神经元自适应控制器在感应电机矢量控制中的应用

神经网络具有自学习、自适应能力 ,用于控制时可以不依赖控制对象的数学模型 ,神经网络控制器可克服传统PID控制器在电机参数改变时鲁棒性较差等不足。提出了基于神经元的用于感应电机矢量控制的自适应磁链和转速控制器。该设计适用于交流电机矢量控制系统 ,具有结构简单、易于实现、控制性能好、鲁棒性强等特点     

神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力,用于控制时可不依赖控制对象的数学模型.感应电动机矢量控制技术是通过坐标变换,实现对定子电流的励磁分量与转矩分量的解耦控制.为实现对交流电机快速和精确控制,本文基于单神经元设计出用于感应电动机矢量控制的自适应磁链和转速控制器,利用神经元的自学习功能在线调节连接权重,实现自适应控制.并将此设计应用于由数字信号处理器(DSP)实现的交流电机矢量控制系统中,实验表明此方法设计的控制器结构简单,易于数字化实现,控制系统动态性能良好.     

神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力，用于控制时可不依赖控制对象的数学模型。异步电机矢量控制技术是通过坐标变换，实现对定子电流的励磁分量与转矩分量的解耦控制。为实现对交流电机快速和精确控制，本文基于单神经元设计出用于异步电机矢量控制的自适应磁链和转速控制器，利用神经元的自学习功能在线调节连接权重，实现自适应控制。并将此设计应用于由数字信号处理器(DSP)实现的交流电机矢量控制系统中，实验表明此方法设计的控制器结构简单，易于数字化实现，控制系统动态性能良好。     

神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力 ,用于控制时可不依赖控制对象的数学模型。异步电机矢量控制技术是通过坐标变换 ,实现对定子电流的励磁分量与转矩分量的解耦控制。为实现对交流电机快速和精确控制 ,本文基于单神经元设计出用于异步电机矢量控制的自适应磁链和转速控制器 ,利用神经元的自学习功能在线调节连接权重 ,实现自适应控制。并将此设计应用于由数字信号处理器 (DSP)实现的交流电机矢量控制系统中 ,实验表明此方法设计的控制器结构简单 ,易于数字化实现 ,控制系统动态性能良好。     

单神经元PID控制器在直接矢量控制中的应用研究

异步电机矢量控制改善了电机的转矩控制特性,但是由于系统运行过程中一些不可控或不确定的因素,传统PID控制难以满足精度高、反应快、鲁棒性好的要求。基于单神经元网络设计了用于矢量控制的增益自调整的自适应磁链和速度控制器,并运用改进的学习与控制算法,实现单神经元PID控制器的参数优化与在线自动调整。仿真与实验结果表明：单神经元PID控制器可以改善异步电动机矢量控制的性能,具有较强的自适应性与鲁棒性。     

交流调速系统的单神经元自适应内模控制

针对感应电机速度控制器的传统设计方法所存在的缺点,提出了单神经元自适应内模速度控制器.首先依据内模控制原理设计出内模速度控制器,该控制器具有PI结构,但只有一个可调参数,且该参数与控制系统的动态特性直接相关,再利用单神经元对此参数进行实时在线调节,实现了系统的自适应控制.在理论分析的基础上,将此控制器应用到基于数字信号处理器实现的交流电机矢量控制系统中.实验结果表明:该方法是一种有效的实时控制策略,它能使调速系统不仅具有良好的动、静态性能,而且具有很强的鲁棒性和自学习能力.     

电主轴伺服系统的单神经元自适应PID控制

电主轴感应电动机伺服系统要求有良好的动静态性能.按转子磁场定向的感应电动机矢量控制中转速PI调节器在控制对象参数和工作环境变化时其性能较差.为了改善电主轴伺服系统的性能,提出了用单神经元自适应PID控制器代替传统PI调节器.为了提高单神经元PID控制器的学习能力,将无监督的Hebb学习规则与有监督的Delta学习规则相结合,实现单神经元控制器的参数优化与在线自调.仿真和实验结果表明,伺服系统不仅具有很好的静、动态性能,而且又具有很强的自适应性和抗扰性.伺服系统可用于航空航天、智能机器人和数控机床等高性能控制系统当中.     

感应型无轴承电机的模糊-PID控制

从运行原理出发，建立了感应型无轴承电机磁悬浮力的解析模型。设计了一个模糊控制器，进而构建了一个基于模糊控制的自适应PID控制器；利用模糊控制器的模糊推理能力来实现PID控制器参数在线调整，以达到优化控制的目的。仿真结果表明，这种控制器与常规PID控制器相比可以取得较好的控制效果，有效地提高了感应型无轴承电机稳定悬浮运行的动、静态性能。     

基于神经网络自适应PID的异步电动机定子磁场定向控制

针对异步电动机这一多变量、非线性、强耦合的控制对象, 提出了一种基于神经网络自适应PID控制器的异步电动机定子磁场定向解耦控制的新方法.采用定子磁场定向控制,以定子磁链作为反馈量,运用电流励磁分量解耦补偿环节,实现了定子磁场定向控制下电机转速与定子磁链间的解耦控制.同时为实现对异步电动机快速和精确控制,设计出用于异步电动机的神经网络自适应PID控制器,利用神经元的自学习功能在线调节连接权重,实现自适应控制.实验结果表明:这种方法具有控制性能不受电机转子参数的影响,以及快速的转速和转矩响应的特点.     

单神经元自适应PID控制交流调速系统

针对转子磁场定向矢量控制中转速PI调节器鲁棒性能较差的问题,提出了用单神经元自适应PID控制器代替转速PI控制器,进一步改善了异步电动机矢量控制系统的性能;将无监督的Hebb学习规则与有监督的Delta学习规则相结合,提高了单神经元自适应PID控制器的学习能力,实现了单神经元控制器的参数优化与在线自调.构造了基于单神经元自适应PID控制器和空间矢量脉宽调制(SVPWM)的异步电机矢量控制系统.仿真实验结果表明,该系统不仅具有很好的静、动态性能,而且又具有很强的自适应性和鲁棒性.     

基于单神经元控制器的异步电动机矢量控制

文中提出了采用单神经元智能控制器代替传统PID控制器以改善异步电动机矢量控制的性能。在分析单神经元控制器结构与控制原理的基础上，为了提高单神经元控制器的学习能力与自适应性，将无监督的Hebb学习规则与有监督的Delta学习规则相结合，运用改进的学习与控制算法，实现单神经元控制器的参数优化与在线自动调整。采用Matlab软件建立单神经元控制器与异步电动机矢量控制模型，进行仿真研究；并将单神经元控制器的控制软件应用于异步电动机矢量系统，进行实验研究。仿真与实验结果表明，单神经元控制器可以改善异步电动机矢量控制的性能，具有较强的自适应性与鲁棒性。     

基于单神经元控制器的永磁同步电机矢量控制仿真

在永磁同步电机状态方程和单神经元控制器数学模型的基础上，提出基于Matlab／Simulink的永磁同步电机和神经元控制器S函数仿真模型。并将仿真模型应用到矢量控制系统中，以代替传统的基于PID控制器的矢量控制系统。在Hebb和Delta学习算法的基础上，应用增量式的神经元控制算法实现神经元控制器的参数优化和自动调整功能并提高学习能力和自适应性。仿真结果表明了基于S函数的永磁同步电机仿真模型的可行性和采用神经元控制器的永磁同步电机矢量控制系统具有较强的自适应性和鲁棒性。     

自抗扰控制器解决感应电机调速系统参数鲁棒性问题

针对矢量控制系统存在的参数鲁棒性差的缺陷,基于自抗扰控制原理,提出了一种可以取代经典PID控制器用于异步电机调速的非线性自抗扰控制器。利用扩张状态观测器,自抗扰控制器可以估计出系统状态变量及其广义导数,从而实现异步电机的精确解耦。此外,上述控制方案不需要精确电机参数就可以实现干扰补偿,这使得自抗扰控制器的设计能够独立于异步电机的精确数学模型。仿真和实验结果表明,相对于经典PID控制器,自抗扰控制器在较宽的调速范围内具有更好的动态性能。     

采用自抗扰控制器的高性能异步电机调速系统

矢量控制技术已被广泛地应用于高性能异步电机调速系统中,然而,由于在实时控制中存在严重的外部干扰,参数变化和非线性不确定因素,基于精确电机参数的准确解耦很难实现,并且磁通和转矩的动态性能也受到严重的影响,为了提高调速系统的动态性能,该文提出了一种可以取代经典PID控制器用于异步电机调速的非线性自抗扰控制器。自抗绕控制器由三部分组成;跟踪微分器,扩张状态观测器和非线性状态误差反馈控制律,利用扩张状态观测器,自抗绕控制器可以估计出系统状态变量及其广义导数,从而实现异步电机的精确解耦,此外,上述控制录需要精确电机参数就可以实现干扰补偿,这使得自抗绕控制器的设计能够独立于异步电机的精确数字模型。仿真和实验结果表明,相对于经典PID控制器,自抗绕控制器在较宽的调速范围内具有更好的动态性能以及对负载扰动,电机参数变化都具有更好的鲁棒性。     

基于神经网络的新型复合速度控制器研究

将神经网络直接逆动态控制和传统PID控制相结合构造了一种新型复合神经网络速度控制器。基于感应电机间接磁场定向矢量控制系统的仿真结果表明,在电机参数变化和负载扰动的情况下,该控制器的应用使感应电机间接磁场定向矢量控制系统具有更好的鲁棒性和抗扰性能。     

基于RBF神经网络在线辨识的永磁无刷直流电机单神经元PID模型参考自适应控制

永磁无刷直流电机控制系统是多变量和非线性的.针对传统PID控制方法的不足,提出一种基于径向基函数神经网络在线辨识的单神经元PID模型参考自适应控制方法,并用于永磁无刷直流电机的控制中.该方法构造了一个径向基函数神经网络对系统进行在线辨识,建立其在线参考模型,由单神经元控制器完成控制器参数的自学习,并在数字信号处理器中实现控制参数的在线调节.系统较好地实现了给定速度参考模型的自适应跟踪,结构简单,能适应环境变化,具有较强的鲁棒性.