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.     

基于永磁同步电机的电梯速度控制器研究

设计一种基于自适应模糊神经网络原理的永磁同步电机电梯曳引机速度控制器.这种控制器具有神经网络自学习能力和模糊控制器处理不确定信息的能力.网络初始参数通过离线训练方式获得,从而实现对电机速度的智能控制.将模糊神经网络(fuzzy neural network control,FNNC)速度控制器与常用的PI控制、模糊PI控制方式对比进行仿真研究.研究表明,采用自适应模糊神经网络的控制器比另外两种方法更具有良好的鲁棒性和动态性能.     

基于模糊自适应的永磁同步电机矢量控制系统

提出了一种基于模糊自适应的永磁同步电机(PMSM)矢量控制系统的速度控制器的方案。模糊自适应控制器由模糊逻辑控制器和传统的PI控制器组成,采用模糊自适应控制器的输出对传统PI参数进行实时调整,使其具有模糊逻辑在处理不确定信息方面的能力和PI控制在线性系统中的良好性能。Matlab的仿真结果表明,采用模糊自适应建立的永磁同步电机的速度控制器,在系统参数发生变化或者受到外部扰动的情况下,PMSM矢量控制系统具有较好的动态响应特性。     

基于模糊PID的永磁同步电机调速系统

针对传统PI控制在永磁同步电机调速系统中存在适应性、鲁棒性差的问题,提出模糊自适应PID控制。将传统的PID与模糊控制结合,构造了模糊PID与空间矢量脉宽调制(SVPWM)的永磁同步电机的矢量控制系统。仿真结果表明,该系统不仅具有良好的静态、动态性能,而且还具有良好的适应性与鲁棒性。     

H型精密运动平台交叉耦合模糊PID同步控制

针对双直线电机驱动的H型精密运动平台由于永磁直线同步电机参数变化和扰动等不确定因素致使两边的运动不同步问题,提出一种交叉耦合模糊PID控制方法.在单轴中采用模糊PID控制作为位置控制器,速度控制器用普通的PI控制,以保证单轴跟踪精度;双轴间引入交叉耦合控制方法,消除双电机之间存在的机械耦合,进而减小了双轴间的位置同步误差.结果表明,将交叉耦合与模糊PID相结合的控制方法能够使H型精密运动平台的同步误差收敛于零,并且使系统具有较好的跟踪性能与鲁棒性.     

基于粒子群算法的永磁同步电机模糊控制研究

为提高永磁永磁同步电机伺服系统控制性能,提出了基于粒子群优化(PSO)算法的永磁同步电机模糊控制的设计方法,即应用PSO算法全局优化模糊控制器的ka、kb、ku参数和控制规则,提高模糊控制器的控制性能和效果。仿真实验结果表明,优化后的模糊控制器的动、静态性能均优于常规PID控制,具有较高的鲁棒性和控制精度。     

永磁同步伺服电机FNN控制的仿真分析

模糊神经网络结合了模糊控制和神经网络的优点,已广泛用在交流电机控制系统的研究中。本文作者利用MATLAB／SIMULINK仿真软件,建立了基于IP-模糊神经网络控制器的永磁同步电机仿真模型,实验结果表明：采用比例积分控制器（IP）-模糊神经网络控制时系统具有良好的抗干扰性,提高了控制精度和鲁棒性。     

一种基于非线性PID神经网络算法的PMSM控制

针对常规PID控制器无法很好地应对永磁同步电机参数变化和负载扰动等不确定因素的影响,设计一种以三角函数为神经元激励函数的非线性PID神经网络控制器,并将其与常规PID控制器相结合用于永磁同步电机控制.仿真实验结果表明,该控制系统具有快速的响应能力、更好的动态性能和更加稳定的跟踪性能,适合于永磁同步电机速度控制.     

基于自抗扰的永磁同步电机矢量控制系统

针对永磁同步电机双闭环矢量调速控制系统中速度环采用PI(proportion integral)进行控制时,调速效果容易受电机参数的影响且无法兼顾快速性与超调的问题,将简化的线性自抗扰控制器(active disturbance rejection controller,ADRC)应用于永磁同步电机双闭环矢量控制系统的转速环中,由于电流环在实际应用中对计算时间要求较高,仍采用PI控制器,实现了不同负载下对永磁同步电机的转速进行迅速且无超调的调速控制。利用Simulink建立了永磁同步电机的矢量控制系统模型并进行仿真,并与PI控制器仿真进行对比,仿真结果表明,在转速环应用线性化的自抗扰控制器后,能够实现对电机转速的良好控制,与PI控制器相比调速过程快速无超调且具有更好的稳定性。     

模糊RBF神经网络在麻醉深度控制系统中的应用

麻醉深度通常用病人的平均动脉压（MAP）值来直接反应和度量。针对平均动脉压的时变、非线性特点,提出了基于模糊RBF神经网络的麻醉深度PID控制系统。通过采用模糊RBF神经网络对检测到的平均动脉压值进行模糊化处理及神经网络辨识,从而在线整定PID控制器各个参数,以获得更好的控制效果。MATLAB仿真结果表明模糊RBF神经网络用于麻醉深度控制具有良好的动态响应性能。     

锅炉汽包水位模糊RBF自适应控制

针对汽包水位常规的PID控制方式,采用了一种模糊神经网络智能控制器,该控制器结合了模糊控制与神经网络学习能力强的特点,将2种智能控制相结合,在线调整控制器参数,整定出一组优化的控制器参数。仿真结果表明此控制器显著地改善了汽包水位的动态性能和稳定性能。     

永磁同步电机伺服系统H∞控制研究

为提高永磁同步电机伺服系统的鲁棒性和快速性,论文引入了H∞控制策略。针对永磁同步电机永磁体磁链为常数的特点,对其d-q轴模型进行分析,建立了永磁同步电机伺服系统的动力学方程。根据伺服系统参数变动范围和扰动力的特点,选择了较优的权重函数,设计了H∞鲁棒速度控制器。仿真结果表明,设计的H∞速度控制器与传统的PI控制器相比,对模型摄动具有较强的鲁棒稳定性及良好的抗扰动能力,响应速度快且指令跟踪能力强。     

一种智能模糊—PID控制器的研究

本文提供了一种智能控制器的设计方法，在设计方法中综合运用了模糊控制技术、人工智能技术、ＰＩＤ控制技术。当完成阶跃响应任务时，采用一类模糊控制器，其控制器参数Ｋｕ由ＢＰ神经元网络推理得到，进入稳态后的消除余差、抗干扰任务由ＰＩＤ控制器宛成。对于一类大常值干扰，采用另一类模糊控制器改善了抗干扰性能。仿真结果说明了这种控制器设计方法的有效性。     

Fuzzy adaptive PID control on hydraulic servo system of quadruped robot

Quadruped robot driven by high power density hydraulic device works in unstructured en- vironment. With variable load and various external disturbance, the hydraulic servo system has fea- tures such as nonlinear, time-varying parameters. Traditional control method has some limitation. In order to help the hydraulic servo system of the quadruped robot to adapt to harsh environments, and to obtain high control quality and control precision, an incremental fuzzy adaptive PID controller based on position feedback is designed to solve the related technical problems. Matlab/Simulink sim- ulation and experimental results show that the incremental fuzzy adaptive PID controller improves the dynamic performance of the system, enhances the respond speed and precision of the hydraulic ser- vo system, and has some theory significance and practical value.     

混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器．以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案．仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度．该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案．     

汽车牵引力控制系统的控制方法

将逻辑门限、PID、模糊以及神经网络等控制方法应用于牵引力控制系统,建立了油门位置控制器和驱动轮制动控制器。采用计算机仿真方法对各控制方案进行了比较分析。结果表明:油门控制采用神经PI、制动控制采用逻辑门限方法最实用。     

基于模糊RBF神经网络的双电机驱动伺服系统研究

双电机驱动伺服系统中存在齿隙和摩擦等非线性,常规PID控制不能满足其控制要求.针对常规PID控制器参数固定而导致在控制中效果差的缺陷,提出一种基于模糊RBF神经网络整定的PID控制方法.该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,可以在线调整得到一组适合于控制对象的PID控制参数.最后在双电机驱动伺服系统中进行仿真试验结果表明所提出的控制策略是有效的.     

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.