永磁直线电机自构式模糊神经网络控制器设计

针对永磁直线同步电动机伺服系统中负载扰动和负载质量变化等参数不确定性对伺服系统动态性能的影响,设计自构式反馈模糊神经网络控制器.该控制器在模糊控制的非线性辩识功能和神经网络的自学习功能的基础上,各层神经元的个数可以根据误差状况发生改变,从而在保留了神经网络自学习能力的同时,增强了神经网络的实时性,提高了伺服系统的动态性能.自构反馈机制的引进,增强了神经网络的适应性.仿真结果表明,基于自构式反馈模糊神经网络控制器的永磁直线电机伺服系统对于参数的变化、外部干扰等具有较强的抑制作用,系统具有较强的鲁棒性.     

基于神经网络给定补偿的交流永磁直线伺服系统滑模控制

针对直接驱动的永磁直线同步电动机 (PMLSM )伺服系统 ,应用滑模变结构控制理论设计了一种具有强鲁棒性的速度控制器。为使系统具有自学习能力 ,削弱滑模控制所引起的“抖振” ,采用基于神经网络前馈给定补偿的滑模控制策略。仿真结果表明 ,该方案有效地克服了永磁直线同步电机特有的端部效应所产生的推力波动对系统的影响 ,对参数变化及阻力扰动具有很强的鲁棒性 ,而且提高了系统的稳态性能     

高精度数控机床用直线电机端部效应分析及神经网络补偿技术研究

针对高精度数控机床用交流永磁直线同步电机(PMLSM)伺服系统高精度快速响应的运行要求，在分析研究PMLSM的端部效应对直线伺服系统性能影响的基础上，引入神经网络补偿技术，使系统具有自学习能力，实时补偿端部效应引起的非线性时变扰动。设计了一种鲁棒性较强的基于双神经网络的前馈给定补偿口位置复合控制策略。仿真结果表明，该方案有效地克服了PMLSM特有的端部效应所产生的推力波动对系统的影响，具有很强的鲁棒性，而且提高了系统的稳态性能。     

基于新控制律的永磁直线同步电动机滑模控制

针对永磁同步直线电动机(PMLSM)伺服系统的推力波动及滑模变结构控制(SMVSC)的"抖振"问题,结合神经网络的自学习和自适应不确定性系统动态特性的能力,设计了基于神经网络推力观测器的新型控制律滑模控制算法,实现了对推力扰动的补偿,且大大削弱了推力波动及系统的抖振现象,同时在切换控制部分加入改进积分环节来进一步消除系统的稳态误差和系统抖振。仿真结果表明,该方案能提高系统对参数摄动和外在扰动的鲁棒性。     

永磁直线同步电动机的滑模-H∞鲁棒跟踪控制

针对永磁直线同步电动机(PMLSM)提出一种将H∞鲁棒控制和滑模控制相结合的鲁棒跟踪控制策略,该控制策略解决了系统跟踪性能和鲁棒性能之间的矛盾.滑模跟踪控制器保证了快速跟踪性能;而H∞抗扰控制器抑制了闭环系统内的各种扰动(包括负载及直线电机的端部效应力等),并可以削弱滑模控制的抖振对系统稳态性能的影响.仿真结果表明该方案在保证伺服系统的快速性同时,对系统参数变化和阻力扰动具有很强的鲁棒性.     

基于RFNN补偿的直线伺服系统反推控制

针对永磁直线同步电机(PMLSM)伺服系统,在分析影响直线伺服跟踪精度因素的基础上,采用智能反推控制策略对该伺服系统进行有效的补偿控制。考虑参数变化、外部负载扰动和摩擦力等不确定因素对系统伺服性能的影响,设计基于递归模糊神经网络(RFNN)的反推控制器,利用了递归神经网络具有捕获系统动态信息的优点,可实时补偿不确定因素对跟踪性能的影响。仿真结果表明,控制策略明显降低了不确定因素对系统性能的影响,从而显著提高了直线伺服系统的位置跟踪精度。     

基于自适应神经网络的PMLSM速度控制研究

针对永磁直线同步电机(PMLSM)直接驱动系统的非线性与电机参数时变、易受扰动的特性,提出一种基于BP神经网络的自适应神经网络速度控制器.该控制器由一个传统的PID位置控制器、神经网络控制器(NNC)和神经网络辨识器(NNM)组成.仿真结果表明,当突加负载扰动或参数突变时,系统具有较好的动态性能和较强的鲁棒性,能够满足工业场合高精度、微进给的需求.     

基于学习前馈补偿的直线伺服系统H∞鲁棒跟踪控制

针对直接驱动的永磁直线同步电机(PMLSM)伺服系统,在分析研究PMLSM的端部效应负载扰动及系统参数变化等不确定性因素对伺服系统性能影响的基础上,提出了一种将学习前馈控制和H∞鲁棒控制相结合的鲁棒跟踪控制策略.为消除端部效应的影响,采用基于B样条网络的学习前馈补偿控制技术,从而达到了良好的补偿效果;为克服不确定性扰动的影响,采用H∞鲁棒控制,从而保证系统有较强的鲁棒性.仿真结果表明,该方案保证了伺服系统快速而准确跟踪,同时有效地降低了不确定性扰动对系统性能的影响,从而提高了直线伺服系统的跟踪性能和鲁棒性能.     

基于神经网络推力观测器的永磁直线电机滑模控制

针对永磁直线同步电机(PMLSM)伺服系统易受到负载扰动、参数变化和推力波动的问题,为确保在较宽的速度范围内实现更为精确的速度控制,采用基于神经网络推力观测器的滑模控制取代常规的PI控制,滑模变结构控制律采用等效控制法,加上负载扰动前馈补偿项,而扰动补偿则是通过线性推力观测器并联一个神经网络观测器相加而得.实验和仿真结果表明,此方法较常规PI控制提高了跟踪性能,增强了伺服系统对参数摄动和外在扰动的稳健性.     

基于神经网络的永磁直线同步电机位置控制

针对永磁直线同步电机(PMLSM)伺服系统中的诸多不确定性问题,提出了采用神经网络来实现实时积分-比例IP位置控制器的设计。本文所提出的神经网络结构合理、简单,权值具有明确物理意义和可以在线快速调整的特点,以便进行实时控制。用由模型参考自适应参数辨识器和负载扰动力观测器构成的估计器来估计动子质量和负载扰动力。将观测的负载扰动力前馈,进一步增强系统的鲁棒性。仿真结果表明,系统具有很强的鲁棒性,同时提高了稳态精度。     

基于递归模糊神经网络的PMLSM伺服控制

为了增强永磁直线同步电机（PMLSM）直接驱动系统的鲁棒性,改善系统受突加扰动情况下的性能,结合递归神经网络与模糊控制的优点,设计了基于递归模糊神经网络补偿器的PMLSM位置控制器。仿真结果表明,所设计的系统能实现对位置阶跃指令的快速无超调跟踪和稳态无静差,具有很强的鲁棒性,能够满足高精度、微进给永磁直线同步电机伺服驱动系统的要求。     

高性能永磁直线同步电机鲁棒速度伺服系统的研究

文章针对高性能永磁直线同步电机 ( PML SM)速度伺服系统的要求 ,首先提出了一种基于传统观测器导出的辨识方法 ,对负载阻力、动子质量 ,粘滞摩擦系数进行在线辨识 ,实时补偿上述 3个参数变化所造成的推力扰动。其次 ,设计了一个时滞补偿器 ,对逆变器电路电力传输滞后和转速测量滞后所造成的系统动态性能下降进行了补偿。最后 ,结合 IP速度控制器设计了一高性能永磁直线同步电机速度伺服系统。仿真实验表明 ,所设计系统具有很强的鲁棒伺服性能。     

永磁直线同步电机的智能互补滑模控制

针对永磁直线同步电机(PMLSM)伺服系统的位置跟踪精度问题,提出了一种基于径向基函数(RBF)神经网络的智能互补滑模控制(ICSMC)方法。建立了包含端部效应、参数变化、外部扰动及非线性摩擦等不确定性因素的PMLSM动态方程。设计了互补滑模控制器,采用广义滑模面和互补滑模面相结合的设计,降低了系统跟踪误差,提高了系统响应速度,并削弱了抖振现象;利用RBF神经网络直接对系统存在的不确定性进行估计,在线调整RBF网络参数以改善系统动态性能,提高系统鲁棒性,并用李雅普诺夫定理保证系统闭环稳定性。通过分析系统实验结果,验证了所提出的控制方法有效降低了系统跟踪误差,并使系统具有良好的动态性能和鲁棒性能。     

永磁同步直线电动机位置伺服控制系统设计

为使永磁同步直线电动机XY平台具有更精确的跟踪性能,设计了直线电动机位置伺服控制系统.介绍了该系统用模糊神经网络的控制方法来提高系统的动态响应和跟踪精度,并采用动态结构的算法,在学习过程中动态地改变神经网络规则层节点数,不断优化控制性能.实验结果表明,该位置伺服控制系统具有超调量小、定位精度高的优点.     

永磁同步直线伺服系统的一种双模控制

针对永磁同步直线电动机(PMLSM)伺服系统的端部效应问题,采用了一种双模控制,将基于RBF神经网络辨识的单神经元PID控制和基于神经网络给定补偿的复合控制相结合。有效地解决了并联型辨识结构对初值敏感及参数收敛的问题。实现了控制系统的快速跟踪,同时对外部扰动和参数变化有较强抑制作用。给出了该控制方案与基于RBF神经网络辨识的单神经元PID控制的仿真比较,验证了该方案的有效性。     

交流永磁直线同步电机伺服系统的预见前馈补偿

介绍了高精度、微进给永磁直线交流同步电机（ＰＭＬＳＭ）伺服系统的ＩＰ位置控制后,提出了对该系统的最优预见前馈补偿,以提高系统的跟踪性能。为了补偿负载扰动,进一步增强系统的鲁棒性,设计了负载扰动力观测器来进行前馈。仿真实验结果证明了所提出方案的有效性。     

基于模糊神经网络的永磁同步电动机矢量控制系统

该文提供了一种基于自适应模糊神经网络的永磁同步电动机（PMSM）矢量控制系统速度控制器的实施方案。模糊神经网络控制器（FNNC）包括神经网络控制器（NC）和模糊逻辑控制器（FC）两部分，它同时具有神经网络自学习能力和模糊逻辑在处理不确定信息方面的能力。人工神经网络（ANN）的初始权值和阈值通过离线训练的方式获得。在实际的运行过程中，利用模糊控制器的输出对神经网络的权值和阈值进行实时调整。仿真结果表明利用所提出的模糊神经网络来建立永磁同步电动机矢量控制系统的速度控制器，当电机参数改变或者受到外部扰动时，系统具有良好的动态特性。