基于单神经元自适应PID的超声波电动机转速控制

超声波电动机是一种依靠振动和摩擦来传递运动的新型微电机.从工作原理来看,超声波电动机是一个高度非线性系统,采用经典PID控制无法取得理想的控制效果.设计一种单神经元自适应PID控制器,用于超声波电动机转速控制研究,取得较好的试验效果.     

行波超声波电机单神经元自适应控制

由于超声波电机具有非线性、时变性、强耦合等特点,增加了它的控制难度,采用PID等常规控制方法难以满足较高精度的控制需求。单神经元作为一种神经网络应用形式,具有自学习和自适应能力,而且易于实现。设计了基于低频PWM方法的单神经元自适应PID转速控制策略,构建了超声波电机自适应闭环控制装置。在一定程度上解决传统PID调节器不易在线实时整定参数、难于对复杂控制对象进行有效控制的不足。实验证明,该控制系统具有响应迅速、适应性强等优点。     

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。     

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.     

两相行波超声波电机的转速和位置伺服控制

采用频率、电压幅值双变量复合控制策略,对行波超声波电机进行速度控制,并在此基础上设计并实现了位置伺服控制.系统中所有控制器均为PID控制,并根据需要在转速起动控制中采用PID控制参数自适应调节,以提高系统鲁棒性.实验表明,控制方法简单、有效.     

基于模糊逻辑系统的行波型超声波电机速度/位置控制研究

行波型超声波电机的运行状态取决于施加电压的频率、幅值及相位差。针对行波型超声波电机转速及位置控制问题,结合模糊逻辑控制系统(FLC)、带PI的模糊逻辑控制系统(FLC-PI)和带PID的模糊逻辑控制系统(FLC-PID),采用变频法和相位差法对电机进行转速和位置控制。根据各控制方案的响应参数来看,带PID的模糊逻辑控制器(FLC-PID)取得了最好的控制效果,且适用于各种工况,具有可靠、有效、简单的优点。     

变学习速率的神经元自适应PID控制器

本文研究了单神经元自适应PID控制器，并利用模糊集理论提出一种变学习速率的神经元自适应PID算法。应用该算法可进一步改善系统的控制效果和鲁棒性。     

开关磁阻电机直接转矩单神经元PID设计

介绍了单神经元PI复合控制的开关磁阻电机调速系统的新方法,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.仿真结果表明,这种复合控制方法解决了常规控制方法因电机数学模型难以精确确定而无法确定控制参数的问题,克服了常规PI控制存在静差、无抗干扰能力的缺点,解决了系统上升时间与超调的矛盾.     

单神经元PID控制器永磁同步电机调速系统

为了改进传统PID控制的永磁同步电机调速系统性能,设计了单神经元PID控制器对其进行速度控制,并结合具体研究对象和控制要求,进行了仿真分析和实验。仿真分析和实验结果表明,采用单神经元PID控制器的调速系统具有更好的启动性能、动态性能和鲁棒性,而且该控制器设计简单、参数易于调整,非常适合实际应用。     

免疫调节增益的单神经元PID控制器

针对单神经元PID控制中学习速度较慢,动态响应时间长等问题,提出了免疫调节增益的单神经元PID控制器.将T细胞免疫调节机理与单神经元PID控制算法相结合,以提高单神经元PID控制器的学习速度,缩短动态响应时间,改善单神经元PID控制器的性能.仿真研究了免疫调节增益的单神经元PID控制器的定值跟踪性能和抗干扰性能以及直流电机伺服控制性能.仿真实验结果表明,这种新的控制算法学习速度快,动态响应时间短,具有较强的自适应性和鲁棒性,其控制性能优于单神经元PID控制.