基于模糊自适应的永磁同步电机矢量控制系统

提出了一种基于模糊自适应的永磁同步电机(PMSM)矢量控制系统的速度控制器的方案。模糊自适应控制器由模糊逻辑控制器和传统的PI控制器组成,采用模糊自适应控制器的输出对传统PI参数进行实时调整,使其具有模糊逻辑在处理不确定信息方面的能力和PI控制在线性系统中的良好性能。Matlab的仿真结果表明,采用模糊自适应建立的永磁同步电机的速度控制器,在系统参数发生变化或者受到外部扰动的情况下,PMSM矢量控制系统具有较好的动态响应特性。     

异步电动机的单神经元模糊自适应控制

针对异步电动机矢量控制中PI控制器自适应能力较弱的问题,提出了用单神经元模糊自适应控制器代替转速PI调节器和磁链PI调节器的方法,并基于梯度下降法和单神经元自适应模糊控制原理,将增量式PI控制算法和单神经元自适应学习规则相结合,通过模糊控制修正单神经元的比例系数,提高单神经元模糊自适应控制器参数在线调整能力。为验证单神经元模糊自适应控制器的性能,对系统进行仿真实验。仿真结果表明,采用单神经元模糊自适应控制策略,其控制效果优于传统矢量控制,系统的动态和静态性能比较好,而且控制器对电动机转子电阻变化有较好的鲁棒性。该控制方法具有较好的控制性能,使异步电动机控制系统具有较强的自适应能力。     

交流牵引机车库内移车矢量控制系统研究

针对交流牵引电力机车在库内低速移动的工况,提出以机车DC 110 V蓄电池作为动力源,采用基于模糊自适应PI速度控制器的矢量控制系统。通过控制异步电机的转速,从而控制交流牵引电力机车在库内低速、稳定移动。最后,利用MATLAB/Simulink对本控制系统进行建模和仿真实验。仿真结果表明,基于模糊自适应PI速度控制器的矢量控制系统具有电压利用率高、转速误差及超调小、系统速度调节的自适应能力强等优点。     

无刷直流电机参考模型自适应控制系统研究

通过对参考模型自适应控制的研究,采用popov理论设计参数辨识自适应律,最后设定辨识转动惯量自适应PI调节器,实现给定速度的自适应跟踪。通过与模糊自适应PI控制控制器相比较,通过实验仿真表明模型参考自适应控制系统对外界负载变化具有较强的适应性和抗干扰能力。     

新型静止无功发生器的Fuzzy-PI控制

论述ASVG的工作原理,根据控制原理设计ASVG的模糊PI(Fuzzy-PI)控制器.采用模糊控制器获得良好的动态性能,同时引入PI控制改善模糊控制器的静态性能,增强其鲁棒性.该控制器使系统在电流跟踪误差较大时比例控制占主导,误差减小速度较快,在误差减小到一定范围内时积分控制占主导,实现稳态无差.并且该控制器具有较强的自适应控制能力,增强了对电力系统稳定性的控制,具有满意的控制精度,易于实现数字控制,比传统的PI控制具有更好的控制效果.数字仿真验证了该控制方法的有效性和正确性.     

负载电阻下变论域模糊PI控制对 Buck -Boost 变换器的影响

为提高Buck-Boost变换器的控制精度,提出一种变论域模糊PI控制器方法.该方法利用模糊PI控制器来实时调整系统的参数,并通过引入变论域解决输入量过大或过小时控制器的参数无法自适应的问题.Matlab/Simulink仿真实验结果表明,本文提出的变论域模糊PI控制方法在控制精度和响应速度方面均优于传统PI控制和模糊PI控制方法,因此本文方法对提高Buck -Boost变换器系统的稳定性具有很好的参考价值.     

一种用于PWM直流位置控制系统的模糊控制器

提出了一种采用连续隶属函数和在线推理计算控制量的方法设计的模糊控制器,并将它用于PWM直流位置控制系统中.仿真结果表明,该控制器较常规PI控制器具有系统超调量小、自适应能力强等优点.     

基于模糊RBF神经网络的永磁同步电机位置控制

针对比例-积分-微分(PID)控制器参数固定而引起永磁同步电机位置伺服系统控制效果不佳问题,设计了基于平滑切换的模糊PI控制和径向基函数(RBF)神经网络PID控制的位置控制器。暂态时,采用模糊PI控制;稳态时,采用RBF神经网络PID控制,两者中间采用模糊PI-RBF神经网络PID复合控制。该位置控制器既结合了模糊PI控制和RBF神经网络PID控制的优点又克服了各自的缺点。仿真结果表明,当永磁同步电机受到外部扰动时,采用模糊RBF神经网络控制器的永磁同步电机位置系统具有良好的动态性能,能够实现快速响应,做到精确定位,而且当负载变化时具有很强的抗干扰性。     

无刷直流电机模糊神经网络 PI 控制

在模糊神经网络PI控制算法基础上,采用改进的自适应动量调谐方法对NFNN-PI的网络权值、隶属度函数的中心和宽度进行调整,并利用边缘稳定性来获得较高的跟踪性能,以及对外界负载扰动和参数变化的鲁棒能力。建立了无刷直流电机的仿真模型,对NFNN-PI与传统PI控制器和固定动量率模糊神经网络PI(FNN-PI)控制器性能进行对比,并分析效果。     

发电用重型燃气轮机的模糊自适应控制

为了克服传统PI控制器的不足，满足燃气轮机对高品质控制性能的要求，对常规PI控制算法进行分析，找出了常规PI控制器不能获得最佳控制效果的原因．同时通过对模糊自适应控制的原理和燃气轮机运行过程的分析，并结合专家经验得出燃气轮机模糊PI控制规律，设计出了透平转速和燃气轮机排气温度的模糊自适应PI控制器．仿真试验结果证实模糊自适应控制器可以提高燃气轮机的性能，而且实现方便——只要在原系统上增加一个微处理器，完成模糊计算即可．     

氧乐果合成反应温度的模糊神经网络控制方法

氧乐果合成反应温度控制过程具有参数时变、非线性、大滞后等特点,采用传统的控制方法难以达到预期的控制效果。针对此问题,文章设计了基于遗传算法的模糊神经网络控制器。首先确定与模糊系统结构等价的神经网络,从而将模糊控制规则和隶属函数的参数搜索优化问题转化成网络参数优化问题;其次利用改进的遗传算法实现网络参数快速全局寻优,从而提高控制器性能。仿真结果表明,优化后模糊神经网络控制器对一类具有参数时变、时滞、非线性的系统具有良好的控制性能。     

Application of Diagonal Recurrent Neural Network to DC Motor Speed Control Systems

A new kind of dynamic neural network--diagonal recurrent neural network (DRNN) and its learning method and architecture are presented. A direct adaptive control scheme is also developed that is applied to a DC (Direct Current) speed control system with the ability to auto-tune PI (Proportion Integral) parameters based on combining DRNN with PI controller. The simulation results of DRNN show better control performances and potential practical use in comparison with PI controller.     

汽车牵引力控制系统的控制方法

将逻辑门限、PID、模糊以及神经网络等控制方法应用于牵引力控制系统,建立了油门位置控制器和驱动轮制动控制器。采用计算机仿真方法对各控制方案进行了比较分析。结果表明:油门控制采用神经PI、制动控制采用逻辑门限方法最实用。     

基于神经模糊控制的交流调速系统

针对交流电机这种复杂的被控对象,提出一种用神经网络实现模糊控制的方案,并给出了这种基于神经元网络的模糊控制器的基本设计方法。仿真结果表明,采用这种控制器后,交流调速系统的性能明显提高,并能根据样本通过自学习适时修改控制器。     

直流无刷电机的模糊PI速度控制

在分析无刷直流电机数学模型的基础上,将模糊控制与传统的PID控制相结合,设计了模糊PI无刷直流电机速度控制器,并应用于调速伺服系统.仿真实验表明,用模糊PI控制器代替普通的PI控制器,可以使BLDC的整体性能得到显著改善,是高性能BLDC调速系统开发的一个重要方向.     

核电站冷却剂平均温度系统的模糊PI并行控制研究

为了对冷却剂平均温度控制系统进行优化,设计了模糊PI并行控制器。研究了控制棒（R棒）棒速输入下的冷却剂平均温度特性并基于棒速进行控制器的设计。为了优化控制品质以及减少调节时间,引入先进控制算法进行控制方案的优化。根据秦山二期核电站相关数据建立冷却剂平均温度被控对象模型,采用模糊控制与PI控制并行切换的方法,以弥补模糊控制在被控量小范围变化下精度不高以及PI控制难以提升控制速度的缺陷。最后与传统PI控制效果进行了比较,结果表明,所提的冷却剂平均温度模糊PI并行控制系统响应速度更快,具有良好的控制性能。     

基于神经网络的永磁同步电动机模糊控制

针对永磁同步电动机矢量控制系统，提出了一种将神经网络与模糊控制相结合的控制方法.通过对神经网络进行训练来记忆模糊控制规则，不需要存储模糊控制表，不依赖被控对象的精确数学模型，而且该方法具有很强的自学习能力，在模型参数发生变化时，可通过调整控制器在线自学习达到最佳效果.仿真结果表明此控制方案是十分有效的，具有响应快、鲁棒性强、较好的动、静态特性等优点，基于神经网络的模糊控制特别适用于结构复杂、干扰大、控制精度要求高的系统.     

基于RBF和模糊预测的AGV轨迹跟踪控制

针对AGV系统存在初始位姿误差,而且给定轨迹又不连续时,应用传统的轨迹跟踪控制方法,就会使其初始速度产生较大跳变的问题,基于径向基函数(RBF)神经网络的非线性动态系统在线建模,将模糊控制技术与预测控制技术相结合,提出基于反演(Backstepping)方法的速度控制器和基于RBF的模糊预测转矩控制器,实施AGV路径跟随和轨迹跟踪控制.仿真和实验结果表明,设计的速度控制器和转矩控制器使AGV系统不仅有较好的动态性能,而且具有较强的鲁棒性.