基于神经网络的感应电机自适应逆控制

针对矢量控制系统存在对参数变化的敏感性使得实际系统难以保证完全解耦问题,提出了自适应逆控制的策略,并将神经网络引入逆控制。进行了方案的控制理论分析并在感应电机的控制中进行了Matlab的仿真。     

感应电机自适应电流解耦逆控制

通过对感应电机状态方程的转换,将电机dq轴电流方程解耦,利用自适应逆控制思想,采用LMS(最小均方)算法,实现了对MIMO、多参量、强耦合感应电机的电流控制,电机长期运行会导致某些参数发生漂移,仿真验证了该算法对参数变化的鲁棒性.     

感应电机调速系统的神经网络逆在线调整控制

以多变量、非线性、强耦合的感应电机调速系统为研究对象,在基于神经网络逆系统离线训练的基础上提出了在线调整的策略,通过静态神经网络加积分器来构造感应电机调速系统的逆模型,在实际运行中不断地修正神经网络权值,更精确地逼近其逆系统,实现了感应电机转速的高精度控制。仿真和实验结果表明系统具有优良的静态及动态性能,且对电机参数的变化与负载扰动具有较强的鲁棒性。     

基于自适应模糊神经网络的感应电机矢量控制

感应电机在传统PI控制中,参数固定且容易超调。针对该问题,文中研究了一种基于自适应模糊神经网络PI控制与全阶自适应观测器的感应电机矢量控制方案。根据感应电机数学模型建立了全阶自适应观测器的模型,采用Lyapunov稳定性理论对其进行了稳定性分析设计,并推导了转速自适应律。电机速度外环PI由自适应模糊神经网络推理系统在线整定优化,与传统控制方案相比,该方法易于实现,能够有效提高控制精准性,抑制外部扰动,节省了传感器成本。MATLAB/Simulink仿真实验表明,所提方案不仅改善了无速度传感器感应电机矢量控制系统的动态性能,还减小了外部负载扰动等情况的影响,提高了系统的自适应性和鲁棒性。     

基于神经网络的感应电机转速估计方法

根据神经网络能够任意逼近非线性函数的功能，针对感应电机这样一个时变的非线性系统，提出了一种利用神经网络估算感应电机转速的模型，仿真结果表明，这种神经网络转速估算模型可以准确地跟踪感应电机转速的变化，具有良好的动态跟随性能。     

模糊PID神经网络逆控制多电机系统分析

本文围绕模糊PID神经网络逆控制多电机系统展开一系列探究分析。在工业生产技术进一步发展的时代背景下,生产线凸显出复杂化特点,因此会在一定程度上受到电机功率大小的影响。受到科技进步和社会需求增大的影响,传统的单电机控制模式明显已经无法满足工业生产需求,多台电机协同控制已经成为社会工业生产的必然要求,特别是在轧钢、造纸、经纱和印花等现代工业领域中获得了一定运用。     

基于神经网络广义逆两电机同步控制研究

基于神经网络广义逆系统,提出二自由度的内模控制。来改善两电机同步系统的解耦控制性能和鲁棒性能。提出先对原来系统的数学模型进行广义逆的存在性分析,进而推出原系统广义逆的数学模型,再用神经网络逼近广义逆,接在原系统前组成具有等价效果的伪线性系统,来实现系统的解耦线性化。有利于系统的综合。然后对广义伪线性系统引入二自由度内模控制,以保证系统的鲁棒稳定性。     

基于模型参考自适应系统的感应电机控制

采用模型参考自适应法设计了无速度传感器矢量观测器。现以电压模型为参考模型,电流模型为可调模型,推算出速度信息,计算输出控制信号,实现了对感应电机的精确控制;通过Matlab／Simulink对其进行仿真、验证,结果表明,该系统对定子磁链观测精度高,速度估计准确,改善了电机的控制特性。     

基于最优控制的神经网络自适应飞行控制

针对非线性动态逆控制鲁棒性差的缺点,综合最优控制和神经网络控制,提出一种自适应非线性控制策略。首先采用非线性动态逆进行基本控制律设计,然后对由于建模误差或舵面故障等因素导致的动态逆误差,利用神经网络进行在线补偿,根据最优控制理论得到神经网络权值的自适应律,并基于Lyapunov直接法证明该自适应律的稳定性和收敛性。针对某飞机的仿真结果表明,在存在较大逆误差的情况下,所设计的控制系统具有良好的鲁棒性。     

基于Matlab的交流感应电机矢量控制系统研究

在分析感应电机数学模型的基础上,提出了一种改进的交流感应电机矢量控制系统.在Matlab/Simulink环境下,构建感应电机矢量控制系统的仿真模型.针对传统PID控制的缺点,引入单神经元PID控制.仿真结果验证了研究的矢量控制系统的可行性和有效性.     

基于神经网络的模型参考自适应控制

将神经网络应用于模型参考自适应控制系统中,组成模型参考神经网络自适应控制系统.利用神经网络自身的优点来克服传统模型参考自适应控制算法的不足,使系统具有更强的鲁棒性和容错性.仿真结果表明,该系统与传统的模型参考自适应控制系统比较,不仅能实现原系统的功能,而且该系统的稳定性和抗干扰性优于原系统.     

基于在线神经网络的自适应鲁棒飞行控制

一般的自适应神经网络,因为没有长期学习性与全局适应性,只能适应当前的瞬时状态,满足不了导弹高精度飞行的要求.基于李亚普诺夫稳定理论和神经网络的非线性函数的拟合特性,设计了具有背景学习功能的在线自适应神经网络鲁棒控制器.首先分析了逆误差产生的原因,然后用神经网络来补偿系统逆模型误差,并利用李亚普诺夫稳定性理论推导了在线网...     

基于神经网络的自适应控制应用现状及发展

通过神经网络与自适应控制的结合，提出了两种基于神经网络的自适应控制系统（MRAC和STC),主要从应用角度出发，介绍了神经网络自适应控制的研究现状及今后的发展，并与常规自适应控制进行比较，指出了利用神经网络的自身特点，应用于控制系统中的优越性和可行性。     

基于参考模型的超声电机模糊自适应控制

针对由日本新生公司生产的USR系列超声电机构成的速度伺服系统提出了一种新的控制方案——基于参考模型的模糊自适应控制。该控制器由参考模型、PI控制器、模糊自适应调节器构成,PI控制器的比例系数的增量△Kp和积分系数的增量△Ki根据模糊自适应调节器模糊推理的结果确定,使得控制器的参数能够随着被控对象参数的变化而改变,从而保证系统的响应跟踪参考模型的输出响应。实验结果表明该控制方案优于一般的PI控制器和模糊PI控制器,并且简单易行,通用性强。     

感应电机直接转矩控制系统仿真分析

研究了异步电机直接转矩控制的方法,利用MATLAB／SIMULINK仿真工具对直接转矩控制系统进行了建模和仿真,结果表明直接转矩控制具有鲁棒性强、转矩动态响应速度快等优点。     

一种新型的基于自适应逆控制的预失真器设计

本文基于自适应逆控制原理提出了一种预失真器结构,即双多项式旁路辨识HPA的幅度和相位特征,然后再离线设计预失真器,最后将设计的已稳定的预失真器复制于发射通路。整个自适应过程高效,稳定,运算量小,能实时运行。补偿后的系统在饱和输入值范围内有近似的理想放大器特征。通过对OFDM信号仿真证明了以上特点。     

直线感应电机的转差频率控制仿真研究

本文介绍了直线感应电机的结构和工作原理，给出了把边端效应考虑在内的直线感应电机数学模型，对直线电机进行恒转差频率控制，仿真结果表明该控制系统的实现方法是可行的。     

使用自适应控制的超声波电机精密位置控制

超声波电机具有很强的非线性和时变特性．它对控制输入还存在死区效应。为改善控制性能,必须解决这些问题。该文采用自适应和P控制相结合的方法,对超声波电机的相位差进行控制。在控制器中,使用带在线参数辨识的自适应控制策略来补偿电机的时变特性,采用比例控制器消除死区效应。模型阶数和控制延时由实验决定。实验结果表明这个控制方案是有效的。     

自动巡航汽车自适应逆控制的建模与仿真

研究神经网络非线性系统的自适应建模和逆建模策略用于非线性的自动巡航系统的控制及可行性。通过对自适应逆控制方法与现行的反馈控制、模糊控制、PID控制进行对比,并在有干扰的情况下系统需要一定的收敛时间,通过运用Matlab软件进行仿真。根据仿真结果分析,当对象输出没有受到干扰时,其在线辨识对象模型和逆模型有十分好的效果;当对象输出存在一些干扰时,由于干扰的存在,需要一段时间来将两个辨识模型收敛。因此,基于动态神经网络的非线性自适应逆控制系统是十分可行的。     

基于TMS320F2812的感应电机直接转矩控制实现

本文介绍了基于开关表格的感应电机直接转矩控制（ST-DTC），并且提出了以TMS320F2812 DSP为核心的实验控制系统，通过实验验证了ST-DTC控制方案的可行性。