两电机调速系统的神经网络逆无模型自适应鲁棒解耦控制

为了解决非线性强耦合的多输入/输出的两电机调速系统存在较大负载扰动的问题,提出一种基于神经网络逆(neural network inverse,NNI)的鲁棒解耦控制策略。首先,根据逆系统理论,分析系统的可逆性,利用神经网络逼近原系统逆模型,将强耦合的两电机非线性系统线性化解耦为一伪线性复合系统。其次,针对两电机调速系统中负载扰动的问题,根据动态线性化理论,设计无模型自适应(model-freeadaptive,MFA)补偿控制器;将MFA补偿控制器与伪线性化复合系统相结合,以提高神经网络逆控制的两电机调速系统在负载扰动下的抗扰性能。基于Matlab/Simulink和PLC实验平台进行仿真和实验。实验结果表明:基于神经网络逆系统的MFA鲁棒控制策略不仅能很好地实现两电机转速与张力的解耦,还对负载扰动具有很强的抗扰性能。     

电流控制逆变型感应电机的神经网络逆系统控制

针对电流控制逆变器供电的感应电机系统的特点,提出了不依赖于对象精确数学模型与参数的感应电机神经网络逆系统控制方法.由静态神经网络加积分器来构造感应电机的逆系统,并与原系统串联,实现感应电机的转速和转子磁链真正的动态解耦.在此基础上,设计线性闭环调节器对两个解耦的伪线性子系统进行控制,获得优良的动、静态控制性能.仿真结果表明这种基于神经网络逆系统方法的控制策略可实现感应电机的高性能控制,且对电机参数的变化与负载扰动具有较强的鲁棒性.     

感应电机调速系统的模糊神经网络控制研究

针对多变量、非线性、强耦合的感应电机调速系统,传统的PID控制和模糊控制均不能达到理想的控制效果的问题,依据空间矢量控制理论建立了感应电机的数学模型,提出了一种基于模糊神经网络的感应电机调速系统控制方法,并且在基于神经网络离线训练的基础上提出了在线调整网络参数的策略,实现了感应电机调速系统的高精度控制,并通过Matlab仿真进行了分析研究。结果表明,系统具有优良的动静态性能,且对电机参数的变化与负载扰动具有较强的鲁棒性。     

基于神经网络的感应电机变频调速系统控制

针对电机参数的复杂性和变频调速特性,提出了交流电机变频调速系统的神经网络逆系统控制方法;针对模型基本未知的连续非线性可逆系统,将神经网络对未知非线性函数的逼近和学习能力、逆系统相结合,给出神经网络阶逆系统和复合控制器的设计,仿真结果证明了理论的正确性。     

基于神经网络逆的感应电机矢量控制改进方法

基于感应电机的矢量控制(转子磁场定向控制)存在不能动态解耦和鲁棒性差的问题,提出了感应电机的一种神经网络逆控制方法.实现了电流控制型感应电机系统的自适应解耦及线性化.该神经网络逆系统相当于在普通的矢量控制结构中加了一个具有鲁棒性和开放性的解耦补偿环节,最后通过仿真和实验验证了该方法的有效性.     

恒压频比变频调速系统的神经网络逆控制

采用以恒压频比方式工作的通用变频器来直接驱动感应电机在工业生产领域中应用很广泛。在不改变原有的恒压频比变频调速系统结构的前提下，进一步提高该系统的控制性能意义很大。该文根据恒压频比控制的特点，把通用变频器和感应电机看成一个整体——恒压频比变频调速系统，给出了相应的数学模型，并得出了适用于带补偿和不带补偿的恒压频比运行方式的逆系统模型，进一步构造神经网络逆系统并与恒压频比变频调速系统串联复合成伪线性系统，再设计线性闭环调节器实现高性能控制。实验结果证明了采用神经网络逆控制方法可以使恒压频比变频调速系统获得优良的运行性能。     

感应电机的无速度传感器逆解耦控制

提出了一种基于扩展的Kalman滤波器的感应电机无速度传感器逆解耦控制方法.首先采用逆系统方法将感应电机的转速与转子磁链进行动态解耦,其次由扩展的Kalman滤波器(EKF)对转速及转子磁链进行实时估计,最后由线性综合方法设计转速和转子磁链闭环调节器,从而实现感应电机的无速度传感器逆解耦控制.仿真结果表明EKF可在整个调速范围内进行高精度的转速和磁链估计,系统具有优良的动态和稳态控制性能     

感应电机的新型神经网络广义逆系统解耦控制

针对感应电机这一多变量、强耦合系统,提出了一种新型神经网络广义逆系统解耦控制方法,给出了新型广义逆系统的存在性证明.它与感应电机复合,将转子磁链与转速的解耦成两个独立的伪线性子系统,并且可以随时通过调整反馈参数改变两个伪线性子系统的配置极点,为控制器的设计提供了便利.仿真结果表明,通过合理的选择配置极点和控制器参数,整个控制系统对电机参数变化和负载扰动有较强的鲁棒性和动态性能.     

神经网络逆系统在电机变频调速系统中的应用

神经网络逆系统是近年来发展起来的非线性控制新理论 ,它具有物理概念明晰、适用面宽、使用简便的特点。论文给出了感应电动机变频调速系统的数学模型 ,并通过可逆分析 ,证明该系统可逆 ,可以用神经网络逆系统对其进行控制。仿真和试验结果表明 ,对感应电动机变频调速这一非线性、快速多变、难于建模的复杂系统 ,神经网络逆控制器的控制是实用和有效的。     

基于多标量模型的感应电机神经网络逆控制

感应电机多标量模型具有状态变量是标量且物理意义明确和不需旋转坐标变换等优点;神经网络逆系统适合解决不确定性因素(参数变化和外在扰动等)存在的情况下,感应电机高性能的控制问题.为此,提出基于多标量模型的感应电机神经网络逆控制结构,实现感应电机系统的自适应解耦线性化,进而提高系统控制性能.最后对系统进行了仿真研究和软硬件实现方案讨论,理论分析和仿真表明所提控制结构是有效的.