最优预见补偿控制在PMLSM伺服系统中的应用

简要地介绍高精度、微进给永磁直线交流同步电机（ＰＭＬＳＭ）伺服系统的ＩＰ位置控制后,提出对该系统的最优预见前馈补偿,以提高系统的跟踪性能。     

永磁直线电机扰动力的在线辨识与补偿

研究双永磁直线电机（PMLM）同步控制系统.根据系统阶跃响应分析扰动力的动态特征,获取扰动力的波动频率.提出系统参数的在线辨识算法,并运用前馈补偿来减小扰动力对系统同步性能的影响.仿真结果表明：该控制方法能显著减少系统电机之间的同步误差,进而提高系统的鲁棒性.     

自适应预测控制在炉温控制中的应用

针对一类具有大滞后及模型慢时变的温度控制系统 ,提出了一种自适应预测控制方案。并以煤气罩式退火炉为例 ,建立了该过程的数学模型 ,提出了有煤气压力干扰补偿方案。仿真结果表明 ,该方法增强了系统的跟踪性及鲁棒性。     

基于转矩前馈补偿的双永磁电机系统转速同步控制

针对负载转矩扰动造成的双永磁电机系统转速同步性能下降的问题,提出采用观测器测量负载转矩并进行前馈补偿的策略,以减小负载转矩扰动对系统同步性能的影响。首先基于电机数学模型设计了负载观测器,根据传感器测量得到的机械角速度与q轴电流信息准确地估计电机的负载转矩,并结合交叉耦合结构实现了两台电机的转速同步。仿真与实验结果证明：采用所提策略可以准确观测负载转矩,显著减小双永磁电机间的同步误差,大幅缩短双电机调速过渡过程,有效提升系统同步性能。     

直线电机在车磨复合机床中的应用

针对直线电机存在端部效应,运行中存在推力波动等问题,提出基于扰动等效电流在线补偿的速度控制环算法,以使系统自身参数扰动及外界负载阻力扰动,尤其是齿槽推力扰动及永磁体磁通谐波扰动对系统的影响降到最低。阐述了直线电机在数控机床上的应用特点和直线电机全闭环交流伺服驱动技术。结合研究课题介绍了直驱进给系统的调试,并获得了很好的调试效果,保证了数控机床的加工精度。     

基于H_∞控制理论的直线电机同步传动控制器设计

以两台直线电机作为高速度、高精度龙门移动式镗铣床的龙门柱纵向进给的传动机构为应 用背景,基于Ｈ_∞鲁棒控制理论设计了一种同步传动控制器．其中,由ＩＰ积分－比例位置控制器满 足位置系统跟踪性能要求;由Ｈ_∞反馈控制器保证同步精度．仿真结果表明了所提出方案的合理性 和有效性．     

多层前馈神经网络在电力系统短期负荷预测中的应用

介绍了多层前馈神经网络在电力系统短期负荷预测中的应用，并对这些方法做了评价．在此基础上，对人工神经网络技术在短期负荷预测中的应用进行了展望．     

永磁直线同步电动机自适应摩擦补偿控制

针对永磁直线同步电动机（PMLSM）伺服系统的精度受非线性摩擦力、动子质量变化等因素影响这一问题,设计了基于库仑摩擦的模型参考自适应系统,以对摩擦力进行在线补偿.设计了满足系统位置性能要求的IP位置控制器;将模型参考自适应参数辨识器与摩擦补偿自适应控制系统相结合,采用模型参考自适应参数辨识器对变化的动子质量加以辨识,使基于库仑摩擦的模型参考自适应系统中的动子质量参数得到更新.仿真结果表明,该方法提高了系统的位置跟踪精度,同时增强了系统的鲁棒性能.     

直线电机在机床传动中的应用

直线电机能直接产生直线运动, 大大地简化了机床进给系统的结构． 本文对机床传动中直线电机的类型和特点、工业直线电机、应用前景及经济效益等方面进行了分析, 最后提出了采用直线电机时, 对机床结构的要求及布置形式．     

前馈控制与点阵在空调节能中的应用

通过使用压电陶瓷制成点阵状的传感器,感应进出空调房间的人流,判别进出人员的性别、身高、体重和行进方向,从而对中央空调系统做出较精确的前馈控制,达到减少空调系统的瞬时冷负荷及新风量,在满足人体热舒适性要求的同时减少空调系统的能耗。     

比例阀控马达自调节前馈补偿跟踪控制

目的针对负载特性是以静扭矩为主的阀控马达电液比例伺服系统的位置跟踪控制,研究在变增益、变死区非线性因素影响下的跟踪性能问题.方法在常规复合控制结合死区补偿方法的基础上,设计了死区和自调节前馈补偿的综合控制方法.结果实验结果表明,在负载扭矩大范围内变化下,正弦和等速跟踪均取得了令人满意的跟踪效果.结论死区和自调节前馈补偿的综合控制方法解决了阀控马达电液比例伺服系统由于变增益、变死区引起的位置跟踪精度问题.     

基于前馈补偿的模糊PI永磁同步电机调速系统

针对永磁同步电机在负载突变或受干扰时存在鲁棒性差、抗干扰性能不足等问题,提出一种基于前馈补偿的永磁同步电机模糊PI控制调速系统。此系统将电机联结轴的摩擦力、负载所需要的力矩以及负载惯量所产生的力作为总扰动,建立扰动前馈模块,将总扰动辨识出来,并且补偿到速度环上,可以很好地解决在电机负载变化时,电机的响应速度无法跟上系统的问题。对比模型的仿真结果表明,基于前馈补偿的模糊PI永磁同步调速系统具有较好的抗干扰性能和鲁棒性。     

扫描隧道显微镜精密工作台的神经网络控制

针对目前扫描隧道显微镜超高精度位移的要求,提出了一种基于神经网络的精密工作台控制方案。在分析微位移机构工作原理的基础上,建立了工作台的数学模型。神经网络辨识器在线辨识工作台的机械参数,神经网络自学习PID控制器代替传统PID控制器,实现了样本的在线采集,有效克服了神经网络控制器需要离线训练的缺点。利用BP网络的自学习和自适应能力,实时调整网络加权值,改变控制器的控制系数,增强了系统的实时控制性能。实验结果表明,相对于传统PID控制算法,参考位移量为10μm时,达到稳态值的时间从3.8 s缩短到1.8 s,稳态误差从4.2%减小到1.9%。     

旋转型行波超声电机的模糊预测控制

利用模糊预测控制对旋转型行波超声电机的速度控制进行了研究。使用预测输出,在线辨识电机参数,通过模糊控制器完成对参考信号的跟踪。仿真结果表明控制器有效,跟踪性能良好。     

无电压前馈解耦环节异步电机闭环矢量调速系统的实现

提出了带有电流内环控制电压型逆变器输出的异步电机转子磁链定向闭环矢量调速系统可省去电压前馈解耦环节的观点,理论上作了证明,实验上验证了该系统的转矩电流分量和励磁电流分量有良好的解耦控制特性.     

基于CARIMA模型GPC算法的感应电机直接转矩控制

针对感应电机直接转矩控制在低速时转矩脉动大等缺点,本文首次提出了一种基于CARIMA模型的广义控制算法,并使其应用于感应电机的直接转矩控制。该算法直接作用于直接转矩控制中的转速控制,不依赖于电机的具体模型,通过系统辨识与参数估计获得算法模型参数,具有在线辨、滚动优化和对模型的要求不高等优点。通过仿真表明,此算法提高了感应电机直接转矩控制的控制精度和低速性能。     

模型预测控制在锅炉控制系统中的应用

针对辽宁华锦热电厂锅炉实际系统,引入模型预测控制策略,优化了控制量.并且采用霍尼韦尔PKS系统中先进的Profit Loop控制器,实现锅炉主蒸汽压力的模型预测控制,使主蒸汽压力稳定,执行机构变化平稳,达到了现场工艺要求,取得了良好的控制效果.     

Optimal Actuator Placement and Active Vibration Control of Over-Actuated Motion System in the Wafer Stage

The null space of the 6-DOF gain decoupling matrix of actuators and a modified velocity feedback controller are adopted to suppress the vibration of the wafer stage during exposure. To deal with varying flexibilities at different performance locations, the vibration controller is designed to be a time-variant linear quadratic regulator, using the conventional gain scheduling method, which could provide good vibration control for each field under exposure. This control method can guarantee the stability of the closed-loop system and will not deteriorate the rigid modes control of the wafer stage. To minimize the control spillover caused by the higher uncontrolled modes, actuator placement is optimized to minimize their controllability grammians in modal coordinates. An unconstrained rectangular plate is used to represent the fine stage of the wafer stage. Effectiveness of the proposed method is verified on the plate through a closed-loop simulation.     

多层前馈神经网络在自动控制系统中的应用

基于神经网络所具有的灵活强大的学习能力,提出了一种用多层前馈神经网络实现的控制器．该控制器通过学习系统的逆动力学特性,能由系统反馈回的输入／输出状态及未来期望输出值直接得到应加在系统输入端的控制量．另外,通过引入系统的神经网络正向模型,可将系统输出端的误差经网络逐层反传,在线调节神经网络控制器的权重,从而使控制器具有自学习能力,以适应控制对象参数的变化,确保良好的控制效果．