神经网络在感应电动机调速系统中的应用研究

研究感应电动机凋速系统解耦控制问题.感应电动机调速系统是一个非线性、多变量和强耦合控制对象,传统的线性方法无法找到合适的描述模型,导致解耦控制性能相当的差.在体现适应性、实时性和鲁棒性的问题上,为了提高感应电动机调速系统解耦控制性能,将逆系统方法与神经网络相结合,提出了一种基于神经网络逆系统的感应电动机调速解耦控制方法.首先根据感应电动机调速系统的特点,建立合适的数学模型,并进行伪线性系统构造;然后采用神经网络对逆系统模型进行辨识,通过神经网络自学习实现高性能解耦控制;最后在matlab平台下进行了仿真和对比实验.实验结果表明,方法能很好实现解耦控制,使传统解耦控制方法的缺陷得到克服,具有较强适应性和鲁棒性.     

解耦变结构交流速度控制系统的研究

本文提出了一种新型的AC速度控制系统——解耦变结构控制系统。它利用解耦原理简化感应电动机的数学模型,然后采用变结构控制原理克服转子电阻随温度变化带来的不良影响,保证了系统的动态和静态性能。文中推导出解耦变结构速度控制系统的数学模型、滑模控制器结构,并给出仿真结果。     

基于滑模变结构的倒立摆系统稳定控制

利用滑模变结构控制对一级倒立摆系统进行了有效控制.首先对一级倒立摆系统的模型进行线性化处理,再利用滑模变结构控制方法对此模型中摆的镇定、台车位置的调节和系统参数不确定性设计了具体的控制规律,并使用饱和函数的方法抑制系统的抖振.最后在Matlab/Simulink上进行了仿真实验,实验结果说明滑模变结构控制方法是有效的.     

高超飞行器的再入非线性鲁棒控制

针对再入段高超飞行器非线性动力学模型存在不确定性和干扰,基于奇异摄动理论提出了鲁棒变结构+动态逆内外环解耦控制方法.为避免在线实时求逆,控制系统的外环基于简化的模型设计自适应滑模变结构控制律,通过反馈干扰观测器在线估计广义干扰量,实现角度的跟踪和闭环系统的稳定,抑止外来干扰.强耦合的姿态动力学内环采用动态逆跟踪角速度指...     

感应电动机调速系统的自适应逆控制

针对电压源型逆变器供电的感应电动机调速系统,提出了一种自适应逆控制方法,实现了电磁转矩和定子磁链的解耦控制．应用得到的逆系统将多变量、非线性、强耦合的感应电动机调速系统解耦为电磁转矩和定子磁链两个一阶线性子系统,从而简化了各个闭环线性调节器的设计难度．为了提高系统的鲁棒性,利用递推最小二乘算法实时辨识电动机参数,降低了参数变化对系统性能的影响．使用MATLAB软件进行了仿真实验,实验结果验证了理论分析的正确性和控制方案的可行性．     

基于逆系统的赖氨酸发酵多变量解耦内模控制

针对赖氨酸发酵过程的时变、非线性和高耦合性,提出基于逆系统的赖氨酸发酵多变量解耦内模控制方法。根据动态递归模糊神经网络(DRFNN)的非线性辨识原理离线建立发酵过程的逆模型,将得到的逆模型串联在发酵系统之前,实现了发酵过程输入输出解耦线性化,从而得到伪线性系统;对复合后的伪线性系统采用内模控制。仿真结果表明,该方法能够适应赖氨酸发酵过程模型的不确定性和参数的时变性,具有较强的鲁棒性,且结构简单,易于实现。     

基于云模型的变桨距系统积分滑模控制

针对具有参数变化和外加干扰的变桨距风力发电系统,提出了一种基于云模型的积分滑模控制。在滑模控制中引入误差项的积分,并用状态量代替误差的导数,消除传统滑模控制需要期望输出信号导数已知的假设;利用云模型的不确定性推理方法,动态地调节切换增益;利用积分的方法对切换增益进行估计,估计出系统中不确定因素的界,有效地削弱系统的抖振。仿真结果表明:该控制器用于风速高于额定风速以上的变桨距控制系统中,具有较好的控制品质,对系统参数的不确定和外部干扰具有很强的鲁棒性。     

滑模多电平变换器驱动异步电动机系统的研究与设计

论述了滑模变结构多电平变换器系统的基本控制原理,深入分析了滑模变结构控制方法的原理和实现方法,设计了滑模多电平变换器驱动异步电动机系统.在MATLAB/simulink平台上对其进行仿真,仿真结果表明滑模变结构多电平变换器有优良的输出特性,这将为多电平变换器在高性能的交流调速闭环控制系统中的具体实用打下基础.     

超声波电动机自适应滑模控制器设计

超声波电动机作为控制系统的执行器,被广泛应用于精密制造的驱动设备中。首先,为选择的超声波电机控制系统建立了近似的时域数学模型,使用最小二乘方法辨识了该系统模型的参数;然后,设计了一种连续切换自适应滑模控制器,并应用于超声波电机系统的控制,给出了超声波电机控制系统的稳定性检测方法,以及所设计控制器的参数选择方法;最后,采用传统滑模控制方法和所设计的控制方法跟踪相同的位置信号,取得了较好的控制效果。结果表明,对于跟踪幅值为40mm的位置信号,在较小抖振的前提下,传统滑模控制方法的最大跟踪误差为0.896 5 mm,连续切换自适应滑模控制的最大跟踪误差为0.164 6 mm,且无抖振。     

基于自回归小波神经网络的感应电动机滑模反推控制

为了提高感应电动机控制的鲁棒性, 提出了一种新颖的感应电动机解耦模型. 基于感应电动机的解耦模型, 利用滑模控制和反推控制设计电动机的虚拟转矩和磁链电压控制器. 滑模开关增益的大小是造成系统抖振的关键, 采用自回归小波神经网络(Self-recurrent wavelet neural networks, SRWNN)在线估计滑模开关增益的大小可以有效降低滑模控制造成的抖振. 仿真结果表明基于SRWNN在线估计滑模开关增益的滑模反推控制方案可以有效提高感应电动机控制的鲁棒性, 同时降低了滑模控制造成的抖振.     

基于神经网络逆系统的无轴承异步电机非线性内模控制

针对无轴承异步电机非线性、多变量、强耦合的特点,提出一种基于神经网络 α阶逆系统方法的非线性内模控制策略.将用动态神经网络逼近的无轴承异步电机 α阶逆模型与原系统复合,将非线性的无轴承异步电机原系统解耦成转子径向位移、转 速和转子磁链四个独立的伪线性子系统.为了保证 系统的鲁棒性,对伪线性系统引入内模控制,仿真和实验研究验证了所提控制方法的有效性.     

基于模糊神经网络α阶逆系统的发酵过程多变量解耦控制

将逆系统方法与模糊神经网络相结合, 提出一种基于模糊神经网络®阶逆系统的发酵过程解耦控制方法. 在分析了系统可逆性的基础上, 利用模糊神经网络建立发酵过程的非线性逆模型, 然后将得到的模糊神经α阶逆系统与发酵过程串联复合成伪线性系统, 最后设计专家控制器实现高性能闭环解耦控制. 仿真结果表明, 提出的解耦控制方法能够适应发酵过程模型的不确定性和参数的时变性, 具有较强的鲁棒性, 克服了解析逆系统解耦控制方法依赖于过程模型和对模型参数的变化很敏感的缺点, 且结构简单, 易于实现.     

基于支持向量机α阶逆系统方法的非线性内模控制

为了提高传统逆系统方法的鲁棒性和抗干扰能力, 提出了基于支持向量机α阶逆系统方法的非线性内模控制新方法. 该方法利用支持向量机辨识非线性系统的α阶逆模型, 并将其串连在原系统之前得到复合的伪线性系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真结果证明了该方法的有效性. 理论分析和仿真结果均表明, 该方法不依赖于系统的模型, 且较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决非线性系统控制的一种可行的理论方法.     

基于支持向量机广义逆的直线永磁游标电机内模解耦控制

针对直线永磁游标电机这一多变量、强耦合的非线性系统, 提出一种基于支持向量机广义逆内模控制的方法. 在证明其数学模型存在广义逆的基础上, 通过支持向量机来辨识原系统的广义逆系统, 经复合后得到具有线性关系的伪线性系统, 然后引入内模控制方法设计附加控制器以增强整个系统的鲁棒性. 仿真结果验证了所提出方法具有良好的解耦性能和抗干扰特性.

     

基于支持向量机的非线性内模解耦控制

针对非线性内模控制在应用于多变量系统时逆模型难以建立的问题, 提出了支持向量机α阶逆系统的内模解耦控制方法. 该方法利用支持向量机辨识非线性系统的逆模型, 并将其串连在原系统之前, 运用逆系统方法的思想, 将一个多变量、非线性、强耦合的复杂系统通过反馈线性化解耦成多个相互独立的单输入单输出的伪线性复合子系统. 对求得的伪线性系统采用内模控制方法进行控制. 仿真试验表明该方法不需要系统精确的数学模型, 较一般的逆系统方法鲁棒稳定性好, 设计简单, 跟踪精度高, 是解决多变量非线性系统控制的一种可行的理论方法.     

基于定转子电阻误差补偿的感应电动机自适应逆解耦控制研究

对于具有多变量、非线性、强耦合、慢时变等特征的异步电动机调速系统, 实现定子磁链与电磁转矩的高精度动态解耦是提高系统性能的关键. 首先通过非线性状态反馈建立感应电动机的积分逆模型, 并在此基础上提出了一个基于定、转子电阻误差补偿的感应电动机自适应逆解耦控制方法, 将补偿后的积分逆模型串联到对象的输入端建立广义被控对象. 复杂的感应电动机调速系统被解耦成电磁转矩与定子磁链的两个独立回路, 利用线性系统理论分别对独立回路进行综合设计, 实现定子磁链和电磁转矩对各自给定值的渐近跟踪. 利用Matlab进行了仿真实验, 实验结果验证了建议方案的有效性和可行性.     

五自由度无轴承异步电机[[alpha]]阶逆系统解耦控制

五自由度无轴承异步电机是一个多变量、非线性、强耦合的复杂控制对象，要实现电机转子稳定悬浮和运行，必须对电机转矩力和悬浮力进行动态解耦控制.本文应用多变量非线性[[alpha]]阶逆系统方法，对这个复杂控制系统进行动态解耦控制研究.首先介绍了三自由度磁轴承的工作原理和二自由度无轴承异步电机径向力产生机理，并给出三自由度磁轴承轴向力、径向悬浮力方程和二自由度无轴承异步电机转矩力和径向悬浮力方程，建立了电机的状态方程，然后分析了基于阶逆系统理论解耦控制的可行性，应用状态反馈线性化方法，将原复杂系统解耦并线性化，最后采用线性系统理论进行了综合和仿真.仿真结果表明这种控制策略能够实现五自由度无轴承异步电机转矩力与悬浮力之间的动态解耦，系统具有良好的动、静态性能.     

五自由度无轴承异步电机α-阶逆系统解耦控制

A 5-degrees-of-freedom bearingless induction motor is a multi-variable, nonlinear and strong-coupled system. In order to achieve rotor suspension and operation steadily, it is necessary to realize dynamic decoupling control among torque and suspension forces. In the paper, a method based on α-th order inverse system theory is used to study dynamic decoupling control. Firstly, the working principles of a 3-degrses-of-frsedom magnetic bearing and a 2-degrees-of-freedom bearingiess induction motor are analyzed,the radial-axial force equations of 3-degrees-of-freedom magnetic bearing, the electromagnetic torque equation and radial force equations of the 2-degrees-of-freedom bearingless induction motor are given, and then the state equatious of the 5-degrees-of-freedom bearingless induction motor are set up. Secondly, the feasibility of decoupling control based on dynamic inverse theory is discussed in detail, and the state feedback linearization method is used to decouple and linearize the system. Finally, linear control system techniques are applied to these linearization subsystems to synthesize and simulate. The simulation results have shown that this kind of control strategy can realize dynamic decoupling control among torque and suspeusion forces of the 5-degrees-of-freedom bearingless induction motor, and that the control system has good dynamic and static performance.     

基于SVM逆系统控制方法的电液变气门系统的升程控制

针对电液可变气门系统的升程控制,提出了基于支持向量机(SVM)的α阶逆系统控制模型.该方法适合高阶非线性系统的控制问题.根据系统的输入输出,离线建立变气门逆系统的辨识模型,然后将SVM逆系统串接在原系统之前,构成伪线性系统.仿真结果表明:基于SVM的α阶逆系统控制模型,对电液变气门系统的升程,表现出了良好的控制特性.