永磁交流伺服系统参数自学习模糊控制器设计与实现

为进一步改善永磁交流伺服系统的动静态性能,设计了一种基于单神经元的参数自学习模糊控制器,它在控制规则数与二维控制器相当的基础上,可实现三维模糊控制的效果。模糊推理方法基于相平面,直接输入连续量进行推理,计算量小。引入的单神经元采用改进的BP算法来实现比例因子的在线自学习。该控制器结构及算法简单,易于解析实现,具有通用性。将其用于永磁交流伺服系统,实验结果验证其控制性能较PI算法更佳,提高了系统的性能。     

电液位置伺服系统的模糊神经网络控制

针对电液位置伺服系统中的非线性、参数时变性等复杂因素,设计了一种模糊神经网络控制方案。由于常规的模糊神经网络学习算法具有权值调整复杂,收敛速度慢的缺点,因此采用模糊逐级误差逼近方法来调整模糊神经网络的权值。该算法易于实现,网络权值在线学习速度较快,而且计算量小于其他的常规神经网络学习算法。将该方法应用于电液位置伺服控制系统中,在对象参数摄动情况下,进行了仿真研究。仿真结果表明,采用该方法所设计的控制器满足系统对快速性和稳态精确度的要求,系统的鲁棒性增强,验证了方法的有效性。     

位置伺服系统的闭环离散学习控制

针对位置伺服系统的干摩擦,齿轮间隙等非线性影响,提出了一种闭环离散学习控制方法,给出了该方法的控制结构及收敛性条件,将该方法应用于一种双拇指型机械手的单关节位置控制,设计了基于８０９８单片机的机械手位置伺服系统闭环离散学习控制器。实验结果表明,在经过数次迭代学习后,闭环离散学习控制可使位置伺服系统达到良好的控制性能。     

电液伺服液系统的模型参考模糊控制

针对实际戒严生产中广泛存在的一类阻尼比很小的电液伺服系统,提出了一种模糊型参考模糊控制算法,给出了仿真和实时控制结果,并与传统方法作了比较,该方法设计简单,在线计算量小,能有效改善系统特性,易于工程实现。     

永磁同步电机伺服系统参数自整定策略

针对传统PI控制存在的缺陷以及永磁同步电机伺服系统运行过程中转动惯量变化的问题,提出了永磁同步电机转动惯量在线辨识PI自整定的控制方法.在伺服系统运行过程中,通过模型参考自适应算法在线辨识转动惯量,对系统中的电流环、速度环以及位置环进行参数整定.建立伺服系统仿真模型,并与传统PI控制方法进行对比.研究结果表明,参数自整...     

基于单神经元的参数自学习模糨控制器的研究

为进一步改善永磁交流伺服系统的动静态性能，本文设计了一种基于单神经元的参数自学习模糊控制器，它在控制规则数与二维控制器相当的基础上，可实现三维模糊控制的效果。引入的单神经元采用改进的BP算法来实现比例因子的在线自学习。控制器具有结构及算法简单、易于解析实现的特点。为验证其有效性，本文通过仿真试验，将其与采用常规的PI调节器的控制系统进行比较，结果表明，这种模糊控制器具有较好的控制效果。     

基于周期性扰动学习的永磁直线电机自适应滑模位置控制

针对永磁直线同步电机伺服系统易受周期性扰动、摩擦力及参数摄动等不确定性因素影响位置跟踪精确度的问题,提出了一种基于周期性扰动学习的自适应滑模控制方法.采用滑模控制确保永磁直线同步电机伺服系统对不确定性因素具有较强的鲁棒性,提高系统响应速度.利用周期性扰动学习算法学习系统中的周期性扰动并进行补偿,同时设计自适应律估计系统...     

交流伺服系统转动惯量在线辨识及负载转矩观测

伺服系统转动惯量的变化会影响伺服控制性能,为提高伺服性能需要对转动惯量进行在线辨识。在详细介绍两种永磁同步电机转动惯量实时辨识方法的基础上,提出了融合模型参考自适应算法和负载转矩观测器的混合观测模型。该混合观测模型采用模型参考自适应算法在线辨识电机转动惯量,建立降阶负载转矩观测器,实时观测负载转矩和粘性摩擦系数。仿真实验验证了该方法的有效性。     

基于模型预测变结构控制交流伺服系统

针对交流位置伺服系统存在的结构复杂及系统性能受不确定性影响严重等缺点，将模型算法控制与变结构控制结合，提出了一种新的预测变结构控制策略．该方法采用交流伺服系统的一阶ARMA模型作为预测控制的参数模型、在线实时反馈校正，利用变结构的思想求控制量，有效克服了不确定性的影响，而且控制算法简易，很好地满足了动态较快的电动机实时性要求．实验结果表明，采用本文提出的控制策略的交流伺服系统，能很好地克服非确定性的影响，且具有很高的静态精度和良好的动态跟踪性能．     

永磁同步电机位置伺服系统迭代学习控制

为了解决永磁同步电机位置伺服系统中的高阶非线性、强耦合性以及外部干扰,从而获得期望的跟踪精度,根据永磁同步电机位置伺服系统模型的特殊性提出了一种改进型迭代学习控制方法。有别于传统迭代学习控制方法中对系统误差求一阶导数,改进型迭代学习控制算法对误差求二阶导数后,设计D-型迭代学习控制策略,利用数学知识严格证明了算法收敛性,并推导出其收敛条件。算法解决了传统控制难以实现高精度永磁同步电机位置伺服的问题,利用迭代学习控制策略,使得系统能够达到期望的跟踪精度。仿真和实验结果表明了该算法的有效性。相较于传统方法,迭代学习控制策略误差更小,精度更高。     

模糊CMAC神经网络控制系统及混合学习算法

针对CMAC神经网络和模糊控制的特性,给出了一种能反映人脑认知的模糊性和连续性的模糊CMAC神经网络控制器,该控制器采用高斯函数作为模糊隶属函数,利用神经网络实现模糊推理并可对隶属函数进行实时调整,从而使其具有学习和自适应能力。讨论了这种控制器的混合学习算法,即先采用混沌算法离线优化,再采用BP梯度算法在线调整,并推导了变形Elmam网络的系统辨识算法。对电厂锅炉主蒸汽温度控制的仿真结果表明了此控制器及其学习算法的可行性和有效性。     

水下机器人的动态Petri递归神经网络控制方法

针对传统的水下机器人模糊神经网络控制器存在计算量大、抗环境扰动滞后等缺点,设计递归模糊神经网络控制器,通过在线的动态反馈增强水下机器人对环境变化的反应能力.并在网络的第三层即Petri层设计阈值,根据控制器误差的在线控制网络的学习和训练量,从而减少了模糊神经网络的计算量,提高反应速度.基于反向梯度传播原理,由能量函数设计了该网络的学习算法,并根据离散型李亚普诺夫函数确定了学习率参数,从而保证整个网络的收敛性.实验结果表明,该控制器能够提高递归神经网络的计算效率,减少控制误差,对外界干扰具有较强的鲁棒性,在水下机器人的控制方面取得了更好的效果.     

基于再励学习的交流调速系统模糊神经网络控制

针对矢量控制交流调速系统,该文提出并设计了一种基于再励学习的模糊神经网络速度控制器。详细介绍了基于遗传算法的神经网络权重在线训练方法,仿真对比了输入空间的划分即模糊子集数量对模糊神经网络控制器的训练及其控制效果的影响。仿真结果表明该速度控制器能通过在线训练方式获得最优参数以适应被控对象的参数变化,能使系统获得优良的动态和静态性能。     

基于单神经元的参数自学习模糊控制器的研究

为进一步改善永磁交流伺服系统的动静态性能,本文设计了一种基于单神经元的参数自学习模糊控制器,它在控制规则数与二维控制器相当的基础上,可实现三维模糊控制的效果.引入的单神经元采用改进的BP算法来实现比例因子的在线自学习.控制器具有结构及算法简单、易于解析实现的特点.为验证其有效性,本文通过仿真试验,将其与采用常规的PI调节器的控制系统进行比较,结果表明,这种模糊控制器具有较好的控制效果.     

Output‐feedback H∞ quadratic tracking control of linear systems using reinforcement learning

This paper presents an online learning algorithm based on integral reinforcement learning (IRL) to design an output‐feedback (OPFB) H_∞ tracking controller for partially unknown linear continuous‐time systems. Although reinforcement learning techniques have been successfully applied to find optimal state‐feedback controllers, in most control applications, it is not practical to measure the full system states. Therefore, it is desired to design OPFB controllers. To this end, a general bounded L₂ ‐gain tracking problem with a discounted performance function is used for the OPFB H_∞ tracking. A tracking game algebraic Riccati equation is then developed that gives a Nash equilibrium solution to the associated min‐max optimization problem. An IRL algorithm is then developed to solve the game algebraic Riccati equation online without requiring complete knowledge of the system dynamics. The proposed IRL‐based algorithm solves an IRL Bellman equation in each iteration online in real time to evaluate an OPFB policy and updates the OPFB gain using the information given by the evaluated policy. An adaptive observer is used to provide the knowledge of the full states for the IRL Bellman equation during learning. However, the observer is not needed after the learning process is finished. A simulation example is provided to verify the convergence of the proposed algorithm to a suboptimal OPFB solution and the performance of the proposed method.     

基于混沌粒子群算法的PI控制器参数在线整定

针对PI参数人工调节费时、费力且往往结果不甚理想的问题,并针对粒子群算法易局部收敛的缺陷,采用引入混沌搜索思想的混沌粒子群算法,提出一种在线PI控制器参数整定方法。以PMSM控制系统为对象,对该方法进行了测试,测试结果显示,采用参数整定后的PI控制器,PMSM控制系统拥有良好的动态和稳态性能,证明了基于混沌粒子群算法的PI参数整定方法的可行性。     

汽轮发电机组汽门开度控制器的综合智能化设计方法

结合控制系统设计问题的特点 ,将遗传算法和再励学习分别引入到模糊神经网络控制器的离线训练和在线应用过程中 ,提出了一种综合智能化的控制系统设计思想。将其应用在汽轮发电机组汽门开度控制器设计过程的仿真结果表明 ,所设计的综合智能控制器具有良好的控制效果和更高的智能化水平 ,设计过程更加合理 ,应用简便 ,在理论和实践两方面都更具潜力。     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法,用于永磁同步电机的控制.该算法用基于BP神经网络的PID算法作为速度控制器,实现控制系统的在线自适应调整;同时用模糊理论算法作为神经网络控制器输出的限制,实现了良好的控制动态性能.在与传统的PI控制仿真比较中,该算法显示出了较好的控制性能,对负载和电机参数的变化不再敏感,且控制器可以在误差较大的时候快速跟踪指令,而在误差较小的时候实现稳定运行.     

基于模糊PID迭代学习的隧道通风控制算法研究

针对隧道施工中通风系统的时变性、不确定性和难以建模的问题,提出一种控制算法,实现隧道通风的智能化.首先,利用迭代学习算法来对模糊PID控制的3个参数kp、ki、kd进行自动寻优,实现对模糊PID参数的在线调整.其次,把寻优后的PID控制器的3个参数代入系统中,通过改变输入量和利用计算机强大的存储能力,使输出量不断逼近期望轨迹直到与期望轨迹重合.最后,通过仿真,与模糊PID仿真曲线进行比较.结果表明,模糊PID迭代学习算法的控制曲线收敛速度快,超调量小,控制性能好,能够满足隧道通风的要求,能够应用于隧道通风中,实现智能化.