDCM)反电动势(back-EMF),无需额外增加低通滤波器即能得到光滑的反电动势估计值.由反电动势估计值能够直接计算出转子位置角和转速.根据转子位置角和滞环控制器的输出来选择适当的电压空间矢量,实现无位置传感器控制,并根据转速和反电动势估计值计算转矩.最后,将该滑模观测器用于无磁链环直接转矩控制(DTC)中.实验结果验证了方案的可行性.     

一种无刷直流电机的无位置传感器控制研究

通过对电机相电压和相电流的映射,利用人工神经网络在处理非线性、不确定问题上的优势,提出一种基于FRA优化的RBF神经网络实现无刷直流电机的无位置传感器控制,估算出准确的电机换相信号。实验结果验证了本文方法的有效性。     

感应电机高阶终端滑模磁链观测器的研究

提出了基于高阶非奇异终端滑模的感应电机转子磁链观测方法,用于实现感应电机的按转子磁链定向控制. 设计了非奇异终端滑模面及观测器的控制策略,利用所设计的控制策略推导出电机转子磁链信息. 为了抑制常规滑模存在的抖振现象,设计了定子电流观测器的高阶滑模控制律,可将控制信号直接用于电机转子磁链的估计. 较常规滑模观测器,所提方法具有较高的观测精度,并对电机参数变化具有良好的鲁棒性.仿真结果验证了方法的有效性.     

无速度传感器PMSM混沌运动的非奇异快速终端滑模控制

针对永磁同步电机调速系统中速度传感器存在安装缺陷及在某些特定的参数下电机会呈现混沌特性,提出了无速度传感器永磁同步电机滑模控制混沌抑制方法．在无速度传感器运行的永磁同步电机矢量控制调速系统基本框架下,采用非奇异快速终端滑模控制方法来抑制电机的混沌运动．首先在永磁同步电机的混沌模型基础上通过仿真验证了混沌现象的存在;然后利用扩张状态观测器（ESO）估计转速,构成无速度传感器永磁同步电机矢量控制系统;在此基础上设计了非奇异快速终端滑模控制器,当电机在某些参数条件下呈现混沌现象,即刻通过控制器的切入来抑制永磁同步电机的混沌运动．最后通过仿真验证该方法的有效性,保证电机运行稳定和可靠.     

基于神经网络观测器的反推终端滑模位置控制

为了提高永磁直线同步电机(PMLSM)的位置跟踪精度,本文提出了一种基于神经网络自适应观测器的反推终端滑模控制(TSMC)方法.首先,建立PMLSM的动力学模型.然后,利用RBF神经网络的万能逼近特性去逼近系统中不确定性,并将逼近后的输出信号输入给自适应观测器进行跟踪目标位置和速度的估计,补偿由不确定性所导致的跟踪误差,进而获得高精度的跟踪性能.同时反推TSMC方法能够保证系统状态在有限时间内收敛,有效改善了系统响应速度和鲁棒性能.此外,设计出一种新型饱和函数来改善系统抖振,并利用Lyapunov稳定性定理进行了闭环系统稳定性分析.最后,通过空载和负载实验证实了该控制方案的有效性.     

可控励磁直线同步电动机的全局积分Terminal滑模控制

为提高可控励磁直线磁悬浮同步电动机进给系统的快速性与鲁棒性,提出全局积分Terminal滑模控制策略.构造新型的全局积分Terminal滑模面,对系统状态任意初值可在有限时间内收敛到零点,在趋近律中引入衰减因子,可减小系统抖振;在构造滑模面和趋近律的基础上设计全局积分Terminal滑模速度控制器;为进一步削弱滑模控制的抖振,减小切换增益,用径向基函数神经网络设计扰动观测器,并对扰动进行前馈补偿控制.仿真结果表明全局积分Terminal滑模控制策略能够明显改善系统的动态性能,缩短误差的收敛时间,提高系统抑制扰动的能力,削弱系统的抖振,增强系统的鲁棒性.     

基于神经网络的多机械臂固定时间同步控制

针对动力学模型未知的多机械臂系统,提出了一种基于神经网络的固定时间终端滑模的位置同步控制器。首先结合相邻交叉耦合同步控制策略,设计固定时间终端滑模面与控制器,保证系统的跟踪误差与同步误差在固定时间内收敛,且收敛时间上界与初始状态无关。其次,设计RBF神经网络权值更新律估计系统多机械臂未知非线性动力学模型,该方法无需对系统模型参数的先验知识。利用Lyapunov函数证明系统的固定时间收敛性与稳定性。最后,仿真结果验证了所提方法的有效性。     

Sensor fault diagnosis for a class of time delay uncertain nonlinear systems using neural network

In this paper, a sliding mode observer scheme of sensor fault diagnosis is proposed for a class of time delay nonlinear systems with input uncertainty based on neural network. The sensor fault and the system input uncertainty are assumed to be unknown but bounded. The radial basis function (RBF) neural network is used to approximate the sensor fault. Based on the output of the RBF neural network, the sliding mode observer is presented. Using the Lyapunov method, a criterion for stability is given in terms of matrix inequality. Finally, an example is given for illustrating the availability of the fault diagnosis based on the proposed sliding mode observer.     

电动汽车永磁同步电机无位置传感器分数阶滑模控制技术仿真研究

针对无位置传感器永磁同步电机控制系统在启动时电机转速较低,电机的反电动势较小,信噪比太低无法满足精确估计条件的问题,采用一种分段启动控制策略,当系统转速较低或刚开始启动时,通过他控恒转矩起动方式;当电机转速较高时,通过建立分数阶滑模观测器来实现转子位置的准确预测,并通过分数阶滑模控制器实现对电机的控制。通过在Matlab/Simulink平台中的仿真,直流电压311V,开关频率设为5kHZ,给定初始参考转速为600r/min,在0.2s突加1.5N?m转矩,分数阶观测器能够实现电机的平滑启动,且达到良好的静态和动态控制性能,从而使电动汽车能够更加安全可靠,为汽车产业的可持续发展提供技术支持。     

基于ESO的永磁同步电机伺服系统快速终端滑模控制

为了优化永磁同步电机(PMSM)伺服系统的控制性能, 本文提出了一种基于非奇异快速终端滑模控制(NFTSMC)和扩张状态观测器(ESO)的复合控制策略. 论文首先建立了考虑集总扰动的永磁同步电机数学模型, 根据所定义的非奇异终端滑模面和趋近律, 设计了位置跟踪控制器, 所设计的控制器采用非级联结构替代了传统的位置环和速度环控制器, 并通过李亚普诺夫定理证明了稳定性和有限时间内收敛. 为了进一步提高系统的抗扰动性能, 本文引入了扩张状态观测器来估计系统扰动并将其应用于前馈补偿. 然后, 文章对系统整体进行了稳定性证明. 最后,文章完成了基于所设计控制器的仿真和实验验证. 结果表明, 该控制器具有良好的位置跟踪性能且收敛速度快, 对外部干扰具有强鲁棒性.     

基于RBF神经网络的PMSM分数阶互补滑模控制

参数变化及外部不确定性干扰等因素对永磁同步电机(PMSM)驱动控制系统影响较大,针对这一问题,提出一种基于RBF神经网络的分数阶互补滑模控制方法。在建立PMSM数学模型的基础上,采用RBF神经网络对外部干扰进行逼近估计。设计基于饱和函数的分数阶互补滑模控制器,并将RBF神经网络估计的干扰引入控制器中,以抵消外部干扰对系统的影响。理论证明,该控制策略在对外部不确定性干扰进行有效抑制的同时保证系统跟踪误差收敛。通过仿真验证所提方法的有效性。     

基于RBF神经网络的作业型AUV自适应终端滑模控制方法及实验研究

研究了作业型AUV （自主水下机器人）的轨迹跟踪控制问题.实际作业中,水下机械手展开作业过程将引起AUV动力学性能变化,进而影响AUV轨迹跟踪控制;并且水流环境干扰亦将影响AUV轨迹跟踪控制.针对上述AUV轨迹跟踪控制问题,提出一种基于RBF （径向基函数）神经网络的AUV自适应终端滑模运动控制方法.该方法在李亚普诺夫稳定性理论框架下,采用RBF网络对机械手展开引起的AUV动力学性能变化和水流环境干扰进行在线逼近,并结合自适应终端滑模控制器对神经网络权值和AUV控制参数进行自适应在线调节.通过李亚普诺夫稳定性理论,证明AUV系统轨迹跟踪误差一致稳定有界.针对滑模控制项引起的控制量抖振问题,提出一种变滑模增益的饱和连续函数滑模抖振降低方法,以降低滑模控制量抖振.通过AUV实验样机的艏向和垂向的轨迹跟踪实验,验证了本文AUV系统控制方法和滑模降抖振方法的有效性.     

Robust adaptive neural sliding mode control of MEMS triaxial gyroscope with angular velocity estimation

In this paper, a robust adaptive sliding mode control strategy of micro electro-mechanical system (MEMS) triaxial gyroscope using radial basis function (RBF) neural network is presented for the system identification of MEMS gyroscope. A key property of this scheme is that the prior knowledge of the upper bound of the system uncertainties is not required. An adaptive RBF neural network controller is used to learn the unknown upper bound of model uncertainties and external disturbances. The adaptive RBF neural network is incorporated into the adaptive sliding mode control in the Lyapunov sense, and the stability of the proposed adaptive neural sliding mode control can be established. The dynamics and angular velocities of gyroscope can be identified in real time. Numerical simulations are investigated to verify the effectiveness of the proposed adaptive neural sliding mode control scheme, showing that the designed control system has better robust performance in its insensitivity to system nonlinearities; moreover, system parameters including angular velocity can be consistently estimated and tracking errors converge to zero asymptotically.     

多关节机器人的神经滑模控制

针对含有建模误差和不确定干扰的多关节机械臂轨迹跟踪控制,提出了一种神经滑模控制方法。该方法采用全局快速终端滑模面保证了系统状态能够在有限时间内到达滑模面和平衡点。采用径向基函数神经网络自适应地补偿系统的建模误差和外界干扰,保证了滑模控制在滑模面的运动。利用李亚普诺夫稳定性判据推导出了控制器的控制律和神经网络的目标函数,通过神经网络的在线学习,削弱了滑模控制的抖振。仿真结果表明了其有效性。