基于神经网络永磁直线同步电动机提升系统动态模型建立与仿真

永磁直线同步电动机（PMLSM）提升系统，在结构上，控制机理上均与传统的提升模式不同。电机存在着铁心开断、三相绕组分布不对称以及运行过程中参数变化较大等因素。采用理想的解析模型难以准确地反映该系统的运动特性。本文运用BP神经网络，建立了该系统的动态模型。侧重介绍了网络的学习算法，模型的构建、训练样本的获取、训练系数的选取等方法。仿真和实验结果表明，该模型比用解析法建立的数学模型更能逼真地反映出PMLSM提升系统的基本运动特性。对该系统的运行特性分析及控制策略的研究都具有实际的应用价值。     

永磁直线电机失步预防的模糊神经网络控制

提出一种双模糊神神经网络复合控制策略(D-FNNC)以解决永磁直线同步电动机(PMLSM)垂直提升系统因失步而不能稳定、安全运行难题.这种复合控制结构通过改变供电电压或电机运行速度实现失步预防.针对PMLSM的非线性,时变性,易受扰动且无精确数学模型特性,采用模糊控制器FC;利用神经网络控制器(NNC),克服FC存在稳态误差且无自适应能力问题;通过一种复合控制策略(CCS):一个随功角稳定余量增加而逐渐趋于 l的非线性函数将两者结合,以提高系统动态性能,保证稳态精度,并提高系统自适应能力.仿真结果表明,该新型控制策略能有效预防失步发生,使系统时刻保持稳定运行.     

直线永磁无刷直流电机推力波动的综合补偿

推力波动直接影响直线永磁无刷直流电机的加速性能,而齿槽定位力和不规则的反电势波形是推力波动的主要来源.提出了通过磁枢错位来减小齿槽定位力的方法,分析了该方法对反电势波形的影响,用直接力控制方法实现了对推力波动的综合补偿.系统仿真的结果表明,所提方法可以有效减小推力波动.     

基于反馈线性化的非线性气动伺服系统跟踪控制

针对气动位置伺服系统跟踪控制中系统受压力波动、摩擦力扰动等非线性因素影响较大的特点，提出基于压力反馈线性化、摩擦力补偿的内外双环型控制算法。仿真与实验结果表明，该算法结构简便又宜于实用、跟踪精度较高，控制效果较好。     

永磁交流位置伺服系统串级复合滑模控制

针对某永磁同步电动机位置伺服系统负载力矩和转动惯量变化大、干扰力矩强的特点,以及统一滑模变结构控制速度限幅的难题,提出并设计了串级复合滑模变结构控制器.其中速度环通过增加积分环节来消除滑模控制的力矩抖动,位置环通过复合滑模控制的设计来消除稳态滑模控制的抖振.计算机仿真结果表明,该控制器不仅响应速度快、无超调、控制精度高,同时对负载扰动和系统参数摄动具有较强的鲁棒性.     

基于Lyapunov稳定性理论的星型耦合电动机网络的混沌同步

基于Lyapunov稳定性理论和多个体协调控制,通过设计网络中互联电动机节点之间的耦合函数,实现整个星型耦合电动机网络的渐进同步。从理论分析和数值仿真两个方面,证明并验证了该控制策略的有效性。提出的耦合函数结构简单、控制效果良好,对保证电动机传动系统的协调同步运行具有较好的应用参考价值。     

基于Matlab/Simulink的永磁交流电动机仿真研究

在无刷直流电动机(BLDCM)和永磁同步电动机(PMSM)仿真研究中,通常采用不同的仿真模型.但是,两种电机结构相似,完全有可能用一个仿真模型统一起来.在对电机结构和反电势产生机理详细分析的基础上,引入一个反电势波形函数来拟合两种电机的反电势,建立了二者的统一仿真模型.当反电势波形系数较小时,反电势逼近梯形波,此时可仿真BLDCM;当波形系数较大时,反电势逼近正弦波,此时可仿真PMSM.与常规I仿真模型相比,统一的仿真模型应用更加方便,而且能较好地逼近反电势的实际波形.在Matlab/Simulink下的仿真结果表明,建立的仿真模型是可行的.     

基于反馈线性化PMSG风力发电系统控制

在分析了PMSG(永磁同步发电机)风力发电系统数学模型的基础上,以额定风速以下风能的最大捕获为目标,采用反馈线性化结合最优跟踪控制方法设计了PMSG风力发电控制系统,并基于VisSim的直观屏面和强大的数学功能,建立了PMSG风力发电控制系统的仿真模型.仿真结果表明,风速在额定风速以下大范围变化时,反馈线性化结合最优跟踪控制方法在能有效实现风力发电机组的最大风能捕获.     

伺服系统中齿隙非线性的自适应补偿

齿隙是影响机电伺服系统动/静态性能和稳定性的一个重要因素.为了减小其不利影响,提出了反步自适应齿隙补偿方法.依据Lyapunov稳定性理论,应用反步积分方法,通过逐步递推选择Lyapunov函数,设计了基于状态反馈的自适应控制器.理论分析以及与传统PID控制的仿真结果比较表明,该方法显著地降低了齿隙对伺服性能的影响,从而提高了系统的跟踪精度和鲁棒性.     

基于递归神经网络的伺服系统自适应反步控制

针对伺服系统的系统参数摄动和非线性动态摩擦补偿问题,提出基于递归神经网络(RNN)的自适应反步控制(RNABC)系统设计方法.RNABC系统由反步控制器和鲁棒控制器组成,反步控制器包含RNN不确定观测器,鲁棒控制器则用来消除由于引入不确定观测器而带来的逼近误差.由于自适应反步控制的自适应律源于Lyapunoy函数的,因此系统的稳定性得到了保证.仿真结果表明,对于系统参数摄动和非线性摩擦干扰RNABC能使伺服系统具有很好的跟踪性能.     

FBFN-based adaptive repetitive control of nonlinearly parameterized systems

An adaptive repetitive control scheme is presented for a class of nonlinearly parameterized systems based on the fuzzy basis function network （FBFN）. The parameters of the fuzzy rules are tuned with adaptive schemes. To attenuate chattering effectively, the discontinuous control term is approximated by an adaptive PI control structure. The bound of the discontinuous control term is assumed to be unknown and estimated by an adaptive mechanism. Based on the Lyapunov stability theory, an adaptive repetitive control law is proposed to guarantee the closed-loop stability and the tracking performance. By means of FBFNs, which avoid the nonlinear parameterization from entering into the adaptive repetitive control, the controller singularity problem is solved. The proposed approach does not require an exact structure of the system dynamics, and the proposed controller is utilized to control a model of permanent-magnet linear synchronous motor subject to significant disturbances and parameter uncertainties. The simulation results demonstrate the effectiveness of the proposed method.     

Application of neural networks for permanent magnet synchronous motor direct torque control

Neural networks require a lot of training to understand the model of a plant or a process. Issues such as learning speed, stability, and weight convergence remain as areas of research and comparison of many training algorithms. The application of neural networks to control interior permanent magnet synchronous motor using direct torque control （DTC） is discussed. A neural network is used to emulate the state selector of the DTC. The neural networks used are the back-propagation and radial basis function. To reduce the training patterns and increase the execution speed of the training process, the inputs of switching table are converted to digital signals, i.e., one bit represent the flux error, one bit the torque error, and three bits the region of stator flux. Computer simulations of the motor and neural-network system using the two approaches are presented and compared. Discussions about the back-propagation and radial basis function as the most promising training techniques are presented, giving its advantages and disadvantages. The system using back-propagation and radial basis function networks controller has quick parallel speed and high torque response.     

线性时滞系统的记忆与无记忆复合$H^{\infty}$状态反馈控制

对于存在状态时滞的线性时滞系统 ,研究了无记忆与带记忆的复合 $H^{\infty}$ 状态反馈控制器的设计问题 ,通过解相应的线性矩阵不等式求得满足设计要求的状态反馈控制器 ,得到了很好的控制效果 .最后给出一个数字仿真实例说明所得结论的有效性 .     

无模型控制方法在直线电机控制中的仿真研究

将基于偏格式线性化的非线性系统无模型学习自适应控制方法应用在直线电机的速度和位置控制中．控制器的设计是直接基于称为伪偏导数的向量，伪偏导数是通过新型参数估计算法，根据给出的永磁直流直线电机非线性系统模型的输入输出信息在线导出的。利用Matlab软件进行仿真实验证明了该方法对电机这种具有不确知动态的非线性系统的有效性和稳定性。     

基于EKF的永磁同步电机转子位置和速度估计

提出了一种新颖的基于EKF(扩展卡尔曼滤波)实现PMSM(永磁同步电机)转子位置和速度估计的方法。利用该算法，通过测量电机的端电压和流过定子线圈的电流在线估计电机转子的位置和速度，实现了永磁同步电机的无传感器控制策略。仿真结果验证了该算法的可行性。     

一种可用于ZYNQ硬件在环仿真的永磁无刷直流电机测控系统

为解决永磁无刷直流电机(permanent magnet brushless dc, PMBLDC)建模仿真存在着修改控制算法困难、添加和删除闭环不方便、实时测控能力较差等问题。利用Simulink图形化建模平台,基于霍尔传感器位置检测算法和PID控制算法,结合分段线性法生成PWM波形,提出了一种新型的闭环测控方法,对所建立的PMBLDC电机测控系统进行了突增负载和突增转速的仿真测试。仿真结果证明该系统具有很好的稳定性,可快速部署在ZYNQ平台进行调试,同时Simulink提供了可供硬件在环实时仿真测控的图形化界面。