基于单神经元自适应PID的超声波电动机转速控制

超声波电动机是一种依靠振动和摩擦来传递运动的新型微电机.从工作原理来看,超声波电动机是一个高度非线性系统,采用经典PID控制无法取得理想的控制效果.设计一种单神经元自适应PID控制器,用于超声波电动机转速控制研究,取得较好的试验效果.     

永磁同步电动机的速度自适应反推控制

针对高精度的伺服系统,考虑永磁同步电动机实际运行过程中,电机的定子电阻、粘滞磨擦系数及负载转矩的变化,必然影响到系统的伺服精度。因此,提出了自适应与反推控制相结合的控制策略,通过推导,它不但能够实现永磁同步电动机系统的完全解耦,并且能够有效抑制系统参数变化对系统速度跟踪伺服性能的影响,使系统具有很强的鲁棒性。通过仿真,验证了自适应反推控制策略的有效性和可行性。     

超声波电动机MIT模型参考自适应转速控制

采用相对简单的运动控制算法,有助于降低包含驱动控制电路在内的超声波电动机系统的成本,从而推动其产业化。基于这一目的,给出一种模型参考自适应控制策略用于超声波电动机转速控制。该策略计算量小,并具有一定程度的自适应能力,提高了系统性价比。     

超声波电动机非线性全系数自适应转速控制

针对超声波电动机转速控制的特点,基于超声波电动机的特征模型,设计了非线性全系数自适应转速控制策略.该控制策略由三个控制分量组合而成,通过特征模型参数的在线辨识实现控制器参数的在线自适应调节.不同转速给定值及空载、加载情况下的实验结果表明了控制策略的有效性.     

基于神经网络自适应PID的异步电动机定子磁场定向控制

针对异步电动机这一多变量、非线性、强耦合的控制对象, 提出了一种基于神经网络自适应PID控制器的异步电动机定子磁场定向解耦控制的新方法.采用定子磁场定向控制,以定子磁链作为反馈量,运用电流励磁分量解耦补偿环节,实现了定子磁场定向控制下电机转速与定子磁链间的解耦控制.同时为实现对异步电动机快速和精确控制,设计出用于异步电动机的神经网络自适应PID控制器,利用神经元的自学习功能在线调节连接权重,实现自适应控制.实验结果表明:这种方法具有控制性能不受电机转子参数的影响,以及快速的转速和转矩响应的特点.     

电主轴伺服系统的单神经元自适应PID控制

电主轴感应电动机伺服系统要求有良好的动静态性能.按转子磁场定向的感应电动机矢量控制中转速PI调节器在控制对象参数和工作环境变化时其性能较差.为了改善电主轴伺服系统的性能,提出了用单神经元自适应PID控制器代替传统PI调节器.为了提高单神经元PID控制器的学习能力,将无监督的Hebb学习规则与有监督的Delta学习规则相结合,实现单神经元控制器的参数优化与在线自调.仿真和实验结果表明,伺服系统不仅具有很好的静、动态性能,而且又具有很强的自适应性和抗扰性.伺服系统可用于航空航天、智能机器人和数控机床等高性能控制系统当中.     

无刷直流电动机单神经元自适应PID控制及改进

研制的无刷直流电动机单神经元自适应PID控制器，实现了在线调整PID参数的目的，克服了电动机非线性、参数易变的影响；同时引进变速控制算法对神经元比例参数K的给定进行了在线改进。仿真结果表明，单神经元自适应PID控制器自适应能力好，响应快．鲁棒性强．系统静态和动态特性良好，而且采用变速控制改进算法后，速度的调节器品质有所提高。     

基于扰动观测器的永磁直线同步电动机自适应反推互补滑模控制

针对永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM)驱动的数控机床易受参数变化、负载扰动以及摩擦力等不确定性影响的问题,提出一种基于质量辨识扰动观测器(disturbance observer with mass identification,DOB-MI)的自适应反推互补滑模控制(adaptive backstepping complementary sliding mode control,ABCSMC)策略。设计 ABCSMC 方法抑制不确定对系统的影响。通过引入自适应律,ABCSMC 的边界层能够实现动态变化,保证系统具有全局鲁棒性,且 ABCSMC 可对不确定性在线估计并调整,从而提高位置跟踪精度。由于在实际应用中,负载质量变化会对系统性能造成极大的影响,因此,利用离散模型参考自适应辨识理论,设计 DOB-MI 辨识动子质量并计算出补偿电流以补偿负载扰动对系统的影响。仿真与实验结果表明,该方法提高了系统的位置跟踪精度,对参数变化和负载扰动等不确定性具有极强的抑制能力。     

永磁同步电动机调速中的反推控制

提出了一种基于非线性控制策略的反推控制,改善了传统PID控制对非线性控制效果不理想的缺点.设计的反推控制可以实现永磁同步电动机速度跟踪控制,保证系统具有良好的速度跟踪性能.仿真结果表明,该控制方法比传统PID控制更具有有效性.     

基于模糊逻辑的行波超声波电动机模型参考自适应转速控制

超声波电动机的转速控制存在明显的时变非线性特征。为得到较好的控制性能,设计了基于模糊逻辑的模型参考自适应PID转速控制器,实现了基于参考模型跟踪误差的PID控制参数在线自适应调节。实验表明,转速跟踪性能优于固定参数PID控制器。     

基于自适应反步法的感应电机效率优化控制

电机的最小输入功率法是一种有效的效率优化方法,该方法是在保证电动机输出性能不变的前提下,尽可能地降低电机的功率,从而提高电机的稳态运行效率。因此,设计了一种基于自适应反步控制器的效率优化控制方案,使其误差系统在原点隐定。仿真结果表明,在轻载情况下该方案不仅具有良好的转速跟踪效果,而且提高了稳态运行效率。     

基于自适应PID的异步电机电流控制

在异步电机矢量控制电流环中采用参数自适应PID算法。该算法采用带遗忘因子的递推最小二乘算法对PID参数进行在线估计,能够根据不同情况实时调整PID参数。试验结果表明,该算法鲁棒性强、稳定性好、自适应性强、计算量小,能够满足对电流控制的要求,并且提高了速度的抗干扰能力。     

基于模糊自适应整定PID控制的交流电动机矢量控制系统

模糊控制作为智能控制的一个重要分支已经在各个领域得到了广泛地应用。模糊控制适合交流电动机非线性、强耦合的特点。将其应用于交流电动机的矢量控制中,可以很好地克服传统矢量控制所带来的诸如非线性、参数变化对系统性能影响过大等缺点,使系统具有较强的鲁棒性。     

永磁同步电机积分反步自适应控制

针对外界干扰导致永磁同步电机(PMSM)固有参数发生变化的问题,将新型的智能控制理论引入到PMSM控制系统中,提出了一种新颖的带有积分环节的反步自适应法的控制方法。该控制器能够利用交轴电流动态抑制或消除参数的变化对系统的影响,基于Lyapunov稳定性原理设计被控系统的控制律和自适应律,并引入积分环节,增强被控系统的稳定性,缩短速度响应的时间。仿真试验证明,该控制器能够有效地抑制电机固有参数的变化对被控系统的影响,保证了系统的强鲁棒性和动静态性能。     

基于单神经元PID的异步电动机转速的自适应控制

针对异步电动机矢量控制中转速调节器参数整定困难、自适应性差和稳态精度低的问题,设计单神经元PID控制器.将神经元学习规则与PID控制相结合,采用在线学习的方式,在电动机运行过程中实时调整控制器参数,实现转速的自适应控制.在恒速变负载和恒负载变速的仿真实验中,结果表明基于单神经元PID的转速调节器具有较好的动态性能和较高的稳态精度.     

基于模糊神经网络的直线超声电机自适应控制

针对直线超声电机很强的非线性和时变特性,提出了模糊神经网络控制。为了更好地将PID控制的经验融入模糊神经网络,对离散型PID表达式的各项进行了划分,将轨迹跟踪误差信号、轨迹跟踪误差信号的变化和轨迹跟踪误差信号的变化率等三项作为模糊神经网络的输入。采用自适应律并结合了反向传播算法和梯度下降法进行学习优化。试验结果表明,所设计的模糊神经网络控制器不仅明显优于PID和自组织神经网络控制器,而且具有很好的抗干扰能力。     

行波超声波电机Lyapunov模型参考自适应转速控制

超声波电机是一类具有明显时变非线性的被控对象,为提高其转速控制性能,应采用适当的自适应控制策略.本文以超声波电机驱动电压幅值为控制变量,根据李雅普诺夫稳定性理论,采用输入-输出变量设计了超声波电机模型参考自适应转速控制器,并给出了自适应速率在线调节、微分前馈等方法以改善起始阶段的转速控制性能.实验表明了所提控制方法的有...     

基于干扰观测器的永磁同步直线电机自适应PID控制

针对永磁同步直线电机精确速度跟踪的问题,提出一种基于干扰观测器的自适应PID控制器。针对基于矢量控制的直线电机模型设计非线性干扰观测器进行干扰观测。同时,基于李雅普诺夫稳定性设计超限补偿控制器以及在线更新的投影自适应律使PID控制律始终跟随反馈控制律。最后通过试验分析结果,证明了该控制策略有更好的动态性能及鲁棒性。