参数在线跟踪的交流传动系统双神经网络自适应规划控制

本文将Hopfield神经网络引入交流传动系统自适应控制，通过神经网络来规划交流调速系统的速度控制器动态输出，使速度控制具有对某些参数变化的一定程度的鲁棒性，对于不同可控的负载转矩分量，加入作者先前所提出的参数自动跟踪神经网络，构成具有参数在线跟踪功能的交流传动双神经网络自适应规划控制模式，进一步提高了系统的控制性能。     

参数在线跟踪的交流传动系统双神经网络模型参考自适应控制

该文研究的目的在于将一种具有优越的非线性并行处理特征的神经网络引入自适应控制器的设计中，将其并行收敛特性和便于实行的参数设计原则与模型参考自适应控制模式结合起来，进行具有很高自适应控制要求的交流传动系统控制器设计。该文将Hopfield神经网络引入交流传动系统的模型参考自适应控制，通过神经网络控制器来给出交流传动系统的励磁及速度控制器输出，使控制效果具有对某些参数变化的一定程度的鲁棒性。对于不可控的负载转矩分量，加入参数自动跟踪神经网络，构成上有参数在线跟踪功能的交流传动双神经网络模型参考自适应控制模式，进一步提高了系统的控制性能。结果充分证明了Hopfield神经网络在处理自适应交流传动系统控制问题中的适用特征。     

参数在线跟踪的直流传动双神经网络模型参考自适应控制

针对在“基于Hopfield神经网络的直流传动系统模型参考自适应控制“^[8]一文中指出的所提神经网络控制器在负载转矩未知和变化情况下的缺陷,将作者先前所提出的交流传动系统参数自动跟踪神经网络^[2]引入直流传动系统,构成具有参数在线跟踪功能的直流传动双神经网络模型参考自适应控制模式,进一步提高了系统的控制性能。     

带负载转矩补偿的 PMSM 交流伺服系统自适应控制

设计了一个基于ＤＳＰ和ＰＭＳＭ自适应速度控制器，使用了模型参考自适应方法，具有计算量小的特点，能实时辨识系统参数，采用自适应负载转矩观测器补偿负载转矩扰动，实验表明本控制器在系统参数变化和负载转矩扰动的情况下具有良好的自适应能力。     

基于Hopfield神经网络的直流传动系统模型参考自适应控制

本文将Hopfield神经网络引入直流传动系统的模型参考自适应控制,通过神经网络模型参考自适应控制器来给出常规双闭环调速系统的速度控制器外环动态输出,使速度控制具有对某些参数变化的一定程度的鲁棒性     

永磁同步电动机的模型参考自适应速度控制

本文介绍了一个基于DSP的PMSM自适应速度控制器,其使用了模型参考自适应方法．具有计算量小的特点,能实时辨识系统参数,采用自适应负载转矩观测器补偿负载转短扰动。仿真和实验表明本控制器在系统参数变化和负载转矩扰动的情况下具有良好的自适应能力。     

基于递归模糊神经网络的感应电机无速度传感器矢量控制

该文提出了一种控制性能较好的递归模糊神经网络(RFNN)无速度传感器感应电机矢量控制方法，该方法使用模型参考自适应方法辨识转子磁场位置和转速，采用递归模糊神经网络控制器作为转矩控制器来近似系统最优控制器输出。仿真实验表明，当系统参数动态变化或受到外部不确定性因素的影响时，利用神经网络来在线动态的调整网络的隶属函数参数以及神经网络递归权值，使系统仍将具有很好的动静态性能。     

开关磁阻电机直接自适应神经网络控制

针对开关磁阻电机调速系统存在的未知参数波动和外部负载扰动问题,提出了直接瞬时转矩控制下的基于最小学习参数的直接自适应神经网络控制算法实现开关磁阻电机高品质调速控制。采用RBF神经网络对包含未知参数波动和外部负载扰动等不确定项的理想控制律进行整体逼近。将神经网络理想权值的范数作为在线估计参数,使在线学习参数由多个权值减少为一个,降低了控制器的计算负担。基于李雅普诺夫函数的稳定性分析保证了闭环调速系统半全局一致最终有界稳定。与PI控制的对比仿真试验表明,直接自适应神经网络控制器能够有效地提高开关磁阻电机调速系统对参数波动的自适应性和对外部负载扰动的鲁棒性。     

基于参数辨识的永磁伺服系统转速自适应控制

针对伺服电机驱动中转速控制器性能因伺服系统参数变化而下降的问题,提出一种基于参数辨识的转速自适应控制方法。对于转动惯量的变化,在连续域建立模型参考自适应系统(MRAS),通过Popov超稳定性理论设计一种比例+积分(PI)型自适应律,提高了惯量辨识的收敛速度和稳态精度。对于负载转矩,提出一种基于中间变量设计的扰动观测器。将辨识值反馈至速度控制器中,实现控制器参数在线自整定。试验结果表明,所提转速自适应控制方法能准确辨识出转动惯量和负载转矩从而进行控制器参数调整,该方法对参数变化具有良好的鲁棒性。     

基于模型参考神经网络的异步电机鲁棒速度控制方法

提出一种新型的基于模型参考神经网络的异步电机驱动系统鲁棒速度控制方法。由带负载转矩观测器的两层神经网络对象辨识器(NNPI)对未知的电机动态参数进行实时的自适应辨识与估计。由双层神经网络PI控制器(NNC)对异步电机转子速度进行鲁棒控制。神经网络使用学习算法以自动调节NNPIC的参数并有效地降低系统对参数变化以及负载扰动的敏感度。仿真结果表明该方法对于参数变化和负载转矩扰动具有很强的自适应能力,能够提高异步电机的性能,并减小其对参数变化、非线性影响以及负载扰动的敏感度。     

Adaptive Fuzzy Speed Control for Permanent Magnet Synchronous Motor Servo Systems

In this article, an adaptive fuzzy speed controller based on the back-stepping method is designed by considering the existence of parameter variations and load disturbances in the permanent magnet synchronous motor servo system. The adaptive fuzzy logic system is used to approximate the non-linear parts of the servo system on-line. An obvious advantage of this method is that servo system parameters, such as stator resistance, stator inductance, flux, inertia, and load torque, are not necessarily known during controller design. Moreover, the influence of parameter variations and load disturbances is effectively inhibited, and the speed tracking performance is improved. By adopting the Lyapunov method, it is proved that both the speed error and the current error converge exponentially. Simulations and experiments indicate that the designed controller performs with better adaptivity and robustness compared with the proportion integration (PI) controller, thus showing its advantages in practical applications.     

无速度传感器的感应电机神经网络鲁棒自适应控制

针对感应电机定子电阻和负载转矩参数的不确定性,提出了无速度传感器的感应电机神经网络鲁棒自适应控制方案。用反步法设计了一种可以将各状态变量跟踪误差和神经网络各权值限制在规定范围内的神经网络鲁棒自适应控制器,提出了相应的算法,用Lyapunov定理对其稳定性进行了证明。提出了一种可以估算转子磁链和转速的观测器及相应的算法。仿真研究表明,所提出的感应电机无速度传感器控制方案对电机定子电阻、负载转矩的鲁棒性强,动态性能好,速度估算较精确。     

PMSM位置伺服系统的自适应反步滑模控制

针对PMSM位置伺服系统参数和负载的不确定因素,借助于反步设计思想与自适应控制和滑模控制相结合,研究该系统的位置跟踪自适应反步滑模控制器.利用Lyapunov理论,获证该系统在所获控制器作用下是全局渐近稳定的.数值实验显示,该控制器能有效抑制系统参数和负载转矩的变化,系统的鲁棒性强,位置输出能有效跟踪参考信号.     

单神经元PID控制器在直接矢量控制中的应用研究

异步电机矢量控制改善了电机的转矩控制特性,但是由于系统运行过程中一些不可控或不确定的因素,传统PID控制难以满足精度高、反应快、鲁棒性好的要求。基于单神经元网络设计了用于矢量控制的增益自调整的自适应磁链和速度控制器,并运用改进的学习与控制算法,实现单神经元PID控制器的参数优化与在线自动调整。仿真与实验结果表明：单神经元PID控制器可以改善异步电动机矢量控制的性能,具有较强的自适应性与鲁棒性。     

基于神经网络自适应PID控制的船舶操纵研究

本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应ＰＩＤ控制方案。该控制结构有两上子神经网络组成,一个三层ＢＰ神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有ＰＩＤ结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。     

Robust Sliding Mode Speed Controller-based Model Reference Adaptive System (MRAS) and Load Torque Estimator for Interior Permanent Magnet Synchronous Motor (IPMSM) Drives

This paper presents a robust sliding mode control (SMC)-based model reference adaptive system (MRAS) aimed at improving the dynamic performance of interior permanent magnet synchronous motor (IPMSM) drives. MRAS following a speed controller for IPMSM drives is developed. The error signal between the plant speed and MRAS speed is augmented to permit the prescribed specifications be maintained using SMC. The load disturbance is detected using a load torque estimator and is compensated through the q-axis current reference value. The load torque estimator is used to provide a feedforward value in the speed controller in order to decouple the load torque from the speed control. This method can improve IPMSM dynamic performance against the disturbance torque without increasing SMC gain due to both chattering and stability limitations. The complete field-oriented control of an IPMSM drive with the proposed controller is successfully implemented in real time using the DSP-DS1102 control board for a laboratory 1-hp motor. A performance comparison of the proposed controller with the conventional PI controller is also provided. The efficacy of the proposed controller is verified by simulation and experimentation under different operating conditions. It is found that the proposed controller provides an excellent speed response under load torque disturbance and parameter uncertainty.