永磁直线同步电机的PIDNN控制北大核心

针对以永磁直线同步电机为执行机构的驱动系统容易受到端部效应等周期性扰动影响的问题,采用了基于PID神经元网络(proportional-integral-derivative neural network,PIDNN)的控制方法,通过定义具有比例、积分、微分功能的神经元,从而将PID控制规律融合进神经元网络中,有效地抑制端部效应、纹波推力、齿槽力和摩擦力对系统的干扰。仿真实验表明,与传统的PID控制相比,PIDNN控制提高了系统的鲁棒性和跟踪性,更加实用有效。     

PLC在板材自动清洗线中的应用

本文结合板材自动清洗线的工艺要求，介绍了采用ＰＬＣ的控制系统设计，并就系统实现中涉及的一些问题提出解决方法。     

永磁直线同步电机的自适应迭代学习控制

永磁直线同步电机驱动的伺服随动系统,既要对周期性的输入信号具有跟踪能力,又要对周期性的扰动具有抑制能力。对这一问题,从迭代学习控制的本质出发,与自适应算法相结合,提出了一种自适应迭代学习控制策略,解决了伺服系统中对周期性输入信号的跟踪问题,以及对参数摄动和不确定性干扰,尤其是对周期性扰动的抑制问题。在永磁直线同步电机位置控制实验中,将该方法与传统控制进行对比试验,实验结果表明,该方法能够有效地提高系统的位置控制精度。     

基于DSP的分布式计算机控制系统

提出了以多DSP为基础的主从分布式计算机控制系统方案,建立了以多端口RAM为实现手段的上、下位机和下位机间的通信网络,做出了可提高系统运行可靠性和稳定性的容错控制设计.     

Brandt-Lin神经网络算法改进及应用于直流拖动

随着电力电子技术,微电子技术和新型电机控制理论的快速发展,无刷直流电动机(BLDCM)得以迅速推广。BLDCM不仅保持了直流电动机的动静态调速性能,而且避免了有刷结构带来的固有缺陷,具有体积小、效率高、控制简单等优点。无刷直流调速系统快速性、稳定性和鲁棒性的好坏成为决定电机性能的重要指标。介绍一种将神经网络控制方法应用于一个要求更快更精确的BLDCM控制系统以提高动态响应和鲁棒性。神经网络自适应控制算法的使用,使得参数整定无需繁琐的手动过程,能够根据系统工况变化自动辨识被控参数、自动整定控制器参数,便于显著提高控制精度,减少调节时间,使控制过程具有较高的控制品质。神经网络自适应控制算法采用Brandt-Lin算法,并且对激活函数、学习速率做了一些改进,提高了控制速度及精度。在此算法中还加入了一个非线性函数提高了此神经网络的在高阶系统中的适应性。     

汽轮机调速系统的一种HMRAC方案

基于混合误差模型，采用滤波器降阶的方法，设计了一种高阶系统跟踪低阶参考模型的混合模型参考自适应控制（HMRAC）方案。使用低价参考模型简化了系统结构。应用HMRAC，避免了系统因数字化而引起的非最小的相位问题及非线性影响，有利于进一步提高系统的鲁棒性，应用到汽轮机调速系统中，验证了方案的有效性。     

微机智能重量传感检测系统􀀁

本文阐述了一种微机智能重量传感检测系统的基本原理及设计方法 .其中包括 :激励信号的产生 ,信号的频谱分析 ,滤波器设计 ,PWM信号的产生等     

模糊理论在板形张力测量中的应用􀀁

本文将压力传感器检测出的分段张力,用模糊理论推理规则进行三元模糊推理及决策,以控制表的形式给出液压弯辊伺服系统所需输入信号,极大地提高板材质量。     

一种新的自回归—滑动平均模型

将列宾逊算法和最小实现算法结合,给出一种新的自回归－滑动平均模型与仿真结果。     

基于超稳定理论克服对象扰动自适应模型跟随控制*

基于超稳定理论与自适应逆控制理论,提出了一种新的能够克服对象扰动的自适应控制算法.该算法既简化了线性补偿器的计算,又能克服确定性和随机扰动,使系统输出能快速、稳定地跟随参考模型输出.仿真结果证实了算法的可行性.