RBF网络在无刷直流电机控制系统的应用

研究了无刷电机的控制问题,针对常规PID控制的无刷直流电机系统存在参数难以整定、超调量大、调节时间长、抗干扰能力差等问题,建立了无刷直流电机的数学模型,提出了RBF神经网络控制在系统中的总体设计方法,并在常规PID控制器的基础上建立了RBF网络控制器;利用Matlab软件对常规PID控制和RBF网络控制进行仿真比较,结果表明基于RBF网络控制器能动态调整控制器参数,有效的提高了系统的性能以及控制效果,系统对参数扰动具有较强的鲁棒性。     

基于模糊RBF神经网络PID算法的无刷直流电机控制

高压断路器永磁无刷直流电机操动机构采用直流电机驱动断路器连杆,推动动触头运动,完成分、合闸操作,具备良好的快速响应能力和控制性能.文章构建了无刷直流电机操动机构控制系统仿真模型,详细分析了模糊RBF神经网络PID控制算法以及数学模型.分别用传统PID与模糊RBF神经网络PID控制策略,对高压断路器动触头运动特性控制过程进行了仿真.仿真结果表明,模糊RBF神经网络PID控制器能够较好地实现动触头的速度跟踪控制,使其按照给定运动速度特性曲线动作,实现对断路器动触头的准确控制,证明了模糊RBF神经网络PID控制策略在配有无刷直流电机的操动机构运动控制系统中是一种行之有效的控制方法.     

模糊自适应PID控制器在无刷直流电机控制系统中的应用

无刷直流电机是一种多变量、非线性的控制系统,采用经典的PID控制难以达到满意的控制效果.将模糊自适应PID控制器应用于无刷直流电机的控制中,运用模糊控制原理对PID参数进行在线凋整.实验结果表明,较之传统的PID控制,采用模糊自适应PID控制的无刷直流电机控制系统具有更好的动态和静态性能,达到了较好的控制效果.     

基于模糊系数修正BP神经网络PID的BLDCM控制系统仿真研究

常规PID、模糊算法无法解决无刷直流电机（BLDCM）控制系统存在的强耦合、非线性等问题,在干扰作用下容易出现信号失真。针对该问题,在滑行灯伺服转向系统中,以BLDCM三闭环控制系统为研究对象,结合BP神经网络、模糊控制和PID算法,提出一种基于模糊系数修正BP神经网络的PID控制。通过Simulink建模及仿真,对比研究了该策略与常规控制算法在转矩扰动和磁通扰动状况下的动态响应特性。仿真结果显示该改进控制算法在BLDCM位置控制系统中性能优良。     

基于ANN的无刷直流电机数字控制系统设计

针对常规PID控制在无刷直流电机数字控制系统中的不足,提出一种基于神经网络(ANN)的无刷直流电机数字控制系统。神经网络用于速度控制,不依赖于系统精确数学型,具有快速的动态响应和较高的稳态精度。在Matlab/Simulink环境下建立基于ANN的无刷直流电机数字控制系统仿真模型并进行仿真研究,仿真结果证明了基于ANN的无刷直流电机数字控制系统的可行性和有效性。     

基于微粒群算法的模糊控制在BLDCM中的应用

为了提高永磁无刷直流电机伺服系统的控制性能,提出了基于微粒群优化(PSO)算法的无刷直流电机模糊控制设计方法,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动态和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.     

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明：模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。     

基于模糊神经网络的无刷直流电机位置伺服控制

针对多变量、非线性、时变的永磁无刷直流电机位置伺服控制系统的特点,提出一种基于免疫遗传算法（IGA）的递归模糊神经网络（RFNN）控制器的设计方法,并应用于无刷直流电机三闭环控制系统中的位置调节器中,实现系统精确的位置控制。在与传统PID位置控制器仿真比较中,采用该方法的系统显示出良好的控制性能和控制效果。     

基于数字信号处理器的无刷直流电机智能控制

在分析无刷直流电机运行原理的基础上,提出了基于TMS32OLF2407A的永磁无刷直流电机控制系统的解决方案,即将单神经元与PID控制结合应用于无刷直流电机中。仿真试验表明,采用单神经元PID控制能取得令人满意的动静态性能,具有较强的鲁棒性和自适应性,改善了电机的调速性能。     

基于数字信号处理器的无刷直流电机智能控制

在分析无刷直流电机运行原理的基础上,提出了基于TMS32OLF2407A的永磁无刷直流电机控制系统的解决方案,即将单神经元与PID控制结合应用于无刷直流电机中。仿真试验表明,采用单神经元PID控制能取得令人满意的动静态性能,具有较强的鲁棒性和自适应性,改善了电机的调速性能。     

基于自抗扰控制器的无刷直流电动机速度控制

无刷直流电动机作为一个多变量强耦合非线性系统,采用经典PID控制难以得到满意的控制效果.采用自抗扰控制器来提高无刷直流电动机控制系统的动态性能和鲁棒性,自抗扰控制器设计过程中不需要对象模型结构和参数的精确信息.实验比较了PI控制器和自抗扰控制器的控制效果,结果表明自抗扰控制器(ADRC)对外部扰动和电动机参数的变化具有较强的鲁棒性.     

无刷直流电动机模糊自适应PID控制策略研究

提出了一种无刷直流电动机调速系统的模糊自适应PID控制方法。在Matlab/Simulink平台上建立了无刷直流电机模糊自适应PID控制的仿真模型,对参数改变时无刷直流电动机模糊自适应PID仿真模型也进行了仿真,并与模糊PID控制和传统PID控制的控制效果进行了比较。仿真结果表明：建立的系统鲁棒性强、响应速度快、无超调,且稳态精度高。     

基于花授粉算法的无刷直流电动机速度控制研究

无刷直流电动机速度控制系统离不开性能优良的PID控制器。针对PID参数的在线优化问题,引入花授粉算法,以积分平方误差作为目标函数,将优化的方法应用于PID调节,实现无刷直流电动机速度控制。仿真结果表明,与传统的PID调节系统相比,花授粉算法速度控制系统有更好的鲁棒性,响应时间更快,控制精度更高。     

无刷直流电机自抗扰控制系统建模和仿真

无刷直流电机是一个多变量、强耦合的非线性系统,经典PID控制器难以满足控制系统的性能要求。文中根据无刷直流电机的特点,提出了基于自抗扰控制器的无刷直流电机控制系统,建立了控制系统的仿真模型,并进行了仿真研究。结果表明,自抗扰控制器对无刷直流电机模型的不确定性和外部扰动变化具有较强的适应性和鲁棒性,能较好地满足控制系统的动态性能要求,不失为实际工程中一种较好的控制方案。     

基于模糊PID控制的永磁无刷直流电机调速系统

永磁无刷直流电动机调速系统是一个非线性、多变量、时变系统,采用传统的PID控制方法进行控制,难以达到良好的控制效果。通过设计一种模糊PID控制器,应用模糊算法在线自动整定PID参数的方法,将其应用于无刷直流电动机调速控制系统。仿真实验结果表明,该模糊PID控制方法较常规PID控制和单纯的模糊控制具有更好的控制性能,具有无超调、响应快、鲁棒性强等特点。     

基于Buck电路的BLDCM调速系统设计

为了获得转速平稳、调节快速的无刷直流电机(BLDCM)输出,对BLDCM控制和驱动系统进行了设计。分析了BLDCM的运行原理和转矩波动原因,并采用Buck电路直接驱动解决了转矩波动的问题。针对传统PID调速慢、精度低以及参数调节困难等问题,采用了BP神经网络对PID进行参数调节。在MATLAB/Simulink仿真平台上搭建了系统的各个模块并进行仿真。结果表明,所设计的系统调节速度快,控制过程中超调小,转速平稳,转矩波动减小。     

基于改进的PSO-BP神经网络的无刷直流电机控制

实时检测无位置传感器的无刷直流电机运行过程中的转子位置,并输出相应的开关管导通与关断信号是控制无刷直流电机的一项关键技术.本文针对神经网络控制存在开关管误导通的问题,引入非线性的惯性权重因子并采用异步时变的学习因子改进策略对标准粒子群算法(PSO)进行改进,通过改进的PSO算法对BP神经网络进行优化,进而控制无位置传感器无刷直流电机的换相顺序.仿真实验表明,采用基于改进的PSO-BP神经网络方法控制无刷直流的运行,可以取得满意的结果.     

无刷直流电动机单神经元自适应PID控制及改进

研制的无刷直流电动机单神经元自适应PID控制器，实现了在线调整PID参数的目的，克服了电动机非线性、参数易变的影响；同时引进变速控制算法对神经元比例参数K的给定进行了在线改进。仿真结果表明，单神经元自适应PID控制器自适应能力好，响应快．鲁棒性强．系统静态和动态特性良好，而且采用变速控制改进算法后，速度的调节器品质有所提高。