交流电机模型参考自适应控制系统的仿真

分析了模型参考自适应控制系统的结构特点.利用简单实用的飞升曲线法建立交流电机的数学模型,并以此为基础建立被控对象的参考模型.运用Narendra模型参考自适应控制理论,设计了交流电机转速控制的模型参考自适应控制系统.此控制系统可以抑制干扰,具有较快的响应速度.并通过仿真实验验证所设计系统的可行性.     

感应电动机的自适应控制建模与仿真

本文介绍一种感应电动机的自适应控制仿真.在转子电阻和负载未知的前提下,控制器首先采用二阶滤波环节平滑参考转速指令,然后将系统中某一信号作为虚拟控制信号,进而使系统简化,再应用李亚普诺夫稳定性理论实现该虚拟控制信号,同时对未知参数进行估计.该设计方法对于电机参数的变化具有鲁棒性.在Matlab/Simulink中搭建了感应电动机自适应控制系统的仿真模型,仿真结果表明,用该方法设计的感应电动机控制系统能够获得很好的转速跟踪和磁链跟踪性能.     

异步电机无速度传感器矢量控制系统的研究

为了实时辨识电动机的转子转速,提出利用在异步电机端测量得到的电压和电流来估算电机转速,以实现无速度传感器矢量控制的模型参考自适应方法.在MATLAB/Simulink中,建立了一个基于该方法的无速度传感器矢量控制系统,并进行了仿真实验,仿真结果表明该系统具有良好的动静态特性和稳定性.     

无刷双馈风力发电机的无速度传感器矢量控制技术

为克服在无刷双馈发电机(BDFG)矢量控制系统中安装速度传感器给控制稳定性和精度带来的不良影响,提出了基于定子功率侧磁链观测的模型参考自适应转速辨识控制策略.该策略是对BDFG功率侧的定子磁链进行观测得到参考模型,再设计可调模型,利用调节两模型间的误差来估计转速.建立了MATLAB/Simulink环境下控制系统的仿真模型,仿真研究结果表明,所提出的速度自适应观测器可实现在静态和动态情况下电机速度的精确辨识和有功与无功的解耦控制,并在小功率的无刷双馈发电机平台上进行了实验,结果验证了控制方案的有效性和可行性.     

模型参考自适应的应用研究

介绍了一种按波波夫超稳定性理论设计的模型参考自适应（ＭＲＡＣ）直流电机转速控制系统,克服了二次型最优控制方案无法实现的困难,提高了转速的控制精度,开拓了自适应控制技术的应用前景。     

电机同步传动自适应模糊PID控制算法研究

本文通过引入自适应模糊 PID 控制方法对交流异步电机同步传动系统进行控制,以实现交流变频调速系统中的无轴同步传动.该算法不依赖于对象模型,充分考虑系统优化过程的特点,把李雅普诺夫稳定性原理和模糊控制理论两种方法相结合,根据控制对象的实时特征自适应调整控制参数.仿真结果表明,控制系统在起动和突加扰动过程时,自适应模糊PID控制均能取得比传统PID控制更加优越的控制效果,电机的转矩和转速响应较为平稳,整个控制系统具有较好的动态和静态特性.     

基于Matlab无刷电动机模型参考自适应控制的研究与实现

本文在分析无刷电动机数学模型的基础上,建立了控制系统的仿真模型,提出了直流无刷电机调速系统模型参考自适应控制的新方法.在双闭环调速系统中,电流环采用电流滞环控制,转速环采用间接参考模型自适应控制,控制器参数估算采用最小二乘算法.仿真结果表明:这种新型的间接模型参考自适应控制方法响应快、无超调、鲁棒性强、抗干扰能力好,较传统PI控制具有更好的动、静态特性.     

感应电机双滑模面变结构MRAS转速辨识

为了研究感应电机无速度传感器磁场定向控制系统,基于变结构控制和自适应控制理论,提出一种双滑模面变结构模型参考自适应观测器,用于感应电机的转速辨识.该方法将变结构和模型参考自适应系统进行有机的整合,选择转子磁链电压模型和电流模型分别作为参考模型和可调模型,采用两模型输出的偏差构造了两个滑模面,利用代数计算方法获得转子估计速度.理论分析和仿真结果表明:所提出的感应电机转速辨识方法具有较高的转子磁链观测准确度,改善了转速估计的动静态性能;对于参数变化具有很强的自适应能力,同时算法简单,适用于实时应用.     

矢量控制系统的速度控制及速度辨识新方法研究

介绍了异步电动机矢量控制系统神经网络速度控制器的设计方法;同时提出了将开环直接计算与模型参考自适应方法相结合的神经网络混合转速辨识模型。仿真结果表明,基于该速度控制器和速度估计器的矢量控制系统动静态性能好,解决了瞬时无功模型参考自适应方法的转速不稳定问题,转速估计精度高。     

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...     

无刷直流电机的模型参考模糊自适应方法及实验研究

将模糊控制器植入模型参考自适应控制系统构架中,主模糊控制器用于取代传统模型参考自适应控制中的反馈控制器,模糊逆模型结合自适应调整算法取代复杂的常规自适应规则,形成了模型参考模糊自适应控制方法.将此方法应用于无刷直流电机(BLDCM)调速系统,设计模型参考模糊自适应速度控制器,仿真及基于dSPACE的实验结果表明:控制系统运行平稳,速度跟踪快速准确,具有良好的动、静态特性.     

无刷直流电动机的神经网络模型参考自适应逆控制

提出了无刷直流电动机的神经网络模型参考自适应逆控制的新方法。在无刷直流电动机的双闭环控制系统中,电流环采用电流分时反馈控制的方式,神经网络的模型参考自适应逆控制控制器代替原来速度环的常规PID控制器。仿真结果表明控制系统具有响应快、无超调、抗干扰能力好以及稳态误差小等优点,其动、静态性能均优于常规PID控制。     

无刷直流电机控制策略的仿真研究

为改善无刷直流电机的调速性能,研究了基于模糊控制思想的模糊控制器及其在BLDCM控制系统中的应用。在Matlab仿真平台下,建立了BLDCM的模型,构建了BLDCM转速闭环控制系统,其中转速控制器分别采用了模糊控制器和普通PID控制器。仿真结果表明：与常规PID控制器相比,采用模糊控制器的优势在于转速输出无超调、响应速度快、控制精度高,具有较强的鲁棒性和自适应能力。     

无刷直流电机自适应模糊控制的研究

无刷直流电机(BLDCM)的高性能控制研究始终是运动控制领域中的一个重要研究方向，模糊自适应方法的提出为BLDCM控制系统的设计带来了全新的思路。基于BLDCM数学模型，利用结合自适应策略的模糊控制方法，实现转动惯量变化情形下转速的快速跟踪控制，并通过李亚普诺夫函数证明了速度控制器的稳定性。基于模块化建模工具Matlab，simulink建立BLDCM控制系统模型，采用dSPACE实时仿真环境自动生成控制回路的实时代码，构建便捷高效的在线实时控制平台。仿真及实验结果证明：控制系统运行平稳，自适应模糊策略具有良好的静、动态特性。     

基于扩张状态观测器的永磁无刷直流电机滑模变结构控制

根据无刷直流电机的数学模型和滑模变结构控制的特点,把换相引起的相电流变化当作外界对电机的干扰,建立了一个模型。根据此模型,构造了滑模变结构控制器,运用其对各种扰动不敏感的特性来抑制各种干扰对电机的影响。扩张状态观测器是一种性能良好的观测器,它不仅能得到不确定对象的状态,还能获得对象模型中内扰和外扰的实时控制量。电机的负载转矩用扩张状态观测器来准确估计,所以把它当作一个已知扰动来控制,这样提高了系统的控制精度。MATLAB仿真表明,与经典PID控制器相比,用滑模变结构控制器控制无刷直流电机,超调量小,速度响应快,且速度响应受电机参数变化影响小,各种外界干扰也得到了很好的抑制。用TMS320LF2407ADSP来搭建硬件电路,证明本控制器在实时控制中取得了很好的实验性能。     

基于Matlab人机界面的无刷直流电机自适应控制

提出了基于改进的RBF神经网络的无刷直流电机自适应控制新方法.该方法首先利用由Matlab中的RBF神经网络函数设计出的人机界面平台对无刷直流电机进行离线辨识,确定RBF神经网络的网络结构及初始权值;再采用RBF神经网络在线算法在线辨识无刷直流电机模型,获得PID参数在线调整信息,并由单神经元PID控制器参数的在线自整定,实现系统的智能控制.由于该算法具有自适应确定网络结构和无需人为确定网络初始权值的优点,因此减少了网络训练的随机性,提高了训练精度.实验结果表明,该控制方法具有较高的鲁棒性和控制精度.     

改进滑模观测器的BLDCM无模型自适应控制

为了解决传统滑模观测器(SMO)的抖振与相位延迟问题以及传统PI控制动态性能差的问题。首先提出了一种新型的切换函数对传统滑模观测器进行了改进,这种新型的切换函数是用双边界层的思想实现的,并且将改进的滑模观测器运用到无刷直流电机(BLDCM)直接转矩控制系统中,实现了无刷直流电机无位置传感器控制,其次将全格式线性化无模型自适应控制(MFAC)算法应用于无刷直流电机调速控制器的设计中。仿真结果表明,改进的滑模观测器的反电动势观测误差比传统滑模观测器小了4%左右,并且无模型自适应控制的动态性能要优于传统PI控制。改进的滑模观测器能够准确地估计无刷直流电机的反电动势,有效地削弱抖振,无需额外增加低通滤波器,简化了系统结构。无模型自适应控制算法提高了系统的鲁棒性、稳定性和快速性。     

基于微粒群单神经元的BLDCM调速算法研究

无刷直流电机(BLDCM)是一种多变量、非线性的系统,传统控制算法难以满足系统的控制要求,针对这一现状,提出了一种基于微粒群单神经元的自适应速度控制算法,该算法利用单神经元在线调整连接权值的能力实现自适应控制,以微粒群优化算法对单神经元的学习步长进行在线优化,提高了单神经元的自学习、自适应能力。仿真实验表明,系统超调量小、转速响应快、转速波动小,比传统PID速度控制具有更好的动静态特性和鲁棒性。研究结果为分析和设计BLDCM控制策略提供了有效的平台,具有一定的理论和工程实际意义。     

基于预测模型双模糊分数阶PID的BLDCM调速系统优化控制

无刷直流电机（BLDCM）具有复杂的非线性系统,强耦合、变量多等特点,传统的PID控制无法获得满意的控制效果。为此,在模糊控制、分数阶微积分及模型预测相关理论的基础上,提出了预测模型双模糊分数阶PID控制器。分数阶控制为系统提供更多的控制余度,并采用一种间接算法（Oustaloup算法）完成整数阶PID控制的延伸和扩展,模糊控制实现分数阶PID控制参数的在线调整;建立预测模型,并引入模糊控制动态调整预测模型系数K值,实现更加精确的控制。针对模糊分数阶PID控制器中参数选择,又提出了一种改进的万有引力算法进行参数优化,增强控制器的自适应能力。仿真结果表明:基于改进万有引力算法的预测模型双模糊分数阶PID控制的BLDCM调速系统较传统的PID控制具有更快的响应速度、更小的超调量及抗负载扰动能力强等优良的动、静态性能指标。