基于蚁群-粒子群的模糊神经网络超声波电动机控制

超声波电动机运行时具有高度非线性、时变性及强耦合性。为有效破解超声波电动机非线性和建模困难的瓶颈,研究蚁群算法和粒子群算法相结合优化模糊神经网络参数的超声波电动机转速控制方案。仿真分析与实验结果表明,相比传统的BP算法训练模糊神经网络控制方法,该系统能实现对超声波电动机速度的自适应跟踪,速度脉动较小,调节精度高,动态性能较好,抗干扰能力强。     

超声波电机模糊-PI双模自适应速度控制

行波接触型超声波电机与传统电磁型电机截然不同 ,其驱动力矩并非由电磁感应产生 ,而是由压电陶瓷超声频域的振动转化而来。参数的时变性、系统内在的非线性、系统的强耦合性等原因导致其动态和稳态数学模型难以获得。在未知控制对象精确参数及数学模型的情况下 ,提出了超声波电机的模糊 -PI双模速度控制策略 ,系统根据工作状况随时调整控制模式。实验表明 ,系统较好地实现了设定的速度参考模型的自适应跟踪 ,具有控制灵活、适应性强的优点 ,又具有较高的控制精度。     

行波型超声波电动机定位控制系统

速度控制和定位控制是超声波电动机控制的难点,而定位控制又因其时常包含速度调节过程(即速度控制)成为研究热点.由于超声波电动机复杂的非线性关系,常规的控制方法根本不能满足其控制需求.本文设计了一种新型的超声波电动机定位控制系统,该系统结合了模糊与PID控制算法的优点,即首先采用模糊算法调节频率控制量的参数值,改变电机速度实现初步定位;其次在设定目标值附近切换成PID控制策略,通过调节两相输入电压的相位差使其精确定位.本系统通过模糊PID控制器分别实现对超声波电动机两相输入电压的频率和相位差进行控制,通过实验证明,模糊PID控制策略能有效的实现对行波型超声波电动机的定位控制,其定位精确性可以得到保证.     

感应电机调速系统模糊神经网络逆鲁棒控制

以多变量、非线性、强耦合的感应电机调速系统为研究对象,采用模糊神经网络逆鲁棒控制策略,通过模糊神经网络加积分器来构造感应电机调速系统的动态逆系统,将二者串联重构成伪线性复合系统,基于内模控制,根据复合系统的特性设计鲁棒控制器,实现了感应电机转速的高精度鲁棒控制.仿真和实验结果表明系统具有优良的静态及动态性能,对负载扰动、参数摄动和未建模动态等具有很强的鲁棒性.     

基于神经元自适应PID的超声波电机速度位置控制

超声波电机是强非线性时变系统,用常规的PID难以取得满意的效果.针对超声波电机的速度和位置控制,提出了神经元自适应PID算法.由于神经元自适应PID可以在线调整其参数值,因此当电机运行情况发生变化时可以通过改变控制参数来实现速度和位置的快速跟踪.实验表明,使用神经元自适应PID算法对超声波电机进行速度和位置控制,可以达到快速响应和高精度的控制效果.     

超声波电机转速控制的稳态模糊建模方法研究

针对超声波电机转速控制应用,以实验数据为基础,采用模糊逻辑方法建立了超声波电机系统的二输入单输出稳态模糊模型.数据验证表明,该模型较好地模拟了电机驱动电压幅值、频率及转速三者之间的非线性关系.文中详细描述了模糊建模过程,为超声波电机系统的非线性控制建模提供了另一条有效途径.     

基于免疫遗传算法的感应电机控制设计与仿真研究

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,并应用于感应电机双闭环控制系统中的转速控制器中,对感应电机实现了精确的速度控制.在与传统PI控制和递归模糊神经网络控制仿真比较中,采用该方法的系统显示出良好的控制性能和控制效果.     

基于遗传算法的超声波电机模糊自适应速度控制

行波接触型超声波电机是一种利用压电陶瓷的逆压电效应工作的新原理微特电机，与传统电磁型电机截然不同，其驱动力矩并非由电磁感应产生，而是由压电陶瓷超声频域的振动转化而来，参数的时变性，系统内在的非线性、系统的强耦合性等原因导致其动态和稳态数学模型难以获得。在未知控制对象精确参数及数学模型的情况下，该文提出一种新的超声波电机自适应速度控制策略。控制系统包括两个闭环，内环用来补偿由于温度变化造成的机械谐振频率漂移，可以增强响应的快速性与准确性，另一闭环为频率调节环，频率值由模糊控制器根据工作状态随时调整，其模糊控制规则基于遗传算法在线调节。系统较好地实现了设定的速度参考模型的自适应跟踪，具有控制灵活，适应性强的优点，又具有较高的控制精度和较好的稳定性。     

超声波电机神经网络逆模型的辨识建模

针对超声波电机时变、强耦合使得数学模型难以建立的问题,以超声波电机转速的非线性逆控制为应用背景,本文给出了超声波电机神经网络逆模型的辨识建模方法.基于实验测得的足够样本数据,通过反复测试确定模型形式为三层非线性DTNN网络.进行串-并联辨识,建立了以电机转速为输入、驱动频率为输出的超声波电机神经网络逆模型.所得模型的输入-输出关系与实测数据接近,表明了所建模型的有效性.     

超声波电机速度与定位控制系统

由于超声波电机复杂的非线性关系，常规的控制方法根本不能满足其控制需求。该文提出了一种新型的超声波电机控制系统，即运用模糊自适应PID的控制策略来进行速度控制，并且在设定位置附近切换成PID的控制策略进行定位控制。由于综合了模糊控制及PID控制两种控制方法的优点，而不需要精确的数学模型就能够对超声波电机进行快速精确的控制。实验证明，利用该控制系统对行波型超声波电机进行速度与定位控制，其速度的快速性与定位的精确性可以得到保证。     

永磁同步电动机的神经网络模糊控制器设计

提出了基于神经网络的自学习模糊控制器的设计方法。在永磁同步电动机(PMSM)矢量控制系统中,使用该控制器作为速度调节器对永磁同步电动机进行精确的速度控制。仿真结果表明,该神经网络模糊控制方法是可行的,具有良好的动态及静态特性。     

基于模糊神经网络的纯电动车永磁同步电机矢量控制

纯电动车控制系统对电机控制性能要求较高。提供了一种基于模糊神经网络的永磁同步电机矢量控制方案。以模糊神经网络控制器作为电流调节器,并在速度环引入模糊控制器,将其输出作为电流环的限幅,达到限速的目的。仿真和试验结果表明:对于电动车运行的复杂情况,该方法具有良好的转矩跟踪和电机限速性能。     

基于模糊神经网络算法的交流伺服系统DSP控制

将神经网络与模糊逻辑控制结合起来,设计模糊神经网络控制器应用于交流伺服系统中的转速调节器,克服交流调速系统中参数漂移、非线性和耦合等因素的影响.针对模糊神经网络控制器运算量大、收敛慢的特点,硬件采用数字信号处理器(DSP)作为控制器运算单元,并在DSP上实现模糊神经控制算法,提高了系统实时性.实验结果表明,采用该控制器的调速系统具有较快的响应速度、较高的稳态精度和较强的鲁棒性.     

基于模糊神经网络的异步电机转速估计方法

根据异步电机的数学模型,提出基于模糊神经网络的异步电机转速估计方法。将传统参考自适应系统中原有的自适应调节机构用一个具有在线学习能力的模糊神经网络取代,得出了一种基于模糊神经网络的异步电机转速估计方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电机实际转速的变化,具有良好的性能。     

永磁同步电动机的神经模糊矢量控制研究

通过分析永磁同步电动机（PMSM）的数学模型,提出神经网络模糊控制器的设计方法,并应用于永磁同步电动机双闭环矢量控制系统中的转速控制器,用来精确实现永磁同步电动机的速度控制。仿真实验表明,该方法得到的各项性能指标均优于PI控制和递归模糊神经网络控制,具有很强的适应性和鲁棒性,取得了比较理想的控制效果,为实现永磁同步电动机的智能化调速控制提供了切实可行的技术方案。     

基于双模控制算法的交流伺服电机的研究

为了提高伺服电机控制的实时性和精确性,满足伺服系统高速度和高精度的控制要求,提出一种自适应神经元模糊PID的交流伺服电机控制算法。该算法充分结合模糊PD控制的强鲁棒性和神经网络控制强大的自学习能力。通过对仿真结果对比分析,结合后的控制算法相比单一的模糊PD算法和单神经元自适应算法,系统的响应速度更快,精度更高。     

基于改进BP算法神经网络的超声波电动机速度控制

针对超声波电动机没有精确数学模型,输出具有很强的时变性和非线性的特点,提出了一种改进BP神经网络控制器,神经网络由输入层、隶属函数层、规则层和输出层四层节点构成,在传统BP神经网络基础上,加入了模糊偏差单元和关联节点,使规则层不仅接收来自隶属函数层输出的信号,还接收自身的延时输出信号,能够存储过去的输入输出信息,提高控制系统学习记忆的稳定性。将改进BP神经网络控制器应用于行波超声波电动机速度控制,仿真实验验证了该方法的有效性,与传统BP神经网络相比较,控制精度、响应速度都有改善。     

基于模糊PID控制和BP神经网络PID控制的永磁同步电机调速方案比较研究

采用模糊PID控制和神经网络PID的控制方式分别对永磁同步电机进行了恒负载实时调速分析,对比了研究两者的控制性能。通过在Matlab/Simulink环境下搭建仿真控制程序,分别采用两种控制方式构建对于永磁同步电机的闭环控制模型进行仿真,进行模糊PID控制和神经网络PID控制对永磁同步电机的闭环控制效果对比。经仿真结果表明,神经网络PID控制在抗扰动方面优于模糊PID控制,而模糊PID控制在实时性方面较为优势     

异步电动机无速度传感器矢量控制系统设计

文章提出一种基于模糊神经网络的模型参考自适应电机转速辨识方法,将其与SVPWM调制技术控制的变频器系统结合起来,组成了一种基于DSP的异步电机无速度传感器矢量控制系统.具体介绍了其结构及软硬件的设计.仿真结果表明此系统动态性能好,能准确跟踪电机转速的变化.     

感应电机无速度传感器直接转矩控制的智能优化设计

在一些特定作业环境中,需要对电机转速进行精确调控.为了改善直接转矩控制系统低速时常规PI调节器带来的转速脉动,设计了基于模糊神经网络的新型PI调节器,改进后的转速调节器具有快速自整定、微超调的特性.针对MARS转速观测器低速时的不稳定性,设计了基于人工神经网络的模型参考自适应速度观测器,改进后的转速观测器具有良好的动、静态特性.仿真结果表明:智能优化设计使得直接转矩控制系统的控制效果明显提高,且有更好的鲁棒性和自适应性.