基于神经网络PID的直流电机速度控制策略研究

以无刷直流电机为研究对象,对控制系统进行合理设计,保证电机稳定运行,减少运行过程中产生的噪音。同时对神经网络PID在无刷直流电机速度控制中应用情况进行仿真研究,对控制算法进行计算,并对普通PID控制策略与神经网络PID控制策略进行对比,最终得知神经网络PID控制策略比普通PID控制性能更好。     

纯电动汽车无刷电机控制系统的建模与仿真

针对无刷直流电机传统PI控制的局限性,从无刷直流电机的基本原理出发,通过模糊PD控制器与积分相结合,将永磁无刷直流电机应用于纯电动汽车驱动系统。采用Matlab／Simulink平台,同时结合S-函数,构建了基于模糊控制的无刷直流电机转速一电流双闭环控制系统模型,利用该模型分析无刷直流电机的动静态性能,得到了无刷直流电机运行时的反电势、相电流、转矩和速度的曲线。结果表明,采用转速一电流双闭环模糊控制调速策略具有超调小、响应速度快、鲁棒性好、自适应能力强等优点,使系统获得了较好的控制性能,为实际纯电动汽车驱动控制系统的分析与设计提供了新的思路。     

无位置传感器无刷直流电机全局滑模控制研究

针对传统滑模控制应用于无刷直流电机(BLDCM)在趋近模态不具有鲁棒性的缺点,提出了一种新型具有全滑动模态的变结构控制策略,该控制方法对系统参数的不确定性和外部干扰等问题具有较强的鲁棒性,可以较好的抑制常规滑模控制中的抖振问题。同时采用自适应小波神经网络算法提高无刷直流电机转子位置检测精度,从而为无刷直流电机提供准确的换相信号。最后通过仿真实验证明了上述方法的可行性和有效性。     

无刷直流电机模糊PID控制及建模仿真

基于对无刷直流电机(BLDCM)工作原理及数学模型进行的简要分析,在MATLAB软件的Simulink模块中,通过S-Function函数和Simulink独立集成模块,搭建出无刷直流电机控制系统仿真模型,对无刷直流电机控制系统进行速度环、电流环双闭环控制,使电机在仿真环境中能够正常运行.仿真控制系统采用模糊控制算法优化PID控制参数,仿真结果与理论分析基本吻合,验证了无刷直流电机模糊PID控制算法具有响应快、超调小等良好的控制性能.     

电动助力转向用无刷直流电机控制系统的开发

介绍了电动助力转向(EPS)的组成和工作原理,建立了EPS用无刷直流电机控制系统模型,并用Matlab对无刷直流电机进行仿真,比较了几种控制策略的优劣。给出了以无刷直流永磁电动机(BLDCM)为电机本体,以TMS320LF240x为核心的控制器的设计方案,包括系统硬件设计、电机控制策略和软件设计。     

无刷直流电机无线组网控制系统研究与设计

针对无刷直流电机控制中组网和布线难的问题,研制了一种采用TI公司的无线收发芯片CC1101进行无线数据传输、以微芯公司的MCU作为核心处理器的无线组网控制系统,该系统集串口通信、数据无线收发、无刷直流电机控制于一体.介绍了无刷直流电机无线组网控制系统的工作原理,给出了电机调速使用的模糊PID算法和系统软、硬件设计方法,并给出了系统工作的软件流程图.研究结果表明:该系统结构简单、能耗低、无线通信稳定可靠,可以实现在PC机上对多台无刷直流电机进行无线组网控制,并省去不必要的布线环节.     

基于自整定模糊控制无刷直流电机调速系统算法研究

无刷直流电机具有运行效率高、调速性能好、无励磁损耗、结构简单和维护方便等众多优点,使得无刷直流电机在自动控制设备中得到了广泛应用,因此对无刷直流电机控制方法的研究还有着十分重要的实际意义。模糊控制是一种非线性的智能控制,尤其对数学模型难以建立、动态特性变化迅速或很难掌握的对象特别适用。所以本文在速度环设计中采用PID模糊控制器,利用模糊控制器对电机的速度进行控制,实现控制参数的自主调整,满足不同环境和工况需求,并同电流环的经典控制策略一起来实现对无刷直流电机的精确控制。     

利用DSP实现无刷直流电机的位置控制

介绍了一种基于TMS320LF2406的无刷直流电机位置控制系统,简述了实现该控制系统的硬件设计方案和软件控制策略。该控制系统为模块化可重组机器人而设计,具有小型化和控制灵活等优点,在应用中得到了令人满意的效果。     

基于Matlab无刷直流电机控制系统建模与仿真

为验证控制算法和控制策略的合理性，在分析无刷直流电机数学模型的基础上，用Matlab建立了无刷直流电机控制系统的仿真模型，并详细介绍了控制系统的各个子模块。通过对实例电机的仿真，给出了仿真结果，证明了该模型的可行性。     

基于微粒群算法的模糊PID控制器在BLDCM中的应用

由于无刷直流电机(Brushless DC Motor,BLDCM)具有非线性、多变量控制的特点,传统的控制算法难以满足无刷直流电机系统的控制要求。为此提出了一种基于微粒群优化算法(Particle Swarm Optimization Algorithm,PSO)的自适应模糊PID的控制设计。将微粒群优化算法应用到模糊控制器中,在线自动调节模糊控制器的量化因子Ke、Kec和比例因子Ku,提高了模糊控制器的控制性能。仿真实验结果表明,该控制方法对无刷直流电机调速系统具有更好的静、动态性能和稳定性,并对负载扰动有较强的适应能力,取得了很好的效果。     

基于模糊神经网络的不确定机器人实时轨迹跟踪控制的研究

针对机器人建模的不精确性以及扰动的存在给机器人控制增加难度的问题,提出了一种基于模糊神经网络的不确定机器人实时轨迹跟踪控制方法。该控制方法的控制器由模糊神经网络(FNN)控制器和CMAC控制器组成,FNN控制器代替传统的计算力矩法,CMAC控制器在线补偿控制误差,有效补偿机器人存在的各种不确定性。对二自由度机器人的仿真结果表明了所提出的控制方法的可行性。     

FUZZY NEURAL NETWORK CONTROL FOR VIBRATION WAVEFORM SYSTEM OF MOLD

Combining with the characteristic of the fuzzy control and the neural network control(NNC), a new kind of the fuzzy neural network controller is proposed, and the synthesis design method of the control law and fast speed learning algorithm of the parameters of networks are put forward. The output of the controller is composed of two parts, part one is derived on basis of the principle of sliding control, the lower order model and the estimated parameters of the plant are only required, part two is derived on basis FNN, it is used to compensate the uncertainties of the systems. Because new type of FNN controller extracts from the advantages of the intelligent control and model based sliding mode control, the numbers of adjusting parameters and the structure of FNN are simplified at large, and the practical significance and variation range are attached to each layer of the network and its connected weights, the control performance and learning speed are increased at large. The lightness of the conclusions     

模糊神经网络技术在防摇控制系统中的研究与应用

介绍了将模糊神经网络用于起重机电子防摇控制器和模糊神经网络的实现,以及如何利用MATLAB中的神经网络工具箱对模糊神经网络进行训练.并以MATLAB/SIMULINK为仿真平台建立了电子防摇控制仿真模型,经仿真表明该系统的抗干扰能力强,满足防摇控制系统的设计要求.     

大型卧式仿真转台智能化同步-干扰控制

针对大型卧式液压仿真转台内部双液压马达摩擦力矩干扰、负载干扰和外框双液压马达同步驱动这三个影响转台控制性能的主要问题,分析并总结出转台外框双液压马达在“等同模式”和“主从模式”下的同步驱动模糊控制规则、各种同步控制模式的应用范围和切换规律;根据PID控制经验制定出直接自适应模糊控制规则。依据同步与PID模糊控制规则设计出同步—干扰模糊控制器并进行仿真分析。针对模糊控制器自学习能力较差等缺陷,在模糊控制的基础上,采用模糊神经网络(FNN)模型设计出多输入多输出(MIMO)的转台FNN控制器。软件仿真结果表明,当转台液压马达摩擦力矩发生变化、负载大范围波动或当转台外框两马达转速相差较大时,使用模糊神经网络模型的智能化转台控制系统具有较高的定位精度和动态性能。     

一种基于模糊神经网络确定电火花加工条件的新方法

在电火花加工中,影响因素较多,难以确定最优加工条件。应用模糊神经网络确定电火花加工条件是一种新的尝试,它可以充分发挥模糊逻辑和神经网络的长处。为方便操作者决定粗加工最优加工条件,并提高表面加工效果和粗加工速度,本文提出了一种基于模糊神经网络自动确定和优化电火花成形加工中加工参数的方法。经实践证明,用该方法所确定的最优加工条件,能保证较高的粗加工速度,方便了操作者对加工条件的确定。     

基于模糊神经网络的规则学习

运用模糊神经网络 ,分别采取两种学习方法来对模糊控制器的规则样本进行学习优化 ,结果表明 ,运用聚类的思想 ,将模糊集合重新分组 ,先粗学后细学的方法比直接学习更先进 ,不仅能大大降低网络的复杂性 ,而且收敛速度更快 ,不易陷入局部极小。因此大大缩短了学习的时间。     

基于神经网络的半主动悬架自适应模糊控制研究

在建立了五自由度车辆半主动悬架系统模型的基础上，将神经网络与模糊控制结合起来，提出一种基于神经网络的自适应模糊控制半主动悬架系统，其控制器由模糊神经网络控制器和模糊网络组成，采用快速的变斜率梯度下降算法学习，具有自适应学习功能。仿真计算表明，与被动悬架相比，神经网络自适应模糊控制性能明显优于一般的Fuzzy控制，半主动悬架系统在减小振动，提高车辆平顺性方面优于被动悬架，且车轮动载荷和悬架动挠度也得到明显改善。台架试验同样表明了半主动悬架的优良减振性能。     

基于免疫遗传算法的模糊径向基函数神经网络在高速电主轴中的应用

为满足高速高性能电主轴系统快、稳、准的控制要求,结合免疫遗传算法寻优速度快及模糊神经网络控制不依赖主轴系统模型的优点,设计了一种将模糊逻辑控制、径向基函数(Radical basis function, RBF)神经网络和免疫遗传算法进行有机结合的高速电主轴系统全局优化的控制策略,并将该智能控制策略成功应用于高速电主轴系统双闭环矢量控制系统的转速控制器中。通过免疫遗传算法对该智能控制器三类参数的同步优化取得了最佳控制效果,从而实现了对主轴输出转速的精确控制。试验和仿真结果验证了所设计的控制器能够精确控制主轴的输出转速,而且当高速电主轴受到突加负载冲击时,具有很好的抗干扰性能及较强的鲁棒性,使主轴系统具有优良的动、静态性能,实现了高品质驱动。     

刀具寿命诊断的神经网络技术

提出了一种刀具寿命的检测方法。该方法把模糊逻辑和神经网络结合起来，并用神经网络分解技术，建立了一上刀具状态识别网络。该网络适于进行多传感器刀具复杂状态的识别和分类，具有训练时间短，扫行速度快，可靠性高，抗噪能力强的特点。     

Calculation of PID controller parameters by using a fuzzy neural network

In this paper, we use the fuzzy neural network (FNN) to develop a formula for designing the proportional-integral-derivative (PID) controller. This PID controller satisfies the criteria of minimum integrated absolute error (IAE) and maximum of sensitivity (Ms). The FNN system is used to identify the relationship between plant model and controller parameters based on IAE and Ms. To derive the tuning rule, the dominant pole assignment method is applied to simplify our optimization processes. Therefore, the FNN system is used to automatically tune the PID controller for different system parameters so that neither theoretical methods nor numerical methods need be used. Moreover, the FNN-based formula can modify the controller to meet our specification when the system model changes. A simulation result for applying to the motor position control problem is given to demonstrate the effectiveness of our approach.