基于神经网络的SRM直接转矩控制系统仿真研究

文中采用直接转矩控制(DTC)方法有效的抑制了开关磁阻电机的转矩脉动。并将基于神经网络自适应PID控制的电机调速系统应用于该直接转矩控制系统,解决了常规PID控制器难以取得良好控制效果的问题。其中主要介绍了BP神经网络自适应PID以及RBF神经网络自适应PID控制策略的基本原理以及算法,并对比了二者的响应速度和鲁棒性。仿真结果表明,在SR电机调速系统中,利用神经网络收敛迅速的优点,两种控制器均能实现对给定转速快速、稳定的跟踪,并能适应系统参数的变化,具有良好的适应性和鲁棒性。但RBF-PID调速系统响应速度更快,更适用于实时控制的系统。     

基于RBF神经网络的开关磁阻电机单神经元PID控制

论文提出了一种基于径向基函数（radial basis function）神经网络在线辨识的开关磁阻电机（SRM）单神经元PID自适应控制新方法。该方法针对开关磁阻电机的非线性，利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器，不但结构简单，而且能适应环境变化，具有较强的鲁棒性。并构造了一个RBF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，从而实现控制器参数的在线调整，能取得更好的控制效果。样机的实验结果表明，文中所提出的基于RBF神经网络辨识的开关磁阻电机单神经元自适应PID控制方法，通过在线辨识建立了过程模型并为神经元控制器提供了梯度信息，达到了在线辨识在线控制的目的，控制精度高，动态特性好。     

开关磁阻电机模糊神经网络PID转速控制

针对开关磁阻电机调速系统难以控制的问题,提出了基于模糊FCMAC神经网络的PID控制方法,该方法的主要思想是将马丹尼直接推理法与CMAC神经网络相结合,构成模糊FCMAC神经网络,实时调整PID控制参数.仿真结果表明,与传统的PID控制方法相比较,该方法大大改善了开关磁阻电机调速系统的动、静态性能,且无需精确的数学模型...     

神经网络在开关磁阻电机控制中的应用研究

本文分析开关磁阻电机驱动系统特性,提出了一种运用神经网络对其进行控制的方法,并与传统PID控制方式进行了比较,给出了仿真控制结果,表明了这种基于神经网络控制方法应用于开关磁阻电机驱动系统的优越性和可行性。     

基于RBF神经网络非线性预测模型的开关磁阻电机自适应PID控制

开关磁阻电机的非线性和变参数特性使得采用传统的PID控制很难取得较好的控制效果。人工神经网络在一定的条件下可以任意精度逼近任意非线性函数且具有较强的自学习、自适应、自组织能力。故将其与传统的PID控制相结合构成神经网络自适应PID控制策略，应用于非线性严重的开关磁阻电机，可实现对开关磁阻电机的高性能控制。同时，神经网络所具有的非线性变换特性和高度的并行运算能力使得其适合建立非线性预测模型进行参数预测。通过对被控系统参数的预测，可提高系统的动态响应性能。该文采用两个神经网络-BP神经网络和RBF神经网络来分别构成神经网络NNC和神经网络NNI。神经网络NNC进行自适应PID参数调节；神经网络NNI用来建立非线性预测模型进行参数预测。为进一步加快神经网络的学习收敛速度，该文采用变学习速率的神经网络学习算法，学习速率随收敛过程误差的大小而自适应地进行调整，这可大大加快神经网络学习训练的收敛速度，进一步提高系统动态响应速度。实验结果表明，系统的动态响应快，超调小，稳态精度高，鲁棒性强，有较强的抗扰动能力，具有较好的控制效果。     

基于BP神经网络的开关磁阻电机建模及仿真

为了改善开关磁阻电机的性能分析和控制效果,建立精确的开关磁阻电机模型是极其重要的。在获得准确的电机电磁特性基础上,利用神经网络所具有的非线性映射能力,建立开关磁阻电机非线性模型。本文采用基于附加动量法的BP神经网络建立开关磁阻电机磁链模型和转矩模型,同时在Matlab/Simulink平台上搭建电机控制系统模型。实验表明,该建模方法能满足开关磁阻电机驱动系统的高性能要求。     

基于径向基函数神经网络的开关磁阻电机建模

基于径向基函数神经网络的局部逼近理论 ,利用高斯基函数 ,在分析测量数据和开关磁阻电机非线性磁特性的基础上 ,建立了开关磁阻电机的模型。通过与样机实测数据比较 ,验证了模型的有效性。与传统的局部线性化方法及BP神经网络比较 ,本文所建模型有更好的泛化能力和更快的速度 ,比较准确地反映了开关磁阻电机的磁特性 ,这对于开关磁阻电机的实时在线控制具有重要意义     

开关磁阻电机直接自适应神经网络控制

针对开关磁阻电机调速系统存在的未知参数波动和外部负载扰动问题,提出了直接瞬时转矩控制下的基于最小学习参数的直接自适应神经网络控制算法实现开关磁阻电机高品质调速控制。采用RBF神经网络对包含未知参数波动和外部负载扰动等不确定项的理想控制律进行整体逼近。将神经网络理想权值的范数作为在线估计参数,使在线学习参数由多个权值减少为一个,降低了控制器的计算负担。基于李雅普诺夫函数的稳定性分析保证了闭环调速系统半全局一致最终有界稳定。与PI控制的对比仿真试验表明,直接自适应神经网络控制器能够有效地提高开关磁阻电机调速系统对参数波动的自适应性和对外部负载扰动的鲁棒性。     

基于神经网络的五相SRM直接转矩控制

针对五相开关磁阻电机,进行了直接转矩控制方法的分析与研究,提出了一种基于BP神经网络的PID与传统PI相结合的新型控制策略。在大误差下采用神经网络控制,小误差下采用传统PI控制,并且在传统PI控制环节上,采用了依据负载转矩误差限构成的变参数法,对系统速度误差进行快速调整,可以更好的适应外界干扰。对五相开关磁阻电机进行了仿真,仿真结果表明,这种控制方法能够有效的减小转矩脉动,并且避免了电机多变量、强耦合、非线性等问题,系统动静态性能良好。     

基于BP神经网络的开关磁阻电机直接转矩控制系统及实现

直接转矩控制可有效抑制开关磁阻电机(SRM)转矩脉动。由于开关磁阻电机双凸结构和磁路的严重饱和,造成其转矩是关于电流和转子位置的严重非线性函数,转矩计算非常困难。针对这一问题,本文提出一种采用基于BP神经网络建立开关磁阻电机转矩模型的方法。利用有限元仿真得到的转矩样本对BP神经网络经行进行离线训练,完成电流、位置角度到转矩的非线性映射,构造出基于BP神经网络的转矩观测器。再将构造好的转矩观测器应用于电机直接转矩控制系统中,对电机的转矩经行进行实时在线估算。最后,将估算转矩经行反馈,完成电机的直接转矩控制。该控制方法利用了BP神经网络泛化、逼近能力强的优点,同时控制过程简单,无需在线训练。实验结果表明,所提方法转矩计算速度快、计算精度高,可以满足实时控制的要求,有效地减小了电机的转矩脉动。     

基于BP神经网络的PID控制及仿真

本文讨论基于BP神经网络的PID控制，利用神经网络的自学习能力进行PID控制参数的在线整定、并使用Matlab软件进行了仿真研究。BP神经网络是一种前向神经元网络，具有学习速率快、振荡小、精度高的优点。仿真结果表明，神经网络PID控制器参数调整简单，具有很高的精度和很强的适应性，可以获得满意的控制效果。     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法,用于永磁同步电机的控制.该算法用基于BP神经网络的PID算法作为速度控制器,实现控制系统的在线自适应调整;同时用模糊理论算法作为神经网络控制器输出的限制,实现了良好的控制动态性能.在与传统的PI控制仿真比较中,该算法显示出了较好的控制性能,对负载和电机参数的变化不再敏感,且控制器可以在误差较大的时候快速跟踪指令,而在误差较小的时候实现稳定运行.     

基于神经网络自适应PID控制的船舶操纵研究

本文针对船舶操纵这种非线性、时变参数控制对象,提出了一种采用神经网络自适应ＰＩＤ控制方案。该控制结构有两上子神经网络组成,一个三层ＢＰ神经网络用于对被控对象进行在线辨只,另一个两层线性网络构成具有ＰＩＤ结构的控制器。文中给出了神经网络在线训练学习方法,并进行船舶操纵控制仿真研究。     

基于BP网络PID算法的恒压供水系统研究

采用神经网络控制理论与PID（比例、积分、微分）控制算法,设计一个基于SIMATIC CPU226 PLC的BP神经网络PID控制器。恒压控制系统由BP神经网络PID控制器、丹佛斯VLT2900变频器和水泵机组组成。解决了传统PID控制算法难以保证系统在任何工况条件下始终具有最佳控制性能的难题。试验结果表明：系统可以在线自整定PID参数,具有较好的自适应能力,控制效果比较理想。     

基于BP网络SRM的DITC系统仿真研究

本文采用了直接瞬时转矩控制(DITC)方法来抑制开关磁阻电机的转矩脉动。介绍了DITC方法的控制原理,据此设计了不同导通区间内的转矩滞环控制器,采用BP神经网络自适应PID控制器调节静差。仿真结果表明,采用BP-PID的DITC方法能够很好的抑制转矩脉动,系统响应时间短,控制精度高,转矩波形明显优于传统电流斩波控制下的转矩波形,证明了本文所设计的DITC方法能够有效地提升开关磁阻电机动静态工作过程中的转矩性能。     

BP神经网络整定的PID在机器人轨迹跟踪中的应用

充分利用BP神经网络能够逼近任意非线性系统的优点,将BP网络和PID控制相结合,解决了多关节机器人的运动轨迹跟踪问题.采用这种方法,可以在线实时调整PID控制器的参数,使其达到最优状态,克服了完全依靠经验离线调整PID参数的缺点,使系统具有更好的鲁棒性和自适应性,其输出也可以通过在线调整达到预期的控制精度.仿真实验证实了该控制策略的正确性和有效性.     

基于神经网络的自适应PID控制器及其应用

介绍一种基于神经网络的自适应PID控制器,运用神经网络和BP算法在线调整PID参数,PID参数的初值采用继电器自整定法整定。仿真分析和实际应用结果表明,与传统的数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁捧性。     

基于神经网络的水轮机调节系统的自适应PID控制

基于有功功率反馈参与控制的水轮机调节系统,以几个典型工况下的最优ＰＩＤ系数作为训练样本,训练了一个三层ＢＰ神经网络,设计了一个用ＢＰ神经网络实现变参数的ＰＩＤ控制器;并构造了一个目标函数,设计了一个自适应神经元,利用神经元的自学习功能,在线优化控制器的输出,以期达到最优控制的目的。对简单电力系统的仿真结果表明,这种控制器可以达到较常规的变参数ＰＩＤ较好的控制效果,是实现水轮机调节系统自适应控制的一种可行的方法。     

基于神经网络控制的两电动机同步系统研究

以多变量、非线性、强耦合的两电动机同步控制系统为研究对象,对变频器供电的感应电机系统进行重点研究,建立两电机同步系统的数学模型.采用RBF神经网络自适应PID控制器,结合自适应神经元解耦补偿的解耦控制技术,设计了两电机同步调速系统的神经网络控制器,试验结果表明该方法可以实现电机转速和皮带张力的解耦控制.     

神经网络PID控制器在交流矢量控制系统中的应用

介绍了一种基于BP神经网络的PID控制器的设计方法，仿真实验结果表明该系统既保证了系统的稳态精度，又保证了系统的快速响应和鲁棒性。