基于神经网络的两相混合式步进电机反步控制

两相混合式步进电机是一个非线性、多变量、强耦合的系统。针对两相混合式步进电机开环控制定位精度低的问题,提出了一种基于径向基函数(RBF)神经网络的反步控制方法,该方法克服了单一反步控制对非线性系统控制参数选取困难的缺点,利用RBF神经网络的万能逼近特性,对电机运行过程中的不确定因素进行补偿,使其不过于依赖反步控制器所选取的参数,同时引入高斯基函数和自适应律,能够较好地对其中的非线性项进行逼近。利用神经网络与反步控制方法的结合,有效提高了两相混合式步进电机控制的位置跟踪精度和稳态性能。     

基于积分分离的永磁同步直线电机PID控制系统

永磁同步直线电机具有非线性、耦合性、负载扰动、时变不确定性等特点,常规PID控制器结构简单、输出稳定、易实现,在对直线电机进行控制时虽然可以使系统获得比较好的控制效果,但它对输入信号的适应性不强,在高速、高精的应用场合往往不能满足控制需要.提出了一种在速度环上用积分分离的PID控制器代替常规PID控制器的控制方法.仿真试验结果表明,积分分离PID控制器能使直线电机获得更好的控制性能.     

两电机变频调速系统的神经网络广义逆解耦控制

两电机变频调速系统是一个多输入多输出(multi-input multi-output,MIMO)非线性强耦合的控制系统。神经网络广义逆控制方法不但可以实现MIMO系统的线性化与解耦,而且通过合理地调节广义逆系统的参数,可以使解耦后的单输入单输出(single-input single-output,SISO)系统具有开环稳定的特性,从而有利于系统的综合。论文对变频器工作在矢量控制方式下的系统数学模型进行广义逆存在性分析,进而导出系统的广义逆数学表达式。进一步构造神经网络广义逆系统串联在两电机系统之前,组成基于广义逆的伪线性复合系统。基于S7-300PLC试验平台,分别研究伪线性复合系统的开环特性和闭环特性,试验结果表明神经网络广义逆控制方法不但可以实现系统的解耦,而且可以使伪线性化后的子系统开环稳定,附加闭环控制器的问题就迎刃而解。     

基于粒子滤波前馈补偿的电机伺服系统控制

针对电机轨迹跟踪过程的非线性非高斯噪声，提出采用基于粒子滤波的前馈控制器。同时对电机伺服系统提出一种二自由度控制结构，基于闭环系统的鲁棒最优性能指标，设计给定值状态目标跟踪控制器，根据系统稳态运行时的抗扰动要求，在过程输入和控制对象输入之间设计前馈控制器、在对象输入和输出端之间设计负载干扰抑制闭环，利用粒子滤波的方法消除非高斯噪声对控制系统的干扰。仿真实例验证了该控制系统的可行性和优越性，可以有效提高电机轨迹跟踪精度。     

一种旋转型超声波电动机转速控制方法

超声波电动机是一个高度非线性系统,采用传统控制方法无法取得良好的控制效果。为了研究超声波电动机在有负载工况下的性能并实现其在工程领域的推广应用,必须找到一种有效的控制方法。BP神经网络PID控制器非常适合非线性系统的控制,具有结构简单、鲁棒性好、PID参数能在线实时调整的优点,设计了一种BP神经网络PID控制器,用于旋转型超声波电动机的转速控制研究。控制器的输入层节点数为3,隐含层点数为5,输出层节点数为3。通过一系列试验研究,发现采用BP神经网络PID控制取得了较好的控制效果,为超声波电动机的工程应用找到一种有效可行的控制方法。     

基于模糊神经网络和PI控制的异步电机位置控制系统

提出一种用于异步电机位置控制的模糊神经网络(fuzzy neural network,FNN)控制器.其控制系统采用Sugeno型FNN和比例积分(proportional integrate,PI)控制进行构建.在进行试验测试之前,利用实验数据库和梯度算法对模糊神经网络进行在线训练.利用DS1104型DSP控制卡实现控制算法.利用该控制器对异步电机进行位置控制,在电机施加非线性负载和发生参数扰动的条件下,对控制系统的功能以及鲁棒性进行测试,试验结果表明,该控制系统能够保证电机稳定有效的工作.     

基于矩阵变换器供电的感应电机DTC系统仿真研究

对于矩阵变换器供电的电机系统,空间矢量调制法只能实现简单的开环VVVF控制且对输入电压抗干扰性能差.基于矩阵变换器开关状态的分析,把矩阵变换器视为直流母线电压为输入线电压的电压源逆变器,并通过仿真实验,验证了矩阵变换器供电的感应电机直接转矩控制系统的可行性.通过对矩阵变换器输入线电压为高、中、低3种情况下直接转矩控制转矩脉动的分析,得出了一种有效减小转矩脉动的控制方法.输入电压非正常下的仿真结果表明矩阵变换器供电的感应电机直接转矩控制系统对输入电压具有较强的鲁棒性.     

永磁直线电机离散PID神经网络重复控制

针对永磁直线电机的非线性摩擦问题,提出了一种混合智能控制和重复控制设计方案实现永磁直线电机的跟踪控制。为了补偿摩擦力首先应用基于RBF神经网络控制器与PID控制器相结合来实现对周期信号的跟踪。为了进一步提高周期信号跟踪性能,在反馈控制回路中增加一个来源于Bzout恒等式特解的离散时间重复控制器。合成混合控制器(包括神经网络控制器、PID控制器和重复控制器)在直线电机运动控制中能够实现周期性参考输入信号跟踪及扰动抑制。仿真结果表明:控制器能够达到较好的控制效果。     

矢量控制神经网络线性二次型调节器的设计

本文给出了一种矢量控制神经网络线性二次型调节器的设计方法。将感应电机模型近似成五阶线性时变系统,以此来设计线性二次型状态反馈控制器,并由神经网络来表示状态反馈增益与转速的映射关系,从而实现对感应电机的控制。系统无需自适应算法就可获得较强的鲁棒性。仿真结果表明该调节器可获得优良的动、静态调速性能。     

基于神经网络的SRM直接转矩控制系统仿真研究

文中采用直接转矩控制(DTC)方法有效的抑制了开关磁阻电机的转矩脉动。并将基于神经网络自适应PID控制的电机调速系统应用于该直接转矩控制系统,解决了常规PID控制器难以取得良好控制效果的问题。其中主要介绍了BP神经网络自适应PID以及RBF神经网络自适应PID控制策略的基本原理以及算法,并对比了二者的响应速度和鲁棒性。仿真结果表明,在SR电机调速系统中,利用神经网络收敛迅速的优点,两种控制器均能实现对给定转速快速、稳定的跟踪,并能适应系统参数的变化,具有良好的适应性和鲁棒性。但RBF-PID调速系统响应速度更快,更适用于实时控制的系统。     

神经网络内模控制在并联有源滤波器中的应用研究

有源滤波器(APF)的控制是一个典型的非线性控制过程.非常适合用神经网络来实现.本文提出一种应用于并联有源滤波器系统的神经网络内模控制方法.采用离线训练和在线修正的方法,通过对APF补偿电流的在线估计,建立了系统的神经网络内部模型.神经网络最优控制器根据神经网络模型的输入、输出响应产生合适的PWM控制信号.基于Matlab/Simalink环境建立了模型并进行了仿真,仿真结果验证了该控制方法的有效性.     

感应电机高性能鲁棒速度跟踪控制器设计

针对系统模型不确定性和干扰对矢量控制性能的影响,利用Q-参数化理论设计控制器,设计了一种简单有效的感应电机速度控制策略。该速度控制器由鲁棒转子磁链估计器(RRFE)以及参考模型跟踪控制器(RMTC)两个部分构成。RRFE主要用于转子磁链估计,以确保转子磁链获得快速准确的定向,而RMTC则在电机参数发生变化和出现干扰的情况下,获得磁链和转速的渐进跟踪性能。仿真试验结果表明,干扰得到有效抑制,系统具有较好调速性能。     

高功率因数无电解电容永磁电机变频系统逆变器电流控制策略

针对无电解电容永磁电机变频系统母线侧采用小容值薄膜电容,导致母线电压产生大幅度波动、系统的输入功率因数难以满足实际应用的问题,提出一种高功率因数的无电解电容永磁电机变频系统逆变器电流控制策略。分析系统输入电流导通角和相位偏移角对输入功率因数的影响,结合输入电流导通角对逆变器电流进行控制,并采用带相位补偿的比例谐振控制器对系统延时进行补偿,其输出作为电机q轴电流给定。利用电网电流的间接微分量前馈补偿到电机q轴电流给定上,以提升逆变器电流控制效果并减少输入电流中的谐波含量。在无电解电容永磁压缩机变频实验平台上进行实验验证,实验结果表明,采用该策略能够显著提高系统的输入功率因数并减少谐波电流。     

基于Elman神经网络控制的无刷双馈电机最大功率点追踪研究

本文以风力发电系统无刷双馈感应电机的最大风能追踪控制为主要研究内容，提出了基于Elman神经网络的最大功率点算法，重点描述了该方法的原理与控制方式，并设计了Elman神经网络的控制器，通过调节桨距角来对无刷双馈电机转矩进行控制，从而实现最大功率点追踪，并具体阐述了神经网络控制的原理以及过程。最后，为了验证最大功率点追踪控制方法的准确性，使用MATLAB/Simulink软件搭建了风力发电系统及Elman神经网络控制器的模型，对5MW风力发电系统进行仿真研究并验证了控制效果。     

基于单片机的步进电机开环控制系统

通过ATMEL89C51单片机对步进电机进行控制,主要介绍了步进电机控制器、驱动电路和LED显示电路的设计,实现了步进电机的开环控制。在步进电机控制器的设计中,重点阐述了脉冲产生电路以及对速度的控制。该系统具有成本低、控制方便的特点。     

基于神经网络预测控制的PMSM伺服系统的仿真研究

在PMSM伺服系统中,电机大多采用的是矢量控制,参数的变化、负载扰动等因素对系统的稳定性、可控性影响较大.现有的控制策略大多是滞后的,无法根据未来动态行为产生理想电机电压输入.提出了一种基于神经网络的PWM预测控制方法.采用离线训练和在线修正的方法,获得PMSM神经网络模型,并在控制过程中修正模型.最优控制器根据该模型的输入、输出响应产生合适的电压波形.在Matlab/Sim-ulink环境下完成仿真,结果表明,较之PI控制器,神经网络预测控制具有更好的动态性能和鲁棒性.     

基于单相逆变器的比例谐振控制设计

在单相并网逆变器的应用中,电流控制器的参数对系统输出电流的质量起着至关重要的作用。在负载电流突变时对逆变器输出电流进行有效控制是检验其并网能力的有效方法。本文提出了一种使系统达到最佳性能的比例谐振控制器参数设计方法。通过对系统建模分析推导出系统传递函数,利用系统开环幅频特性来确定比例谐振控制器参数以获得更好的动态性能,在系统带宽内达到理想的系统增益,充分发挥了比例谐振控制器在静止坐标系下对基频电流无静差跟踪的优势。最终通过仿真和实验验证了该分析方法的有效性。     

基于单片机的步进电机开环控制系统

通过ATMEL89C51单片机对步进电机进行控制，主要介绍了步进电机控制器、驱动电路和LED显示电路的设计，实现了步进电机的开环控制。在步进电机控制器的设计中，重点阐述了脉冲产生电路以及对速度的控制。该系统具有成本低、控制方便的特点。     

基于重复控制的无刷直流电机控制

提出了一种利用插入式重复控制方法来抑制电机电磁波动力矩控制方案,通过对无刷直流电动机系统波动力矩数学模型的分析,得出波动力矩的产生机理及其特点;根据对波动力矩的分析设计了插入式重复控制器,并对控制器进行了仿真验证,仿真结果显示基于该控制器的无刷直流电机系统对波动力矩的抑制效果很好,直流电机调控性好、运行平稳。     

基于RBF神经网络的开关磁阻电机单神经元PID控制

论文提出了一种基于径向基函数（radial basis function）神经网络在线辨识的开关磁阻电机（SRM）单神经元PID自适应控制新方法。该方法针对开关磁阻电机的非线性，利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器，不但结构简单，而且能适应环境变化，具有较强的鲁棒性。并构造了一个RBF网络对系统进行在线辨识。建立其在线参考模型．由单神经元控制器完成控制器参数的自学习，从而实现控制器参数的在线调整，能取得更好的控制效果。样机的实验结果表明，文中所提出的基于RBF神经网络辨识的开关磁阻电机单神经元自适应PID控制方法，通过在线辨识建立了过程模型并为神经元控制器提供了梯度信息，达到了在线辨识在线控制的目的，控制精度高，动态特性好。