基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

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。     

飞行器模拟加热装置的模型辨识和自适应控制

本文对飞行器模拟加热装置进行了模型辨识和自适应控制,模型辨识使用ARMAX(n)辨识器,辨识结果和机理分析一致,自适应控制采用STCCAMAC两种算法,控制结果满足性能指标要求。     

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．     

自适应Smith预估极点配置自效正PI控制器

对具有大惯性、大纯时延、变参数的过程控制对象,提出了一种带有自适应Smith预估的极点配置的自效正PI控制方案,以10t/h链条炉作为控制对象,通过数字仿真,并与常规PI比较,证明了该方案比常规PI有更好的控制性能。     

MW级永磁同步电机无速度传感器矢量控制研究

针对电机实验站对永磁同步电机实验电源系统新的控制要求,研究了MW级永磁同步电机无速度传感器矢量控制方法,提出了一种基于模型参考自适应的速度辨识方法。该方法仅用q轴磁链误差信号构建自适应率辨识转速信息。首先通过Matlab仿真证明了该方法的有效性,然后进行了半直驱隐极式永磁同步风力发电机对拖实验,结果证明该方法能较好地辨识电机转速。     

改进的永磁同步电机转动惯量辨识方法及其在PI自整定中的应用

对于伺服系统来说,转动惯量的辨识越来越重要。本文将带有变增益系数的模型参考自适应算法与加权递推平均滤波法相结合,得到改进的转动惯量识别方法。该方法既能提高辨识结果的收敛速度和精度,又能这减少噪声对辨识结果的影响。将辨识得到的转动惯量运用于PI自整定中,得到的电机速度波形超调小、误差低、动态性能好。     

基于径向基神经网络的双馈风力发电机低电压穿越控制研究

根据风力机能量转化机理及风电机组运行状态,建立了双馈感应发电机(DFIG)完整的5阶数学模型,分析了其电流控制方案,提出了一种基于径向基(RBF)神经网络辨识的PI控制器自适应控制算法.利用RBF神经网络进行在线辨识,并根据被控对象的Jacobian信息在线调整PI控制器参数,以改善系统的动态响应特性和提高系统的低电压穿越(LVRT)能力.通过构建系统的Simulink仿真模型进行仿真.结果表明,该控制算法有效地抑制了由电压跌落引起的电流震荡,缩短了系统的故障恢复时间,增加了系统的自适应性和鲁棒性,从而提高了系统的低电压穿越(LVRT)能力.     

永磁同步电机控制系统PID参数在线辩识新方法

传统的PI控制器不具备参数在线辨识功能,这使得系统的性能达不到最优的控制。目前,PID参数在线辨识功能在高性能交流永磁伺服控制系统中受到越来越广泛的重视。根据速度环等效原理和经典控制理论,推导出了转动惯量的数学表达式及其与PI参数的关系,并结合查表法整定PI参数,算法简单,适用性较强。     

基于二阶神经网络的自适应控制

提出了一种二阶神经网络的自适应控制方案,利用二阶神经网络对被控对象进行在线辨识和控制．仿真实验表明：这种控制系统效果优良,具有较强的辨识和控制能力,且控制器设计并不复杂．基于二阶神经网络的自适应控制@李莉@宋桂荣@刘建明...     

神经网络PI自适应控制及其应用

基于传统PID控制和人工神经网络技术,提出一种神经网络PI自适应控制策略,并把它用于一电液非线性伺服系统的位置控制.仿真研究结果表明,所提出的神经网络PI自适应控制策略可行,对改善非线性伺服控制系统的鲁棒性和动静态特性具有积极作用.     

系统辨识(4)：辅助模型辨识思想与方法

辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念是该文作者提出的研究辨识问题的原创性新方法,已经被用在很多辨识问题的研究中,形成了不同的辨识方法族,可以用于解决许多线性或非线性模型的自适应信号处理、自适应参数估计、自适应滤波和预测、自适应控制等问题.由于客观事物具有双重属性:一些特征变量是可观测的;一些是不...     

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。     

基于BP-RBF神经网络的永磁无刷电机控制研究

针对常规PID对永磁无刷电机这类非线性系统控制时参数难以整定、适应性差的问题,提出一种基于径向基函数神经网络在线识别与BP神经网络自适应控制相结合的控制方法,即BP-RBF神经网络自适应控制。该方法构造一个RBF网络对系统进行在线辨识,并把辨识信息传入BP网络,通过BP网络实时调节PID系数,从而完成对电机转速的自适应控制。基于Simulink仿真平台,分别将BP、BP-RBF和传统PID算法应用到永磁无刷电机的调速系统中,并对控制效果进行了仿真验证。结果表明,BP-RBF控制方法具有上升时间短、鲁棒性强、转速波动小的优点。     

电液伺服系统神经网络辨识及控制器设计

针对阀控缸电液位置伺服系统非线性建模问题,采用神经网络进行系统模型辨识。采用LM遗传算法对三层BP神经网络的权值和阈值进行修正,通过训练系统的输入/输出数据建立非线性系统辨识模型。基于此模型,设计模糊PI控制器,利用智能权函数在线自动调整和修改模糊控制器的规则。利用x PC技术建立阀控缸伺服实验台,以实验台阶跃输出信号作为改进BP神经网络辨识信号,以实验台正弦输出信号作为验证信号。实验表明:该神经网络辨识模型的可信性得以验证;通过对比智能权函数模糊PI控制器和模糊控制器的实验曲线,表明前者控制效果更好。     

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.     

辨识与控制分离的广义预测控制算法

提出了一种自适应广义预测控制策略。其中，对象参数辨识及预测模型参数计算等以较大的采样周期进行，滚动优化控制以较小的采样周期进行。将辨识与控制运算分别放在２个不同的中断服务程序中，使辨识与控制分离，通过不同采样周期的模型变换建立志辨识与控制的联系，可大大缩短控制运算时间，提高控制的实时性。     

电液振动台加速度波形再现控制算法

为提高电液振动台的控制精度,在三状态控制器基础之上,提出一种加速度随机波再现实时自适应控制方法.介绍三状态控制器的作用及实现方式,利用RLS自适应滤波器实时辨识系统的逆模型,并基于自适应逆控制原理利用逆模型辨识结果对系统的输入信号进行修正,使系统的响应信号能够高精度再现参考信号.最后通过实验验证控制算法的有效性.     

无辨识自适应算法的大滞后对象的控制方法

在实际工业生产中 ,由于对象纯滞后的存在 ,降低了控制系统的稳定性 ,使控制品质下降 ,对控制系统极为不利。对大滞后对象 ,Smith预估控制是一种重要方法 ,但常规Smith预估控制对模型的误差 (包括时间延迟的估计误差 )十分敏感 ,不适用于具有时变时延参数的系统。因此 ,常规Smith预估控制策略难以广泛用于工业控制 ,但该方法仍然得到了控制界的广泛认可。无辨识自适应控制是Marsik和Strejc提出的一种无需辨识系统参数的自适应控制算法 ,该算法简单、鲁棒性强 ,只需在线检测过程的实际输出及期望输出便可形成具有较好动态性能指标的自适应控制系统 ,但是该方法不能解决大滞后问题。借鉴无辨识自适应控制的思想和神经网络强的函数逼近能力 ,首先用一个神经网络来构成被控对象的Smith预估模型 ,然后利用无辨识自适应控制算法设计了一种适用于大滞后对象的控制器 ,两者结合 ,提出了一种简单、实用、鲁棒性强的大滞后对象控制的新方法     

基于二阶神经网络的自适应控制

提出了一种二阶神经网络的自适应控制方案,利用二阶神经网络对被控制对象进行在线辨识和控制,仿真实验表明：这种控制系统,其控制效果优良,具有较强的辨识和控制能力,且控制器设计并不复杂。