基于自抗扰控制器的PMLSM直驱系统位置控制

为了提高永磁直线同步电机(PMLSM)直接驱动进给运动的工作性能,针对系统模型参数摄动和扰动频繁不确定等非线性复杂特点,在建立系统二阶位置伺服控制模型的基础上,利用自抗扰控制(ADRC)技术,设计了一种永磁直线同步电机直驱系统位置伺服二阶自抗扰控制器。二阶跟踪微分器(SONTD)采用组合正弦饱和函数sinsign,为系统位置给定指令安排快速无超调的过渡过程;扩张状态观测器(ESO)形成对系统扰动力的快速精确观测及实时动态补偿;通过构造基于全部状态的误差反馈律实现PMLSM的非线性控制。仿真实验表明,该控制系统在PMLSM参数摄动和外部扰动的情况下,均能保持快速而准确的位置跟踪,抗干扰性和鲁棒性良好。     

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     

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。     

基于神经网络的永磁直线同步电机自适应滑模控制

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,将滑模控制和神经网络控制相结合,用两个神经网络控制器分别实现滑模等效控制和滑模切换控制,构成神经网络自适应滑模控制。仿真结果表明,神经网络滑模控制和常规的滑模控制相比,具有更好的动态稳定性和跟踪性能,对外界干扰具有较强的鲁棒性。     

永磁直线同步电机进给系统模糊PID控制

针对永磁直线同步电机(PMLSM)永磁体磁链为常数的特点,对其d-q轴模型进行分析,提出了永磁直线同步电机进给系统的动力学方程.结合传统PID控制和模糊控制的优点,根据永磁直线同步电机直接进给系统的非线性和可能的不确定性因素,建立PID参数自调整的推理规则,设计了永磁直线同步电机进给系统的模糊PID控制器.仿真和实验结果表明,模糊PID控制器与传统PID控制器相比具有更好的动态稳定性和跟踪性能,对外界干扰具有较强的鲁棒性.     

永磁直线同步电机应用现状综述

永磁直线同步电机(PMLSM)为核心的动力系统具有结构简单,推力体积比大,效率高,定位精确等优点,因此PMLSM的使用范围遍及工业运输系统、办公自动化及军事领域等。本文从数控机床、航空母舰飞机推动器、驱动火箭发射装置、电磁炮、水平运输驱动系统及垂直提升系统等方面阐述了永磁直线同步电机在其领域的发展应用现状。     

永磁直线同步电动机垂直提升控制系统设计

针对永磁直线同步电动机垂直提升系统的特点，设计出永磁直线同步电动机（PMLSM）驱动的无绳提升控制系统实现方案并给出了硬件和软件设计。实验表明，该永磁直线同步电机控制系统运行稳定，具有良好的动态性能，具有一定的工程应用价值。     

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。     

永磁直线同步电动机模糊神经网络控制器的设计

为了有效地抑制负载阻力扰动等外部扰动对永磁直线同步电动机(PMLSM)系统稳态性能影响,本文设计出了模糊神经网络控制器(FNNC).该控制器将模糊控制的非线性辩识功能和神经网络的自学习功能有效地结合了起来,在保留神经网络自学习能力的同时,增加了对系统的辨识能力,从而提高了伺服系统的稳态性能.仿真结果表明,基于FNNC的PMLSM伺服系统响应快,精度高,对外部扰动有很强的鲁棒性.     

永磁直线同步伺服系统混合递归模糊神经网络控制

针对直线电机易受诸多不确定因素的影响，提出了采用递归模糊神经网络和扰动观测器的控制方案。系统采用IP位置控制器；扰动观测器将所观测的扰动力前馈，提高了系统的抗干扰能力。为改善系统受到突加减扰动时的伺服性能，引进了递归模糊神经网络补偿器，采用动态反馈学习算法，在线调整。仿真结果表明，该控制方案可以有效增强系统的鲁棒性。     

基于蚁群模糊神经网络的无刷直流电机仿真控制研究

无刷直流电机（BLDCM）的动力学特性是一个高阶、非线性、强耦合的系统,针对传统PI控制的滞后性和动态响应性能较差等特点,提出一种基于动态递归模糊神经网络PI控制的无刷直流电机调速系统速度控制器的实施方案,利用蚁群算法优化递归模糊神经网络的隶属度函数参数和网络权值系数,从而提高系统的动态响应性能。仿真结果表明,该方法响应快,具有较强的抗干扰性和鲁棒性,动、静态特性均优于传统PI控制。     

基于模糊神经网络的故障诊断在永磁直线同步电动机中的应用

针对永磁直线同步电机的特点，应用基于模糊神经网络的故障诊断方法，将模糊理论与神经网络融合在一起，实现了对该电机故障的模糊诊断。介绍了模糊神经网络的结构和学习方法，利用了一种阈值向量故障判别方法，使永磁直线同步电动机的故障判别灵活、可靠。仿真结果表明，该方法是行之有效的。     

水下机器人的动态Petri递归神经网络控制方法

针对传统的水下机器人模糊神经网络控制器存在计算量大、抗环境扰动滞后等缺点,设计递归模糊神经网络控制器,通过在线的动态反馈增强水下机器人对环境变化的反应能力.并在网络的第三层即Petri层设计阈值,根据控制器误差的在线控制网络的学习和训练量,从而减少了模糊神经网络的计算量,提高反应速度.基于反向梯度传播原理,由能量函数设计了该网络的学习算法,并根据离散型李亚普诺夫函数确定了学习率参数,从而保证整个网络的收敛性.实验结果表明,该控制器能够提高递归神经网络的计算效率,减少控制误差,对外界干扰具有较强的鲁棒性,在水下机器人的控制方面取得了更好的效果.     

永磁直线同步电动机模型参考自适应神经元速度控制的仿真

针对永磁直线同步电动机的矢量控制系统,提出了一种模型参考自适应的增益模糊自整定神经元速度控制器。仿真结果表明当突加负载扰动或参数突变时,模型参考自适应的增益模糊自整定神经元速度控制具有响应快、鲁棒性强、较好的动、静态特性等优点。