基于混沌遗传算法的永磁无刷电机优化设计研究

以永磁无刷直流电机为研究对象,介绍了遗传算法中的自适应交叉和自适应变异,在此基础上,提出了一种应用于永磁无刷直流电机的新型混沌遗传优化算法。给出了遗传算法操作设计步骤和永磁无刷电机优化设计的流程图,完成了混沌遗传算法优化设计的理论推导。利用MATLAB软件对优化算法进行编程和仿真分析,得到电机优化前后参数对比表和混沌遗传算法寻优跟踪图,结果显示新型混沌遗传优化算法迭代次数短,优化效果好,可以为永磁无刷电机优化设计提供理论参考。     

基于BP-RBF神经网络的组合模型预测港口物流需求研究

为了准确、高效地预测港口物流需求量,提出一种基于BP-RBF神经网络的组合预测模型.考虑到物流需求的非线性变化特点,在建模过程中首先采用BP与RBF两种神经网络方法分别建立单项预测子模型,然后依据各子模型预测结果赋予不同权重进一步构建加权组合预测模型.再以汕头港为例,通过MATLAB软件对港口物流需求量进行仿真预测.结果表明,组合预测模型较单一预测模型具有更高的预测精度,能有效减少出现较大误差的概率,使预测结果更接近于实际情况,可为港口今后物流发展规划提供参考.     

基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

基于滑模和神经网络的永磁直线伺服系统控制

针对直接驱动的交流永磁直线伺服系统，提出一种将非线性神经网络控制和滑模控制相结合构成的双自由度控制策略，该控制策略解决了直线伺服系统跟踪性能和鲁棒性能之间的矛盾，滑模输入控制器保证了系统对给定的快速跟踪性能；神经网络输出反馈控制器对系统参数变化和阻力扰动（包括直线电机的端部效应力）进行很大程度的抑制，并可以削弱滑模控制的抖振对系统稳态性能的影响，仿真结果表明该方案在保证伺服系统的快速性同时，对系统参数变化和阻力扰动具有很强的鲁棒性。     

永磁同步电动机混沌系统神经网络控制研究

通过适当地选择系统参数以及外部输入，永磁同步电动机可以呈现出混沌运动状态。针对永磁同步电动机混沌模型的不确定性，采用基于正模型一逆系统的神经网络控制策略，建立混沌系统的动力学正向模型及其逆模型，实现了永磁同步电动机混沌运动的跟踪控制。仿真结果验证了该控制策略的有效性。     

基于小波神经网络的永磁同步直线电机自适应逆控制

针对永磁同步直线电机(PMLSM)受推力波动等干扰,采用反馈误差学习法,利用小波神经网络在线得到PMLSM的逆模型,避免了求取PMLSM的Jacobian信息,结合PID反馈控制,实现了PMLSM的小波神经网络自适应逆控制.仿真结果表明,与PID控制以及复合前馈PID控制方法相比,所提出的方法有效提高了PMLSM系统的跟踪性与鲁棒性.     

永磁同步电机系统神经网络逆解耦控制

提出了一种应用于全速域范围内的表贴式永磁同步电机神经网络逆解耦控制策略,该策略能够实现电机的精确解耦控制以及良好的动静态性能.在证明电机系统可逆性的基础上,对全速域范围内的线性化解耦控制特性进行了分析,针对逆解耦控制策略过于依赖系统数学模型的缺点,提出神经网络逆解耦控制策略,并设计了基于滑模变结构的附加转速与电流控制器.以一台5.2 k W永磁同步电机为被控对象进行仿真以及实验研究,结果表明,此策略能够在全速域范围内实现电机良好的解耦控制,并能够获得较好的动静态性能.     

永磁同步电机的神经网络离散位置跟踪控制

针对永磁同步电动机参数不确定及负载扰动问题,本文基于自适应和反步法技术,设计了一种永磁同步电动机离散位置跟踪控制方法。利用欧拉公式得到同步电动机驱动系统的离散数学模型,采用动态面技术,引入低通一阶滤波器对虚拟控制函数进行滤波,解决了"计算爆炸"问题;运用神经网络逼近永磁同步电动机系统中存在的未知非线性项,并将神经网络和反步法相结合,构造离散动态面位置跟踪控制器,同时对其进行稳定性分析,最后通过仿真实验分析验证了该方法的有效性。仿真结果表明,本文设计的离散控制器能够有效跟踪给定信号,实现了对永磁同步电动机良好的位置跟踪控制效果。该控制方法解决了参数不确定性以及负载扰动问题,具有一定的理论意义和实际应用价值。     

永磁同步电动机的动态神经网络SVPWM控制

针对永磁同步电动机控制系统中低速转矩脉动大以及由此引起的高频噪声、动态响应慢等问题,提出一种基于神经网络动态自整定的永磁同步电机矢量控制系统的实施方案。给出基于神经网络动态自整定PID控制器的结构,以及PID参数在线自整定的学习控制算法。将这种综合控制策略引入永磁同步电动机空间电压矢量PWM控制中,仿真结果表明系统低速性能好、转矩脉动小、谐波含量少,当电机参数改变或者受到外部扰动时,系统具有良好的动态特性。     

基于DSP的永磁同步电机控制研究

本文基于DSP的矢量控制策略对控制永磁同步电机进行了研究,并且得到了较为良好的反馈结果。通过采用TMS320F2812 DSP控制器为基础,并对系统硬件、软件进行设计,并对实验数据进行分析,结果表明该系统具有较好的控制效果。     

基于神经网络的永磁同步电动机模糊控制

针对永磁同步电动机矢量控制系统，提出了一种将神经网络与模糊控制相结合的控制方法.通过对神经网络进行训练来记忆模糊控制规则，不需要存储模糊控制表，不依赖被控对象的精确数学模型，而且该方法具有很强的自学习能力，在模型参数发生变化时，可通过调整控制器在线自学习达到最佳效果.仿真结果表明此控制方案是十分有效的，具有响应快、鲁棒性强、较好的动、静态特性等优点，基于神经网络的模糊控制特别适用于结构复杂、干扰大、控制精度要求高的系统.     

基于HCMAC神经网络的控制研究

利用HCMAC神经网络与模糊控制算法近似的特性，以偏差和偏差的变化率作为：HCMAC神经网络控制器的输入，构造一新型HCMAC神经网络控制器，克服模糊控制中模糊规则难以准确确定的缺陷。通过仿真实例看出，HCMAC神经网络控制器与常规PID控制器相比具有很好的跟踪控制精度，在时变、非线性的复杂系统中具有一定的应用价值。     

基于神经网络的迭代控制研究

利用迭代学习控制过程记忆的期望控制ud(t)、期望轨迹yd(t)以及跟踪误差ek 1(t),提出了用迭代学习控制理论进行系统控制律设计的方法,并基于神经网络的拟合算法拟合出控制系统PID控制器的参数,实现了对系统的迭代学习控制.研究表明,这种方法实现的PID控制器结构简单,作用于系统可获得较佳的动态特性和较强的鲁棒性.仿真实例表明了这种方法具有很好的可行性和实用性.     

基于HCMAC神经网络的控制研究

利用HCMAC神经网络与模糊控制算法近似的特性,以偏差和偏差的变化率作为HCMAC神经网络控制器的输入,构造一新型HCMAC神经网络控制器,克服模糊控制中模糊规则难以准确确定的缺陷.通过仿真实例看出,HCMAC神经网络控制器与常规PID控制器相比具有很好的跟踪控制精度,在时变、非线性的复杂系统中具有一定的应用价值.     

对角递归神经网络永磁同步电机的无传感器控制

分析了基于对角递归神经网络观测器控制系统的动态性能和鲁棒性能.基于对角递归神经网络观测器将实际测得的电压和电流经过坐标变换后估测出电流和角速度,用估测值与实际值的差值调节神经网络观测器连接权值,直到预测误差达到设定值.该控制器具有不依赖被控对象的精确数学模型、对外界环境变化具有学习性、自适应性及鲁棒性等特点.仿真表明,该方法具有较好的转子位置和速度跟踪特性,系统具有较强的抗负载扰动性能和控制性能,能够满足精度高、反应快、鲁棒性好的要求.     

基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

无位置传感器的永磁无刷电机转子位置检测算法

永磁无刷电机因其能源转换效率高和功率密度大等优点成为未来工业、民用电机的首选,如何在不适于安装位置传感器的应用中准确检测转子位置则成为驱动电机稳定运转的关键.文章结合电机的电气结构设计了一种"正弦波"驱动方案中的绕组反向电动势检测算法,并通过仿真软件MATLAB进行了建模与仿真,仿真结果表明该算法可行、有效.     

基于神经网络的液压伺服系统控制研究

通过对液压伺服系统的神经网络自适应控制方案的讨论研究,建立了该控制方法的系统数学模型,并采用ＭＡＴＬＡＢ软件包对系统进行了仿真,其仿真结果很好地拟合了理论分析。     

基于神经网络的液压伺服系统控制研究

通过对液压伺服系统的神经网络自适应控制方案的讨论研究,建立了该控制方法的系统数学模型,并采用ＭＡＴＬＡＢ软件包对系统进行了仿真,其仿真结果很好地拟合了理论分析。     

基于模糊神经网络PID的永磁同步直线电机控制算法研究

针对永磁同步直线电机(PMLSM)系统模型参数的时变性、非线性以及负载扰动等问题,在建立永磁同步直线电机的动态数学模型的基础上,结合传统PID算法和具有强自适应能力、强抗干扰能力的模糊神经网络智能算法的优点,提出一种基于模糊神经网络PID的永磁同步直线电机控制算法。运动控制系统仿真实验结果表明:系统经模糊神经网络PID控制静态误差为零、干扰影响小,过渡过程时间缩短近50%,相对于传统PID控制和模糊PID控制具有更高的控制精度、更好的动态特性和静态特性。