基于模糊神经网络的纯电动车永磁同步电机矢量控制

纯电动车控制系统对电机控制性能要求较高。提供了一种基于模糊神经网络的永磁同步电机矢量控制方案。以模糊神经网络控制器作为电流调节器,并在速度环引入模糊控制器,将其输出作为电流环的限幅,达到限速的目的。仿真和试验结果表明:对于电动车运行的复杂情况,该方法具有良好的转矩跟踪和电机限速性能。     

基于RBF神经网络的永磁同步电机在线辨识与模型参考自适应控制

永磁同步电机控制系统是多变量和非线性的。针对传统PI控制方法的不足,提出了一种基于RBF神经网络的永磁同步电机在线辨识与模型参考自适应控制方法。该方法利用RBF神经网络极强的非线性映射能力,通过对神经网络的离线和在线训练,实现了电机速度的自适应控制。仿真结果表明该方法控制精度高,动、静态特性好。     

永磁同步电机动态模糊神经网络控制器设计

针对如何提高永磁同步电机控制系统的性能,将动态模糊神经网络(DFNN)运用到永磁同步电机调速系统中,充分利用动态模糊神经网络的学习能力与映射能力,实现模糊系统的参数和结构的在线学习.对采用这种控制器的永磁同步电机(PMSM)矢量控制系统进行了仿真研究.仿真结论说明采用动态模糊神经网络控制器的控制效果较传统PID控制而言,不仅响应速度快、超调小,而且具有非常好的鲁棒性.     

基于RBF神经网络的永磁同步电机速度控制

针对常规PID控制的永磁同步电机调速系统性能不足,利用RBF神经网络较强的非线性映射能力,提出一种基于RBF神经网络PID自整定方案。该算法通过RBF神经网络在线辨识对PID参数整定,改善常规PID控制效果。在Matlab/Simulink构建了基于S函数的RBF神经网络PID控制器和永磁同步电机调速系统,并结合研究对象进行仿真研究。仿真结果表明:该控制器具有较好的静、动态性能,并有较强的自适应性和鲁棒性。     

永磁同步电机伺服系统的RBF神经网络PID控制

永磁同步电机(PMSM)交流伺服系统中含有未知复杂干扰,属于一类复杂的非线性、不确知系统,会影响PID控制算法的控制质量,无法满足伺服系统的高精度指标要求,利用神经网络对未知信息数据的自学习和自适应能力,设计出一种基于RBF神经网络与传统PID控制相结合的智能PID控制器。仿真结果表明,应用了RBF神经网络PID控制的伺服系统,不但结构简单,而且能适应环境变化,干扰被有效抑制,控制精度明显提高,有较强的鲁棒性,达到了理想的控制效果。     

永磁同步电机的模糊神经网络控制方法

在分析永磁同步电机（PMSM）数学模型的基础上,建立了控制系统的仿真模型,并提出了一种新型模糊神经网络控制方法：以基本样条函数实现PMSM模糊神经网络速度控制器的设计。基于MATLAB／Simulink的PMSM控制系统仿真平台,实现了基本样条模糊神经网络调速控制的仿真。仿真结果表明：该方法响应快、超调小、鲁棒性强,具有较优的动、静态特性。     

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.     

永磁同步电机的模糊神经网络控制方法

在分析永磁同步电机(PMSM)数学模型的基础上,建立了控制系统的仿真模型,并提出了一种新型模糊神经网络控制方法:以基本样条函数实现PMSM模糊神经网络速度控制器的设计。基于MATLAB/Simulink的PMSM控制系统仿真平台,实现了基本样条模糊神经网络调速控制的仿真。仿真结果表明:该方法响应快、超调小、鲁棒性强,具有较优的动、静态特性。     

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。     

基于免疫遗传模糊神经网络的永磁同步电机控制

在分析永磁同步电动机(PMSM)数学模型的基础上,提出了一种基于免疫遗传算法(IGA)的递归模糊神经网络(RFNN)控制器的设计方法,并应用于永磁同步电动机双闭环矢量控制系统中的转速控制器中,对永磁同步电动机实现精确的速度控制.在与传统PI控制和递归模糊神经网络控制仿真比较中,采用该方法的系统显示出良好的控制性能和控制效果.     

基于DSP永磁同步电机模糊PI控制系统研究

提出了一种基于DSP的永磁同步电机(PMSM)的模糊PI复合控制方法。在PMSM双闭环控制系统中，电流环采用矢量控制，速度环采用模糊PI控制。文中给出了控制系统结构及软硬件设计方案。实验结果表明，这种新型的模糊PI复合控制方法响应快、鲁棒性强，具有很好的动、静态特性。     

基于矢量控制的永磁同步电机研究

通过对永磁同步电机（PMSM）数学模型的分析,得出了基于矢量控制的永磁同步电机数学表达式,并通过MATLAB／sIMuLINK建立仿真模型。仿真结果表明该方法具有较高的精度,提高了系统的控制性能。     

多相永磁同步电机模糊神经网络控制调速系统

针对多相永磁同步电机具有非线性、强耦合等特点,传统的PID控制和模糊控制均不能达到很好的控制效果问题,依据空间矢量解耦的理论,建立了多相永磁同步电机的数学模型,给出了基于模糊高斯基函数神经网络的多相永磁同步电机调速系统控制方法,并在六相永磁同步电机上做了仿真分析研究.结果表明,该控制方法反应速度较快,无超调,在突加负载后速度也能够很好跟踪给定速度.响应过程中电磁力矩及定子电流基本上无振荡现象,稳态时电磁力矩恒定,对应的六相定子电流为规整正弦波.动静态性能均优于传统的PID控制和模糊控制.     

基于上位机的永磁同步电机控制系统设计

提出一种基于上位机的永磁同步电机(PMSM)电流环和速度环控制方法,在PMSM矢量控制的基础上,通过电流环零-极点对消原则和速度环期望中频区宽度,给出了电流环和速度环控制器参数设计方法。此外,对PMSM给定零角度电流矢量,实现了电机零位角的自动鉴别。最后,在开发的基于DSP的PMSM控制系统及上位机软件平台上实现了上位机的电流环和速度环控制参数自动计算及实验数据的记录、上传及曲线显示,速度阶跃响应速度快,超调量小。实验结果证明了该方法的有效性及工程实用性。     

永磁同步电机自构式模糊神经网络控制器设计

针对传统PID控制方法不能对电机在工况状态变化时做出快速反应的问题,结合模糊控制和神经网络的特点提出一种智能控制方法。依据模糊神经网络算法组成新的速度控制器代替传统的PID速度控制器。通过RBF神经网络辨识器给出永磁同步电机的Jacobian信息,传递给模糊神经网络控制器,以此解决算法中转速对网络输出的偏导项无法计算的问题。通过自构式反馈来修正网络的拓扑结构,确定模糊神经网络中隐含层的神经元个数,避免因隐含层神经元个数设定不当引起欠拟合或过拟合。仿真和实验的结果表明,电机在启动时能够快速平稳地达到给定转速,超调量和稳态误差小,转矩脉动小、响应迅速。突加负载时速度变化量小且能快速回归平稳运行,突变转速时能快速稳定在变化后的给定转速。     

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.     

永磁直线同步电机自适应模糊神经网络时变滑模控制

针对永磁直线同步电机(PMLSM)在跟踪不同参考轨迹运动时,易受参数变化、外部扰动以及摩擦力等不确定因素影响而降低伺服性能的问题,提出一种基于自适应模糊神经网络时变滑模控制器(AFNNTSMC)的精密位置跟踪方法.首先,在PMLSM数学模型的基础上,将时变滑模面引入到传统滑模控制器(SMC)中设计时变滑模控制器(TSM...     

采用神经网络控制的永磁同步电机调速系统

为改进传统PID控制的永磁同步电动机(PMSM)调速系统性能,设计了神经网络速度控制器并对其构成的矢量控制系统进行了仿真分析.结果表明,当电机参数改变或受到外部扰动时,该系统具有更好的动态性能.     

基于果蝇-蛙跳模糊神经网络PID 的永磁直线同步电机控制

针对永磁直线同步电机(PMLSM)伺服系统存在的非线性、时变性及强耦合性,设计一种基于模糊神经网络PID的速度控制策略,通过融合果蝇优化算法和蛙跳算法形成果蝇-蛙跳算法,实时调整优化模糊神经网络的结构参数,输出适用于PID控制器的最佳参数kp、ki、kd,实现PMLSM速度控制的自适应和智能化。仿真分析与试验结果表明,采用基于果蝇-蛙跳算法优化的模糊神经网络PID速度控制器,能使PMLSM控制系统取得更加优良的控制效果。     

基于交流永磁同步电机的全数字伺服控制系统

根据永磁同步电机的数学模型和矢量控制原理，通过仿真和实验研究，开发出一套基于DSP控制的伺服系统，并给出了相应的实验结果验证该系统的可行性。