速度自适应模型跟随控制在交流调速中的应用

提出一种交流调速系统的速度自适应模型跟随控制方案,设计该控制系统的比例积分型自适应律,并用单片机实现了该系统,实验结果表明系统具有良好的动静态性能．     

基于神经网络PID控制器在交流调速系统中的应用

针对PID控制和神经网络控制在交流调速系统中的局限性,利用其各自的优点,采用神经网络和PID控制相结合的方法构建神经网络PID控制器,实现变频调速控制,得到了神经网络控制器模型和神经网络控制方法运行的结果。仿真结果充分表明了神经网络模型具有良好的稳定性、鲁棒性和跟随性,而且改善了原系统的动态特性,证明了该方法在交流调速系统中的应用价值。     

交流变频调速系统的自适应神经模糊控制研究

针对交流电动机参数变化和负载波动等因素对交流变频调速系统性能的影响,利用神经网络实现模糊控制,设计了一种基于自适应神经网络模糊推理(ANFIS)的速度调节器.仿真实验结果表明,具有ANFIS的交流变频调速控制系统不仅动态和静态性能都得到提高,而且具有较强的鲁棒性.     

速度自适应模型跟随控制在交流调速中的应用

提出了一种交流调速系统的速度自适应模型跟随控制方案，设计该控制系统的比例积分型自适应律，并用单片机实现了该系统，实验结果表明系统具有良好的动静态性能。     

自适应模糊控制在交流调速中的应用

在研究交流调速系统控制方法的基础上，针对交流电机这种复杂的被控对象，利用神经网络实现交流调速系统的模糊控制，仿真结果表明，该控制方法具有很强的自学习和抗干扰能力，当突然加、减负载时，神经网络模糊控制与PID控制相比，具有恢复时间短，超调和振荡小等特点，神经网络模糊控制特别适用于结构复杂，干扰大且控制精度要求高的系统。     

纯电动汽车车载电源性能在环测试平台研究

为研究纯电动汽车车载电源性能,提出并搭建了由异步电动机和直流电动机组成的在环测试平台.异步电动机用来模拟纯电动汽车的牵引电动机,直流电动机用来模拟汽车行驶时的阻力和惯量,对异步电动机和直流电动机分别实施转速控制和转矩控制.分析了电动汽车行驶工况,给出了简单循环工况下参考转速、转距和功率.设计了异步电动机调速系统转速控制器和电流控制器,建立了异步电动机调速系统的数学模型,提出了基于自适应模糊神经网络控制的异步电动机调速系统.仿真和实验结果表明,基于自适应模糊神经网络控制的调速系统明显优于PID控制的交流调速系统,在环测试平台能够较好跟踪参考转速和参考转距的变化.     

LMS算法的自适应逆控制变频调速系统

针对矢量控制变频调速系统参数鲁棒性差这一交流传动领域难题，提出基于自适应逆控制理论的感应电机变频调速新型控制结构用于增强系统参数鲁棒性；提出一种基于变论域的变步长LMS自适应滤波算法用于电机系统及其逆系统建模。研究结果表明，变论域变步长LMS算法克服了收敛速度、时变系统跟踪速度与收敛精度方面的矛盾；自适应逆控制的变频调速系统对感应电机参数摄动具有鲁棒性。     

基于径向基函数神经网络迟滞非线性自适应控制

提出了一种新的动态迟滞非线性模型．将一定数量不同死区宽度的backlash模型并行相加,作为一个动态系统以仿真执行器中的迟滞特性．利用该模型,采用伪控制方法设计了一套具有未知迟滞特性非线性系统的神经网络自适应控制方案,通过自适应算法来调整干扰项的上限．采用Lyapunov稳定性理论进行了严格证明,仿真试验验证了所提方案的有效性．     

基于Lyapunov稳定性的自适应神经网络控制方案

提出了一种基于Lyapunov稳定性的自适应控制律,使用神经网络模型综合分析非线性动力学系统的控制问题.基于Lyapunov稳定控制律开发出了一种改进的自适应神经网络控制方案,并给出了具有未知非线性一阶仿射系统的仿真控制演示,实验结果表明该神经网络自适应控制方案具有良好的非线性控制能力.     

机械手的神经网络直接离散时间自适应控制算法

提出了一种机械手的神经网络直接离散时间自适应控制算法。该算法是神经网络方法和自适应动态滑动模控制方法的集成。自适应动态滑动模控制的作用有两个：其一是在神经网络控制失灵的情形下提供控制系统的全局稳定性；其二是改善系统的跟随性能。整个系统的全局稳定性和跟随误差的收敛性采用李雅普诺夫稳定性理论进行了证明，并得到了一种新颖的神经网络权值调整算法。     

交流传动系统新型控制策略研究

交流电机是非线性、多变量、强耦合的被控对象,在一些对控制性能要求较高的场合,传统的控制策略难以对其达到有效的控制.本文综述了预测控制、内模控制、自适应控制、鲁棒控制、智能控制以及滑模控制等交流传动系统中出现的一些新型控制策略,详细分析了它们各自的特点和应用情况.最后,对交流传动控制策略的发展前景提出了自己的观点.     

基于二阶系统的神经网络控制及仿真

基于神经网络的直接逆控制和模型参考自适应控制的原理设计了1个二阶系统控制，使用MATLAB神经网络工具箱对其进行了仿真，对比了不同的控制方法以及训练样本容量对控制结果的影响。     

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化.仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出.     

基于神经网络的Smith补偿PID控制设计

针对工程实践中常见的纯滞后对象,在Ｓｍｉｔｈ补偿控制基础之上,利用人工神经网络的非线性映射功能对控制对象进行在线辨识,达到对时滞补偿预报的目的;利用神经网络ＰＩＤ控制器（Ａｄａｌｉｎｅ网络）代替常规控制器,实现了对时滞复杂对象的在线自适应控制;并根据ＩＴＡＥ性能指标原则对神经网络控制器参数进行整定,得到一组经验公式。仿真结果验证了本文神经网络控制方案的有效性。     

模糊控制在坦克炮控伺服系统中的应用

针对坦克炮控这一包含非线性和不确定性的复杂系统。提出了应用模糊控制方法设计的由电流环和速度环构成的双闭环控制系统，其中电流环采用常规的PI调节器设计，速度环采用模糊自适应的PID控制器设计。仿真结果表明，该方法与常规的控制方法相比，具有良好的静、动态特性，从而证明了该设计方法的正确性和合理性。     

一种无需对象模型的自适应控制方法

研究了一种无需对象模型的自适应控制方法,使用该方法能对机理复杂,对象模型难以确定的系统实现有效的控制。     

An integrated scheme of neural network and optimal predictive control

An approach of adaptive predictive control with a new structure and a fast algorithm of neural network (NN) is proposed. NN modeling and optimal predictive control are combined to achieve both accuracy and good control performance. The output of nonlinear network model is adopted as a measured disturbance that is therefore weakened in predictive feed-forward control. Simulation and practical application show the effectiveness of control by the proposed approach.     

防空火箭炮交流伺服系统混沌特性分析与自适应控制

防空火箭炮交流伺服系统作为一个非线性动力学系统,在一定参数范围和外部输入下可以呈现非常复杂的混沌运动或极限环,其混沌特性较为显著. 在防空火箭炮交流伺服系统非线性数学模型的基础上,分析了系统平衡点性质,证明了系统Hopf分岔的存在,并给出了有关的分岔图、Lyapunov指数谱和相平面图. 进一步设计了一种自适应状态反馈控制器,当系统在一定参数下呈现混沌运动时,可以将混沌运动控制到期望的稳定状态,数值仿真表明了该控制方法的有效性.      

茶叶杀青工序自适应控制系统的优化设计

针对茶叶杀青原系统中PLC对DTA温控器的PID控制参数设定问题,将开关量控制的DTA温控器替换为三相交流调压模块,优化设计出自适应控制系统。自适应控制系统中的PLC的温度控制信号经三相交流调压,输出可变电压对杀青机加热,并采集杀青机的温度信号反馈回PLC,构成闭环控制回路,实现连续地对滚筒杀青机加温,达到最优化的温度控制效果,提高茶叶的杀青质量。     

使用单个自适应神经元的智能控制

提出一种适用于控制的自适应神经元模型以及使用单个自适应神经元的智能控制方法,描述了神经元的学习策略和收敛性,给出了神经元系统控制学习算法及其学习控制机理证明.实例表明了这种新颖的智能控制方法简单可行的优点.