神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力，用于控制时可不依赖控制对象的数学模型。异步电机矢量控制技术是通过坐标变换，实现对定子电流的励磁分量与转矩分量的解耦控制。为实现对交流电机快速和精确控制，本文基于单神经元设计出用于异步电机矢量控制的自适应磁链和转速控制器，利用神经元的自学习功能在线调节连接权重，实现自适应控制。并将此设计应用于由数字信号处理器(DSP)实现的交流电机矢量控制系统中，实验表明此方法设计的控制器结构简单，易于数字化实现，控制系统动态性能良好。     

神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力,用于控制时可不依赖控制对象的数学模型.感应电动机矢量控制技术是通过坐标变换,实现对定子电流的励磁分量与转矩分量的解耦控制.为实现对交流电机快速和精确控制,本文基于单神经元设计出用于感应电动机矢量控制的自适应磁链和转速控制器,利用神经元的自学习功能在线调节连接权重,实现自适应控制.并将此设计应用于由数字信号处理器(DSP)实现的交流电机矢量控制系统中,实验表明此方法设计的控制器结构简单,易于数字化实现,控制系统动态性能良好.     

神经元自适应控制器在矢量控制中的应用

感应电机矢量控制技术是通过坐标变换，实现对定于电流的励磁分量与转矩分量的解辐控制。传统PID控制器在电机参数改变时鲁棒性较差。神经网络具有自学习、自适应能力，用于控制时可以不依赖控制对象的数学模型。为实现对交流电机快速和精确控制，基于单神经元设计出用于感应电机矢量控制的自适应磁链和转速控制器，利用神经元的自学习功能在线调节连接权重，实现自适应控制。并将此设计应用于交流电机矢量控制系统中，数字仿真实验表明，此方法设计的控制器可克服传统PID控制器在电机参数改变时控制性能差等不足，鲁樟性强。该设计结构简单，实现应用时易于数字化实现。     

神经元自适应控制器在感应电机矢量控制中的应用

神经网络具有自学习、自适应能力 ,用于控制时可以不依赖控制对象的数学模型 ,神经网络控制器可克服传统PID控制器在电机参数改变时鲁棒性较差等不足。提出了基于神经元的用于感应电机矢量控制的自适应磁链和转速控制器。该设计适用于交流电机矢量控制系统 ,具有结构简单、易于实现、控制性能好、鲁棒性强等特点     

交流调速系统的单神经元自适应内模控制

针对感应电机速度控制器的传统设计方法所存在的缺点,提出了单神经元自适应内模速度控制器.首先依据内模控制原理设计出内模速度控制器,该控制器具有PI结构,但只有一个可调参数,且该参数与控制系统的动态特性直接相关,再利用单神经元对此参数进行实时在线调节,实现了系统的自适应控制.在理论分析的基础上,将此控制器应用到基于数字信号处理器实现的交流电机矢量控制系统中.实验结果表明:该方法是一种有效的实时控制策略,它能使调速系统不仅具有良好的动、静态性能,而且具有很强的鲁棒性和自学习能力.     

单神经元PID控制器在直接矢量控制中的应用研究

异步电机矢量控制改善了电机的转矩控制特性,但是由于系统运行过程中一些不可控或不确定的因素,传统PID控制难以满足精度高、反应快、鲁棒性好的要求。基于单神经元网络设计了用于矢量控制的增益自调整的自适应磁链和速度控制器,并运用改进的学习与控制算法,实现单神经元PID控制器的参数优化与在线自动调整。仿真与实验结果表明：单神经元PID控制器可以改善异步电动机矢量控制的性能,具有较强的自适应性与鲁棒性。     

单神经元自适应PID控制交流调速系统

针对转子磁场定向矢量控制中转速PI调节器鲁棒性能较差的问题,提出了用单神经元自适应PID控制器代替转速PI控制器,进一步改善了异步电动机矢量控制系统的性能;将无监督的Hebb学习规则与有监督的Delta学习规则相结合,提高了单神经元自适应PID控制器的学习能力,实现了单神经元控制器的参数优化与在线自调.构造了基于单神经元自适应PID控制器和空间矢量脉宽调制(SVPWM)的异步电机矢量控制系统.仿真实验结果表明,该系统不仅具有很好的静、动态性能,而且又具有很强的自适应性和鲁棒性.     

SVM扩展学习模糊控制系统在电机矢量控制中的应用

针对研发交流牵引电机控制器中遇到的实际问题,采用支持向量机与模糊系统控制相结合的方法,克服了模糊控制学习能力不强的不足,提出了一种支持向量机一模糊控制系统。该设计是基于支持向量机自学习拓展模糊推理规则库的控制器,并将其应用于异步电机矢量控制系统的速度控制。矢量控制系统采用定转子自适应磁通观测器来估计磁通。仿真结果及实验表明,该控制方法响应迅速,鲁棒性较强,稳定性好,是一种有效的控制方法。     

模糊自适应PID控制在异步电机矢量控制系统中的应用研究

针对异步电机矢量控制系统因电机参数变化和负载波动等因素而性能变差的问题,设计了一种模糊自适应整定PID控制的异步电机矢量控制系统。可以根据输入变量的大小调整模糊控制器的量化因子、比例因子和两个输入变量的权重,从而自动调整模糊控制规则。仿真和实验结果说明,具有模糊自适应整定PID控制的异步电机矢量控制系统不仅动态和稳态性能都得到提高,而且具有较强的鲁棒性。     

自抗扰控制器解决感应电机调速系统参数鲁棒性问题

针对矢量控制系统存在的参数鲁棒性差的缺陷,基于自抗扰控制原理,提出了一种可以取代经典PID控制器用于异步电机调速的非线性自抗扰控制器。利用扩张状态观测器,自抗扰控制器可以估计出系统状态变量及其广义导数,从而实现异步电机的精确解耦。此外,上述控制方案不需要精确电机参数就可以实现干扰补偿,这使得自抗扰控制器的设计能够独立于异步电机的精确数学模型。仿真和实验结果表明,相对于经典PID控制器,自抗扰控制器在较宽的调速范围内具有更好的动态性能。     

基于单神经元控制器的异步电动机矢量控制

文中提出了采用单神经元智能控制器代替传统PID控制器以改善异步电动机矢量控制的性能。在分析单神经元控制器结构与控制原理的基础上，为了提高单神经元控制器的学习能力与自适应性，将无监督的Hebb学习规则与有监督的Delta学习规则相结合，运用改进的学习与控制算法，实现单神经元控制器的参数优化与在线自动调整。采用Matlab软件建立单神经元控制器与异步电动机矢量控制模型，进行仿真研究；并将单神经元控制器的控制软件应用于异步电动机矢量系统，进行实验研究。仿真与实验结果表明，单神经元控制器可以改善异步电动机矢量控制的性能，具有较强的自适应性与鲁棒性。     

基于单神经元PID的异步电动机转速的自适应控制

针对异步电动机矢量控制中转速调节器参数整定困难、自适应性差和稳态精度低的问题,设计单神经元PID控制器.将神经元学习规则与PID控制相结合,采用在线学习的方式,在电动机运行过程中实时调整控制器参数,实现转速的自适应控制.在恒速变负载和恒负载变速的仿真实验中,结果表明基于单神经元PID的转速调节器具有较好的动态性能和较高的稳态精度.     

基于单神经元控制器的永磁同步电机矢量控制仿真

在永磁同步电机状态方程和单神经元控制器数学模型的基础上，提出基于Matlab／Simulink的永磁同步电机和神经元控制器S函数仿真模型。并将仿真模型应用到矢量控制系统中，以代替传统的基于PID控制器的矢量控制系统。在Hebb和Delta学习算法的基础上，应用增量式的神经元控制算法实现神经元控制器的参数优化和自动调整功能并提高学习能力和自适应性。仿真结果表明了基于S函数的永磁同步电机仿真模型的可行性和采用神经元控制器的永磁同步电机矢量控制系统具有较强的自适应性和鲁棒性。     

无刷级联双馈感应发电机稳压控制策略

针对级联双馈感应电机作为无刷变速恒频发电机带负载独立运行控制问题，设计了一种新型稳压控制策略。基于级联双馈感应电机作为无刷变速恒频发电机运行的数学模型，设计了一种易于实施的间接磁场定向矢量控制，可在转速和负载单独变化或一起变化时，稳定发电机的输出电压幅值和频率。同时，电压控制器设计避免了前馈补偿及其所需额外电流传感器的应用，即通过合理设计抑制了耦合效应带来的扰动。利用所搭建的级联双馈感应电机测试平台开展了实验研究，测试结果验证了电压控制器的稳压性能。     

基于神经网络技术的异步电机控制

针对常用的传统PID控制在提高异步电动机调速性能方面存在的瓶颈问题,本文提出了一种新型的单神经元控制算法以实现异步电动机的矢量控制.在分析单神经元控制器基本工作原理的基础上,为了加快神经元权值的学习训练速度,采用梯度下降法与变步长法相结合的控制算法,并利用MATLAB软件建立新型单神经元控制器与异步电动机调速系统的仿真模型,在计算机上进行了仿真,最后在笼型异步电动机上进行了应用实验.仿真与实验表明,这种单神经元控制器具有良好的自学习与自适应能力,可以改善调速系统的动态与静态性能,提高异步电动机的跟踪能力.