感应电动机自调整模糊神经网络滑模控制的研究

根据模糊逻辑、神经网络和滑模控制原理,推导出了感应电动机模糊滑模控制算法,利用神经网络实现在线自调整控制部分参数,研制成功了一个由电压型变频器供电的自调整模糊神经网络滑模控制感应电动机交流调速。实验表明,系统实现简单,控制方便,具有良好的动、静态特性。     

RBF等效滑模控制在并联机器人伺服电机中的应用

采用RBF神经网络的等效滑模控制算法对并联机器人伺服电机的控制,既发挥了RBF神经网络具有逼近任意函数的专长,又保留了滑模变结构控制的鲁棒性,克服了滑模变结构控制系统的参数摄动和在外部干扰条件下容易产生抖振,达到了理想的控制效果。     

大型风机的独立变桨控制方法

为了缓解风力发电机组由于风速扰动所造成的疲劳载荷,给出了一种基于RBF神经网络滑模独立变桨控制策略。通过分析风力机的基本特性,提出将RBF神经网络滑模功率控制单元和独立变桨控制单元相结合的控制方式。RBF神经网络滑模功率控制单元通过对发电机电磁转矩及桨叶桨距角的控制来平衡风力机的气动转矩,使风轮保持额度转速,实现稳定风电机组的输出功率的目的。而RBF神经网络独立变桨滑模控制单元通过实时微调风机桨距角,来优化功率控制单元的统一桨距角信号,实现缓解风机结构疲劳载荷的目的。最后,通过建立基于RBF神经网络滑模独立变桨控制的风力发电机组进行相应的仿真与实验,证明基于RBF神经网络功率控制和独立变桨滑模控制相结合的方法具有良好的控制效果,稳定风机输出功率的同时,极大地缓解风机的结构载荷,降低风力发电机组的维护成本。     

SRM积分滑模变结构与神经网络补偿控制

针对开关磁阻电机非线性动态特性不易控制的缺点,提出了一种积分型滑模变结构与神经网络补偿相结合的复合控制策略.应用一个具有积分型式的滑模切换面的变结构控制器,使用积分补偿技巧降低系统的振动与稳态误差.为减小滑模面的抖动,引入神经网络补偿控制环节.建立滑模变结构控制的数学模型,并给出神经网络补偿滑模面抖动的控制律表达式.利...     

神经滑模控制在机器人轨迹跟踪中的应用

针对滑模控制在机器人轨迹跟踪中应用时出现的抖振问题,提出了基于滤波器的神经滑模趋近律控制方法.根据滑模变结构和径向基函数(RBF)神经网络控制理论,并结合滤波器,对两关节机器人的轨迹跟踪控制进行了仿真研究.通过对单纯的滑模变结构加滤波器的控制方法、RBF神经滑模等效控制和RBF神经滑模趋近律控制这三种方法进行对比仿真分析,结果表明设计的神经网络滑模趋近律控制系统具有良好的跟踪性、鲁棒性和较高的控制精确度,同时有效地消除了抖振,实现简单.     

基于RBF网络的开关磁阻电动机自适应滑模控制

结合滑模控制和神经网络各自的优点,对开关磁阻电动机提出了一种基于RBF神经网络的开关磁阻电动机自适应滑模控制方案。设计了基于反馈线性化的滑模变结构控制器,通过RBF神经网络的在线学习实时估计系统参数变化,减小系统参数变化对控制效果的影响,实现了开关磁阻电动机的自适应滑模控制。理论分析证明了所设计自适应神经滑模控制器的稳定性和可行性,仿真结果证明了所设计控制器可行性。     

基于模糊神经网络滑模控制器的一类非线性系统自适应控制

虽然滑模控制具有控制简单和对不确定性与扰动不灵敏等优点，但是控制信号中的颤动是其应用中需解决的主要问题。该文首先针对一类非线性系统提出了一个新型控制器-模糊神经网络滑模控制器。新控制器不仅能消除颤动，而且比一般滑模控制器具有更强的鲁棒性。然而它与一般滑模控制器相比有较大的跟踪误差。为了解决这个问题，提出了结合滑控制器和模糊神经网络滑模控制器的自适应控制方法。这种自适应控制方案可以减小跟踪误差，增强系统的鲁棒性和消除控制信号中的颤动。仿真结果说明了控制方案的有效性。     

基于神经网络的双馈感应发电机滑模控制

针对不平衡电网下双馈感应发电机运行不佳的问题,将神经网络控制和二阶滑模控制相结合构成的神经网络滑模控制器运用到双馈风力发电机的直接功率控制中。设计了二阶滑模控制器,二阶滑模能够有效地削弱传统滑模控制的抖振;接着,设计了径向基神经网络对系统的不确定部分进行逼近;最后,基于李雅普诺夫稳定性定理推导了神经网络权值更新律,证明了控制系统的稳定性。仿真结果表明所设计控制策略能对有功、无功功率及其定子电流进行有效控制,削弱了传统滑模控制中的抖振。     

基于模糊径向基函数神经网络的永磁同步电机滑模观测器设计

针对传统滑模控制易导致系统出现抖振的问题,提出了一种模糊径向基函数(RBF)神经网络滑模观测器来实现永磁同步电机(PMSM)无传感器控制。为了减小观测器系统抖振,利用模糊RBF神经网络算法动态调整滑模增益,并采用李雅普诺夫稳定性定理证明了该模糊神经网络观测器的稳定性;利用锁相环(PLL)技术提高估算精度,并削弱计算噪声。基于MATLAB/Simulink软件平台搭建了仿真模型,将模糊RBF神经网络滑模观测器系统与传统滑模观测系统进行对比。结果表明,与传统的滑模观测器相比,新型滑模观测器能够快速、有效地跟踪转子位置,精确估算出转子速度,同时具有较好的动态特性。     

神经网络滑模控制在并联机器人中的应用

首先用滑模控制策略对被控对象进行控制仿真,在分析结果后,结合神经网络滑模控制方法,充分利用神经网络滑模控制的学习能力强,自适应辨识能力强,可以无穷逼近任意函数的优点.仿真结果表明,神经网络滑模控制方法的跟踪效果好,系统误差小,可以满足机器人控制的要求,能够解决机器人的轨迹跟踪问题,仿真实验证实了该控制策略的正确性和有效性.     

基于RBF神经网络的电压外环滑模控制的Vienna整流器

以Vienna整流器为研究对象,针对其传统电压外环滑模变结构控制不变性和对系统参数扰动敏感的问题,分析了以逼近率为基础的滑模变结构控制算法,提出了一种基于RBF神经网络的自适应电压外环滑模控制算法。该控制算法通过将RBF神经网络与滑模控制算法有效结合,同时将中点电位平衡控制加入到RBF神经网络自适应电压外环滑模控制算法的设计中,使用RBF神经网络对电压外环非线性系统进行自适应逼近,能够有效降低切换增益,削弱抖振,增强系统的抗干扰能力。最后,通过仿真分析与实验测试验证所提控制算法的有效性。将所提出的控制算法与传统滑模控制算法、PI控制算法进行比较,结果表明采用这种电压外环控制算法能够对直流输出电压目标值进行快速跟踪,平衡中点电位,改善了系统的动静态性能,提升了其抗干扰能力。     

永磁同步电机神经网络自适应滑模控制器设计

设计了神经网络自适应滑模控制器.用RBF神经网络自动调整滑模控制器的切换项增益,无需建立包含参数摄动和干扰在内的整个系统的精确数学模型,有效提高了系统的稳定性和鲁棒性.采用Lyapunov稳定性理论证明了系统稳定性,并针对常值干扰、时变干扰和参数摄动情况分别进行了仿真与实验.与传统的PI控制相比,神经网络自适应滑模控制器具有更好的稳定性和抗干扰能力.     

直驱式伺服系统的神经网络自适应滑模控制

针对直接驱动(DDV)伺服系统中由于参数变化、齿槽效应以及液动力负载扰动所造成的跟踪性能降低的问题,提出一种神经网络自适应滑模控制策略,采用径向基函数神经网络(RBFNN)取代滑模切换控制部分,利用其在线学习功能,对系统的不确定因素进行自适应补偿,并通过与比例微分算法(PD)的并行控制,改善神经网络参数的收敛,降低局部极小现象发生的可能性,增强系统的稳定性.仿真结果表明该方法不仅使系统具有良好的跟踪性能和强的鲁棒性,还有效地消除了高频抖振现象.     

一种新型神经网络滑模控制器的设计

针对滑模控制中存在的抖振问题,提出了一种新型神经网络滑模控制方法,该方法通过BP神经网络逼近系统滑动超平面与指数趋近律之间的函数关系,同时采用双曲正切激活函数代替滑模控制中的饱和函数,从而实现了滑模控制的边界层法设计。仿真实验表明,该方法有效地消除了滑模控制中的抖振现象。     

永磁直线电机神经滑模控制器设计

提出了一种用于永磁直线电机伺服控制的神经滑模控制方法,通过神经网络的在线学习,削弱了滑模控制的抖振.该方法由推力,磁链的积分函数建市滑模面,然后将滑模向量作为RBF神经网络的输入量,RBF神经网络的输出量即为d-q轴控制电压u<,d>、u<,q>,自适应算法根据可达性条件实时在线调整RBF神经网络的连接权值,从而使得系...     

高超声速飞行器RBF神经网络滑模变结构控制

针对高超声速飞行器高度非线性及强耦合的特点,提出了一种基于RBF神经网络调参的滑模变结构控制器。滑模变结构控制器能够使高超声速飞行器稳定飞行,但在系统状态到达滑模面后会产生剧烈的抖振现象,不利于工程应用。RBF神经网络在一定条件下可以任意精度逼近非线性函数,且具有较强的自学习、自适应和自组织能力。将RBF神经网络与滑模变结构控制相结合,一定程度上能够消除滑模控制的抖振问题。在高超声速飞行器的巡航状态下,分别加入高度阶跃指令和速度阶跃指令进行了仿真。仿真结果表明,所设计的RBF神经网络滑模变结构控制器使高超声速飞行器在保证快速性、鲁棒性和抗干扰性的同时,克服了执行机构的抖振问题。     

基于神经网络的一类非线性系统自适应滑模控制

针对可以分解为标称系统和不确定系统两部分的SISO非线性系统,提出了一种基于神经网络的自适应滑模控制方案。控制器由标称控制律和补偿控制律组成,标称控制律用来控制标称系统,补偿控制律是基于Lyapunov稳定性理论设计的自适应神经滑模控制律,用来控制不确定系统,而神经网络用来逼近系统的不确定性。理论分析和计算机仿真都证明,本文提出的控制策略不但能解决这类系统的轨迹跟踪控制问题,而且可以保证闭环系统的渐近稳定性。     

永磁直线同步电机神经滑模控制仿真

分析了永磁直线同步电机的数学模型,给出了径向基(RBF)神经网络的结构和算法,设计出以切换函数为网络输入、以滑模控制器为网络输出的神经滑模控制器,软件仿真结果表明所设计的滑模控制器能进行自适应学习,可实现良好的伺服跟踪.