基于递归模糊神经网络的PMLSM伺服控制

为了增强永磁直线同步电机（PMLSM）直接驱动系统的鲁棒性,改善系统受突加扰动情况下的性能,结合递归神经网络与模糊控制的优点,设计了基于递归模糊神经网络补偿器的PMLSM位置控制器。仿真结果表明,所设计的系统能实现对位置阶跃指令的快速无超调跟踪和稳态无静差,具有很强的鲁棒性,能够满足高精度、微进给永磁直线同步电机伺服驱动系统的要求。     

永磁直线同步电机的推力波动分析

为改善高档数控机床进给系统用永磁直线同步电机的伺服性能,需要研究减少推力波动的技术措施。文章分析了永磁直线同步电机推力波动的机理,指出齿槽效应、端部效应及法向力是引起永磁直线同步电机推力波动的主要原因。     

永磁同步电机的神经网络逆动态解耦控制

永磁同步电机是一个非线性、强耦合系统，应用神经网络逆系统方法对永磁同步电机进行动态解耦控制研究。通过对永磁同步电机的数学模型可逆性分析，得出解析逆系统，由解析逆系统与永磁同步电机原系统复合成两个伪线性子系统来构造神经网络逆系统，使永磁同步电机动态解耦成二阶线性转速子系统和一阶线性磁链子系统，并采用鲁棒伺服控制器对伪线性子系统进行线性闭环控制器的设计，实现永磁同步电机转速和定子磁链的动态解耦，仿真表明系统具有良好的动静态性能。     

高性能永磁直线同步电机鲁棒速率伺服系统的研究

文章针对高性能永磁直线同步电机（PMLSM）速度伺服系统的要求,首先提出了一种基传统观测器导出的辨识方法,对负载阻力、动子质量,粘滞磨擦系数进行在线辨识,实时补偿上述3个参数变化所造成的推力扰动。其次,设计了一个时滞补偿器,对逆变器电路电力传输滞后和转速测量滞后所造成的系统动态性能下降进行了补偿。最后,结合IP速度控制器设计了一高性能永磁直线同步电机速度伺服系统。仿真实验表明,所设计系统具有很强的鲁棒伺服性能。     

高性能永磁直线同步电机鲁棒速度伺服系统的研究

文章针对高性能永磁直线同步电机 ( PML SM)速度伺服系统的要求 ,首先提出了一种基于传统观测器导出的辨识方法 ,对负载阻力、动子质量 ,粘滞摩擦系数进行在线辨识 ,实时补偿上述 3个参数变化所造成的推力扰动。其次 ,设计了一个时滞补偿器 ,对逆变器电路电力传输滞后和转速测量滞后所造成的系统动态性能下降进行了补偿。最后 ,结合 IP速度控制器设计了一高性能永磁直线同步电机速度伺服系统。仿真实验表明 ,所设计系统具有很强的鲁棒伺服性能。     

基于PCH的永磁直线同步电机L2增益扰动抑制控制系统的研究

永磁直线同步电机具有损耗小、力能指标高、响应速度快等优点。针对其位置控制精度问题,提出了基于端口受控哈密顿系统的L2增益扰动抑制的控制方法,设计的控制系统具有良好的可靠性和稳定性。首先,从永磁直线同步电机的原始模型和能量平衡的观点出发,建立永磁直线同步电机的PCH系统模型。其次,将最大输出功率控制原理与L2增益扰动抑制控制方法相结合,设计了伺服控制系统。实验结果表明,该系统可以对负载扰动进行有效抑制,降低了稳态误差,提高了控制精度。     

基于RFNN补偿的直线伺服系统反推控制

针对永磁直线同步电机(PMLSM)伺服系统,在分析影响直线伺服跟踪精度因素的基础上,采用智能反推控制策略对该伺服系统进行有效的补偿控制。考虑参数变化、外部负载扰动和摩擦力等不确定因素对系统伺服性能的影响,设计基于递归模糊神经网络(RFNN)的反推控制器,利用了递归神经网络具有捕获系统动态信息的优点,可实时补偿不确定因素对跟踪性能的影响。仿真结果表明,控制策略明显降低了不确定因素对系统性能的影响,从而显著提高了直线伺服系统的位置跟踪精度。     

永磁同步电机伺服系统速度环控制技术

速度环是永磁同步电机伺服系统位置伺服三环控制中间环节,也是重要的控制环节,速度环控制方法和控制技术的好坏直接影响整个系统的动态响应。本文在分析永磁同步电动机工作原理和空间矢量控制原理的基础上,针对永磁同步电机位置伺服三环控制系统中的速度环控制,国内外研究的方法和控制策略进行综述,分析新型速度调节器在控制系统中的作用及工作特点,对速度控制技术方案优缺点进行总结。     

基于BP神经网络的永磁同步电机控制

针对现有永磁同步电机控制系统中存在的控制精度低、算法复杂、可靠性低,系统运行状态较差等问题,提出基于神经网络的永磁同步电机控制策略,构建了用于控制速度环比例-积分控制参数BP神经网络模型,并在Simulink仿真环境中构建了基于BP神经网络的永磁同步电机控制仿真系统,通过调速、变载等工况等验证了控制策略的可行性和有效性。     

永磁直线同步电机的遗传优化神经网络控制

针对永磁直线同步电机的跟踪性能易受推力波动等干扰影响的问题,以及BP神经网络收敛速度慢和易于陷入极小值的问题,提出了基于遗传优化神经网络的控制方法。该算法在复合前馈PID控制算法的基础上,将遗传算法全局寻优和BP神经网络局部寻优相结合,利用神经网络实现了对永磁直线同步电机的干扰的快速,准确的在线补偿。实验结果表明,与复合前馈PID控制方法和神经网络控制方法相比,基于遗传优化神经网络的控制方法有效的提高了系统的跟踪性和鲁棒性,并能有效的消除干扰对系统的影响。     

基于模糊神经网络PID算法的液位控制系统研究

在工业生产中,液位控制系统得到了广泛应用,但是对于这种大滞后、非线性的复杂控制系统,传统的PID控制方法存在着参数整定困难,控制效果不理想的缺陷。在对传统的PID算法、模糊控制算法和神经网络算法研究的基础上,提出了一种将模糊神经网络PID算法应用到液位控制系统中去的解决方案,并采用MATLAB对液位对象控制进行仿真实验,同时采用A3000型水箱实验平台对仿真实验结果进行验证。研究结果表明,基于模糊神经网络的PID算法的液位控制系统在调整时间和超调量上都优于传统的PID算法,控制效果和抗干扰能力更强,克服了传统PID算法的不足。     

基于神经网络的感应电机模型参考自适应速度控制研究

根据感应电机矢量变换控制原理 ,提出了一种基于人工神经网络速度控制器的感应电机矢量控制系统。为了提高系统的鲁棒性 ,采用了在线辨识技术 ,对参数的变化实时补偿。计算机仿真表明 ,这种基于多个神经网络控制环节组成的感应电机矢量控制系统具有良好的性能     

新型智能数字PID控制器及其应用

针对BP神经网络-PID控制器盲目选取PID参数初值容易陷入局部最小和给定值大幅变化引起系统性能变坏等问题,提出了一种新型智能数字PID控制器,用积分分离型数字PID取代BP神经网络-PID控制器的传统数字PID,抑制超调,改善系统性能;用继电器自整定法确定PID参数的初值,防止神经网络的局部极小问题。对时变和非时变非线性被控对象,分别用Marlab对新型智能数字PID和传统数字PID的控制效果进行了仿真。结果表明,新型智能数字PID控制器具有更好的控制效果和更好的鲁捧性。将该控制器用于某冶炼厂铅板生产中的铅液温度（坩锅温度）的控制,获得了满意的控制效果。     

基于神经网络的变压器故障诊断

为了保障变压器在电力系统中能够安全有效的运行,提出了一种将RBF神经网络与模糊控制算法相结合对变压器进行故障诊断的方法。设计了具有6层神经网络的学习体系,并且将模糊隶属度函数引入到第2层中,加快了神经网络的学习速度。基于变压器故障的数据统计,通过对其内部的气体含量进行分析对故障类型进行分类。通过样本数据对所设计的模糊RBF神经网络进行故障诊断训练。实验结果表明,通过训练后的该模型对变压器的故障诊断具有更好的效果。     

基于RBF神经网络的PID控制在变风量空调系统中的应用

将RBF神经网络引入PID控制中,建立了一个三层神经网络模型。通过RBF神经网络的在线辨识对PID控制的三个参数进行在线调整,从而改善系统的控制效果。仿真结果表明:基于RBF神经网络的PID控制与传统PID控制相比,具有较强的鲁棒性和自适应能力,控制精度高,效果好,安全可靠。     

基于遗传算法的有源消声系统设计

建立了基于遗传算法的自适应有源消声模型,介绍有源消声系统原理,自适应控制系统的关键在于其控制算法,用算法来调整滤波器的系数.在消声系统里必须考虑的因素主要有误差、声音的延迟、声音的衰减、在公式中适当的加入相位变化等.该系统结合神经网络算法,遗传算法和BP算法结合并改进提高了精度和准确性,可以用来优化神经网络的结构及其权值.实验分别从单音和复音情况进行,实验结果证明了基于神经网络算法的自适应有源消声系统有良好的消声效果,该系统稳定性较强.     

基于神经网络的永磁同步电动机模糊自适应控制

为了提高水磁同步电动机伺服系统控制性能，本文结合模糊控制和前馈神经网络各自的特点采用了一种神经网络在线自学习模糊自适应控制结构，利用模糊推理机产生的分目标学习误差取代反馈控制输出信号来训练神经网络，这种控制策略是学习和控制同时进行，实时性、鲁棒性都比较好。     

永磁同步电机的自适应神经模糊推理控制研究

针对如何提高永磁同步电机控制系统的性能,设计了一种新型的自适应神经模糊( ANFIS)速度控制器,其充分利用神经网络的学习能力与映射能力,实现模糊系统的自学习、自适应功能.对采用这种控制器的永磁同步电机(PMSM)矢量控制系统进行了仿真研究,并分析了仿真波形.控制效果较传统PID控制而言,不仅响应速度快、超调小,而且稳...     

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。     

基于模糊神经网络的超声电机的位置控制

超声电机的优良特性使其得到越来越广泛的应用,但由于其时变和非线性特性,使电机的速度和位置控制成为研究热点。文中将模糊神经网络用于电机的位置控制中,模糊逻辑部分获得专家知识,神经网络部分调整参数,通过改变超声电机的驱动频率来实现精确的位置控制,并通过实验和仿真来验证这种方法的有效性。