基于BP神经网络控制算法的超声波电动机控制

运用一种基于BP神经网络的控制算法,在控制过程中可以有效克服超声波电动机的非线性和热漂移特性,通过实验比较基于BP神经网络的控制算法和传统控制算法验证新算法的优越性.     

基于改进BP神经网络PID的无刷直流电动机速度控制的研究

引进模糊归一化控制策略，在线实时地调整与收敛速度密切相关的学习速率和动量系数，克服了BP网络收敛慢和容易陷入局部最小的缺点,并将改进的BP神经网络PID算法成功应用于无刷直流电动机速度控制中。仿真结果表明,改进BP神经网络PID使收敛变得更快，而且系统具有较强的鲁棒性和自适应能力。     

基于FPGA的数字PI超声波电动机速度控制系统

针对超声波电动机速度蠕动,提出一种基于FPGA的数字PI的速度控制方案.该方案对超声波电动机输出的光电编码器方波信号进行高频插值细分,作为速度的反馈信号,通过PI运算,将其结果进行D/A转换,控制直流电压的输出,并把此直流电压作为超声波电动机驱动器的调速控制电压,构成超声波电动机速度闭环系统,从而有效解决了超声波电动机转速蠕动的问题.     

基于神经网络的行波超声波电动机起动控制

由于行波超声波电动机特殊的运行机理和结构特点,使其难以高转速直接起动。针对该问题,设计了参数在线自适应调节的转速控制器,以实现超声波电动机的高转速起动控制。采用神经网络实现控制器参数的在线自适应调节,以适应不同转速给定值的起动要求,充分发挥电机能力。实验表明,电动机起动快速准确,控制算法有效、可靠。     

永磁同步电动机神经网络速度控制的仿真

利用神经网络作为控制器 ,取代常规的PID控制器 ,实现永磁同步电动机调速系统速度控制的研究。仿真结果表明 :当突加负载扰动或参数突变时 ,神经网络控制与PID控制相比 ,具有恢复时间短 ,振荡小等特点 ,证明了神经网络控制的优越性。     

基于混合递阶遗传算法和RBF神经网络的超声波电动机自适应速度控制

超声波电动机(USM)是近年发展起来的一种新型微特电机,与传统的电磁驱动型电动机的工作原理截然不同.由于USM具有小型轻量、无电磁干扰、响应速度快、低速大转矩、高保持力矩、高功率密度等诸多优点,因而在光学仪器、办公自动化、汽车专用电器、智能机器人、航空航天等领域具有良好的应用前景.但USM的高度非线性、时变性和强耦合增加了它的控制难度.本文提出一种新的USM自适应控制策略,系统采用双闭环控制,内环用来补偿定子环机械谐振频率的漂移;外环利用径向基函数神经网络(RBFNN)控制器调节USM的驱动频率,实现速度的自适应控制.根据RBF神经网络的结构特点,对其参数采用混合递阶遗传算法进行训练.经实验证明,该控制系统具有响应迅速、适应性强等优点,具有较高的控制精度和较好的稳定性.     

基于摩擦模型的超声波电动机速度控制

对超声波电动机使用PID控制方案时,首先要对系统的摩擦环节进行补偿,建立一个整体超声波电动机模型控制方案,然后再结合PID控制器进行控制。使用Z-N法得到了控制器的三个控制参数,实现基于LuGre摩擦模型的超声波电动机模型控制,通过仿真实验验证对比,证明了对超声波电动机摩擦补偿后使用PID控制算法的可行性和有效性。     

基于延时反馈的超声波电动机混沌控制

超声波电动机转速控制系统在一定的参数范围内会出现混沌行为。为了控制超声波电动机转速控制中的混沌行为,设计了参数自适应延时反馈控制器。仿真结果表明,该控制器能够控制系统的不稳定周期轨道,从而消除混沌,使系统从混沌状态进入稳定状态。     

电动机的速度控制

随着工农业生产和国防工业的发展，电动机的调速技术已成为专门的研究课题。文中介绍电动机调速的要求，并着重对直流电动机，交流电动机，步进电动机，开关磁阻电动机的调速电路作了分析，指出调速系统的数字化是发展方向。     

一种旋转型超声波电动机转速控制方法

超声波电动机是一个高度非线性系统,采用传统控制方法无法取得良好的控制效果。为了研究超声波电动机在有负载工况下的性能并实现其在工程领域的推广应用,必须找到一种有效的控制方法。BP神经网络PID控制器非常适合非线性系统的控制,具有结构简单、鲁棒性好、PID参数能在线实时调整的优点,设计了一种BP神经网络PID控制器,用于旋转型超声波电动机的转速控制研究。控制器的输入层节点数为3,隐含层点数为5,输出层节点数为3。通过一系列试验研究,发现采用BP神经网络PID控制取得了较好的控制效果,为超声波电动机的工程应用找到一种有效可行的控制方法。     

基于BP神经网络的无刷直流电机控制器优化设计

无刷直流电机是一个多变量、强耦合的非线性系统,用常规的线性控制方法很难达到理想的控制效果。为了克服常规PID控制方法的不足,应用了BP神经网络对速度控制器的PID参数进行了优化设计。使用MATLAB仿真结果表明,采用BP神经网络这种控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度,能达到进一步优化控制系统性能的目的。     

基于自适应神经网络的PMLSM速度控制研究

针对永磁直线同步电机(PMLSM)直接驱动系统的非线性与电机参数时变、易受扰动的特性,提出一种基于BP神经网络的自适应神经网络速度控制器.该控制器由一个传统的PID位置控制器、神经网络控制器(NNC)和神经网络辨识器(NNM)组成.仿真结果表明,当突加负载扰动或参数突变时,系统具有较好的动态性能和较强的鲁棒性,能够满足工业场合高精度、微进给的需求.     

基于BP神经网络在线辨识的开关磁阻电机神经网络自适应PID控制

基于开关磁阻电机的高度非线性的电磁特性,固定参数的PID调节器无法得到理想的控制性能指标,该文提出了一种基于BP神经网络在线辨识的SRM神经网络PID自适应控制新方法。实验结果表明,利用BP神经网络来构成开关磁阻电机的神经网络自适应控制器,不但结构简单,而且能适应环境变化,具有较强的鲁棒性。     

无速度传感器的感应电机神经网络鲁棒自适应控制

针对感应电机定子电阻和负载转矩参数的不确定性,提出了无速度传感器的感应电机神经网络鲁棒自适应控制方案。用反步法设计了一种可以将各状态变量跟踪误差和神经网络各权值限制在规定范围内的神经网络鲁棒自适应控制器,提出了相应的算法,用Lyapunov定理对其稳定性进行了证明。提出了一种可以估算转子磁链和转速的观测器及相应的算法。仿真研究表明,所提出的感应电机无速度传感器控制方案对电机定子电阻、负载转矩的鲁棒性强,动态性能好,速度估算较精确。     

基于MSP430的超声波电动机新型驱动器

提出了一种基于微处理器MSP430的超声波电动机新型驱动器的设计方案,详述了该驱动器的硬件电路结构和相关功能的软件设计方案,并用它驱动TRUM60型超声波电动机,实验结果验证了该设计方案的合理性.与原有驱动器相比,它增加了调压调速的功能,丰富了调速手段,调节方便,运行稳定.     

基于改进Elman网络的最优励磁控制器

本文在线性最优励磁控制的基础上,将线性最优控制理论与改进Elman神经网络有机结合,设计了一种新型的基于改进Elman网络(Modified Elman Neural Network)的最优励磁控制器.由于Elman网络具有特殊结构层,形成有"记忆"能力的神经网络的特点,并在原有结构上将高斯径向基函数引入Elman网络隐含层,因此可以更好地映射系统的非线性和动态特性.对单机无穷大系统进行仿真研究的结果表明,所设计的控制方式能精确地反映系统动态变化过程并提供良好的电压调节性能.     

基于BP神经网络的大功率直流电机故障诊断研究

提出了一种用人工神经网络实现直流电机故障诊的方法。推导了故障诊断所需的特征参量。在特征参量的基础上改变了传统的电机故障分类方法,将电机故障分为电枢故障、励磁故障、换向器故障和机械故障4类。以MATLAB仿真数据为基础,训练了一个可行的神经网络。测试结果表明,对电机故障诊断的正确率较高,可行性较强,建立的故障诊断模型有效地实现了特征参量提取和故障映射的功能。     

蚁群BP网络转速辨识器的优化

将排序加权的方法引入基本蚁群算法中,用改进型蚁群算法优化BP神经网络的权值和阈值,有效地解决了BP神经网络训练时容易陷入极小值的缺点,提高了收敛速度,得到了一种时间效率和求解效率都比较好的启发式方法,即改进型蚁群神经网络。运用该方法对直接转矩控制系统中的电机转速进行了辨识。仿真试验结果表明:该改进型蚁群神经网络不仅具有广泛的映射能力,还明显提高了运算效率,能够准确地辨识电机转速,具有良好的辨识效果,实现了无速度传感器直接转矩控制。