基于模糊神经网络的超声电机位置控制

由于超声马达的时变和非线性。使其速度与位置的高精度控制成为难题。为了提高超声马达伺服系统的精度，把模糊逻辑控制应用到神经网络中，设计了模糊神经网络控制器．通过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。在控制系统中采用5层网络结构和误差反向传播算法，算法的收敛速度很快。通过实验和仿真验证了这种方法的可行性。     

基于径向基函数神经网络的电机轴承智能故障诊断

本文提出了一种新的电机轴承故障诊断方法.首先把滚动轴承振动信号作为识别故障的特征向量,然后送入径向基函数神经网络中,进行故障类别的自动识别.试验结果表明,该诊断模型对电机轴承故障诊断具有良好的诊断效果,系统不仅能够检测到轴承故障的存在,而且能够比较准确地识别轴承的故障模式.     

棒型直线超声电机最佳激励位置的确定

建立了棒型直线超声电机驱动振子纵向和弯曲振动的力学模型,分析了压电陶瓷位置对驱动振子特定振型振动的激励响应的影响,从而给出了确定激励纵向、弯曲振动的压电陶瓷的最佳安放位置的原则。     

基于模型参考自适应控制的直线电机位置控制

针对直线电机的强非线性和时变特性,采用模型参考自适应控制(MRAC)方法对SISO直线电机闭环位置控制器进行了研究。利用偶极子对消建立了简化的永磁直线电机二阶数学模型,提出了基于局部参数最优化MIT(梯度)方案和全局稳定性理论的Lyapunov方案下的二阶直线电机位置模型参考自适应控制器,并对自适应控制器下的直线电机闭环系统稳定性进行了分析研究。在相同的前馈加反馈的控制器下,对这两种方案下的实验结果进行了对比分析。研究结果表明,基于Lyapunov第二方法设计的二阶控制器比MIT方法下的二阶控制器更能实现对三阶点到点轨迹输入信号的快速响应和跟踪,证实了直线电机位置自适应控制的有效性。     

基于DSP的直线电机位置伺服系统

提出一种基于数字信号处理器(DSP)的直线电机位置伺服系统。该系统充分利用了DSP周边接口丰富、运算速度快的特点,使所设计的系统硬件简单,并实现了采用状态反馈对系统进行控制。实验结果表明,系统结构紧凑,具有良好的动静态特性。     

基于负载观测器的直线开关磁阻电机滑模位置控制

基于负载观测器补偿的滑模变结构控制算法,设计了一个直线开关磁阻电机位置控制器。论文对该位置控制系统进行了仿真分析和实验验证,结果表明,采用负载观测器补偿后的滑模控制算法实现直线开关磁阻电机的位置控制比传统的PD控制和传统的滑模控制具有更好的控制性能。     

超声电机基于模糊-PI技术的位置控制

通过超声电机的工作原理分析,选定驱动频率作为其速度控制变量。将模糊-PI技术用于超声电机的控制。其中,PI控制在于减小稳态误差,模糊控制旨在实现电机快速定位。为设计模糊控制器,选定位置偏差和转速为其输入变量、驱动频率为其输出变量,并分别以三角、高斯型函数定义了输入、输出变量的模糊子集;根据电机手动操作经验,建立了超声电机模糊控制规则;基于GO-400控制卡构建控制系统,实现了电机控制;实验结果表明模糊-PI技术可实现超声电机快速高精度(偏差≤0.17°)定位。     

基于能量整型方法的永磁同步直线电机位置控制

针对永磁同步直线电机(PMLSM)的位置控制问题,从能量整型控制的角度进行了研究。基于哈密顿反馈耗散控制方法,结合系统的物理能量特性,在dq旋转坐标系下建立了包含电能和动能的永磁同步直线电机闭环系统哈密顿函数,通过反馈耗散方法对永磁同步直线电机进行速度控制器设计,保证了系统在稳态运行点达到输入/输出能量的动态平衡。为了提高系统响应性能,提出了阻尼参数PID自整定方法实现阻尼参数的自调节,并通过设计位置控制外环构成了包含位置、速度的双环控制系统,实现了PMLSM位置控制。实验结果表明,所设计的控制器具有良好的稳定性、快速的位置跟踪性和抗干扰能力。     

基于正交最小二乘学习算法的径向基函数网络设计

利用正交最小二乘（ＯＬＳ）方法给出径向基函数网络（ＲＢＦＮ）中心的选择算法；用ＯＬＳ学习算法选择ＲＢＦＮ中心，基本思想是以ＯＬＳ算法导出的误差下降速率指标为依据，按照每个正交向量对误差下降速率的贡献大小，依次选取作为网络的中心向量，所得到的网络不但具有唯一性，而且还有最少的中心数目；给出应用实例，实例说明，生成的网络规模小、速度快、而且能够避免数值病态情况的发生。     

g<1永磁直线同步电动机齿槽力波动的径向基神经网络预估器

永磁直线同步电动机(Permanent magnet linear synchronous motor,PMLSM)齿槽力是影响电动机性能的主要因素之一,特别是在高精度,低速情况下,问题尤为突出。根据q<1分数槽绕组PMLSM结构,采用有限元法计算齿槽力的影响,建立以径向基神经网络为基础的PMLSM齿槽力预估器,其学习算法首先采用快速模糊C均值算法(Accelerated fuzzy C-means,AFCM)对数据进行聚类,选取基函数传播因子,再由最小正交平方算法(Orthogonal least squares learning algorithm,OLSA)选取中心矢量,该预估器与带动量的BP网络(Back propagation neural net- work,BPNN)预估器相比较表明,能够在加快网络学习速度的前提下,保证精度,缩小网络规模,提高网络分类能力。试验结果表明,采用q<1分数槽绕组PMLSM能够有效地减小齿槽力的影响。预估器的建立,能够在设计阶段对PMLSM齿槽结构参数进行有效地预估,使得电动机在满足推力波动指标条件下,实现快速敏捷设计,提高PMLSM的整体设计水平。     

基于RBF神经网络的三角网格曲面孔洞修补

针对由测量数据重建得到的三角网格曲面存在孔洞的问题,提出了一种基于径向基函数(RBF)神经网络的修补方法.该方法首先检测出孔洞,通过对孔洞特征多边形实施三角化获得新增三角片顶点;在孔洞边界周围采集三角片顶点,将其作为样本点集来训练RBF网络;将训练好的RBF网络用于新增三角片顶点坐标的优化,最终实现孔洞的修补.修补实例表明,该算法对流形曲面上封闭孔洞的修补精度较高,修补效果良好.     

圆柱-球体三自由度超声电机神经网络控制策略仿真

针对圆柱-球体三自由度超声电机难以建立精确数学模型的特点,设计了神经网络控制系统。该控制系统采用包含输入层、中间层和输出层3层网络的BP神经网络控制器。应用该控制器,实现了电机精确定位控制。结果表明,神经网络控制器的性能稳定,克服了常规控制存在的不足,得到了满意的控制效果。     

基于径向基网络的变速箱载荷识别研究

提出了一种基于径向基网络的识别变速箱载荷的新方法,该方法应用径向基函数网络建立了箱体表面振动响应信号与轴承激励之问的非参数映射模型。通过变速箱在随机激励下的载荷识别结果表明,这种利用径向基网络识别变速箱载荷的方法是可行的,并且具有识别精度高、运算速度快及稳定性好等优点。     

基于DDS技术驱动的精密直线超声电机

研制了一台新型直线超声电机，测定了电机的频率一速度关系、相位一速度关系。基于DDS技术设计的驱动器能产生两相可调频率、可调相位差及可调幅值的正弦信号。采用调相、调频综合控制方法，构建了直线超声电机驱动的全数字位置控制平台。该平台可达到5μm的定位精度。     

基于对称模糊数及径向基网络的切削力预测研究

提出基于对称模糊数的切削力模糊预测模型以及基于径向基网络的切削力神经预测模型。通过分析这两种模型的有效性、特点及适用范围,并与常用的最小二乘回归模型相比较。为金属翅纤维连续切削成形的切削力预测与控制提供参考。     

基于径向基函数神经网络的电火花线切割机床可靠性数据模拟生成

针对电火花线切割机床(Wire electrical discharge machining,WEDM)可靠性数据分布模型无法确定的问题,提出应用径向基函数(Radial basis function,RBF)神经网络对可靠性数据进行模拟仿真,扩大可靠性数据样本量,从而确定其分布模型的方法。选取聚类学习算法作为神经网络学习方法,通过无监督学习确定RBF神经网络中各隐节点的数据中心,并根据各数据中心之间的距离确定隐节点的扩展常数,然后用有监督学习训练各隐节点的输出权值。经过对原始可靠性数据进行拟合训练后生成一套RBF神经网络,随机产生100个可靠度数据输入该神经网络产生与原始可靠性数据具有相同失效统计规律的数据。对扩充后的可靠性数据通过图估计法和柯尔莫哥洛夫-斯米尔诺夫(Kolmogorov-smirnov,K-S)检验法确定电火花线切割机床可靠性数据分布模型为对数正态分布模型,同时对可靠性模型的参量估计更加准确。     

基于径向基神经网络的废旧铝分离技术研究

建立了一套废旧铝喷气式分离系统,使用不同气压吹不同体积的废旧铝进行实验,测量其被吹离距离,获得230组训练集、80组测试集数据,从而建立径向基网络模型,拟合优度可达93%,均方根误差低至2.99。结果表明该套系统构造简单、识别效果准确,可以根据废旧铝具体情况预测出吹离距离,选取合适大小的气流进行自适应分离操作,实现对不同成分的废旧铝进行精细分离的目的。     

线性预测模型BP神经网络PID控制算法的研究

针对经典PID控制参数整定困难和基本BP算法收敛速度慢、易陷入局部极小的缺点,提出一种基于线性预测模型BP神经网络的PID控制方法,重点阐述算法过程。最后在MATLAB软件上进行仿真,仿真结果表明该控制算法是有效的。