基于模糊神经网络的无刷直流电动机的速度调节器

提出了一种作为无刷直流电动机的速度调节器的参数自校正模糊神经网络控制器。重点研究了模糊控制器的设计、系统增益参数的确定方法和BP神经网络的实现方法。采用双模控制方法，提高了系统的性能。通过数字仿真，证明了采用模糊神经网络控制方法的速度调节器能够提高系统的动、静态特性，减小转矩脉动并使系统具有较强的鲁棒性和抗干扰能力，同时提高了系统的实时性。     

结合改进PSO-BP神经网络的无刷直流电机控制

针对无刷直流电机的BP 神经网络控制器收敛速度慢,易陷入局部最优,设计了一种采用改进粒子群BP 神经网络控制的无刷直流电机控制系统,改进的粒子群算法在速度更新方程中引入了具有时变衰减特性的惯性权重,并用改进的粒子群算法对BP 神经网络初始权值进行离线训练. 仿真结果显示改进PSO-BP 神经网络孔制系统比标准PSO-BP 神经网络控制有更好的稳定性与抗干扰性,整个系统动、静态响应更好.     

基于simulink的电动车无刷直流电机的速度控制

本文阐述了无刷直流电动机的工作原理,建立了无刷直流电机的数学模型;利用matlab/simulink建立了无刷直流电机控制系统的仿真模型,将模糊自适应PID算法应用于无刷直流电机的速度控制,进行了仿真;将仿真结果与传统PID控制比较,得出模糊自适应PID控制更适合无刷直流电机的速度控制。     

基于改进型BP神经网络的油井产量预测研究

为了保证油田生产持续稳定地发展,针对油田单井产量提出了基于改进型BP神经网络的预测模型。对传统的BP神经网络的结构和训练算法进行了研究,发现它存在易于陷入局部极小,收敛速度慢等问题。提出了使用LM算法的改进型BP神经网络。最后给出了基于改进型BP神经网络的单井产量预测模型仿真实验。结果证明该算法的实用性和可行性,在油井产量预测方面有一定的实用价值。     

基于BP神经网络PID的直流电机调速系统设计

本文根据直流电动机的数学模型,建立了状态空间方程,分析了直流电动机的可控性。同时,本文根据BP神经网络算法的控制理论设计了双闭环直流调速系统的相关算法。并用MATLAB软件进行仿真,实现了闭环控制系统的响应速度快、跟随性能好等功能。     

磁阻传感器在主动转向执行电动机中的应用

为了将磁阻传感器应用于汽车主动前轮转向系统的变传动比执行电动机(无刷直流电动机)中,分析了系统对位置传感器的要求和磁阻传感器的工作原理,提出了用于无刷直流电动机控制系统的HMC1512磁阻传感器的信号处理算法,给出了信号处理流程图,并在Matlab/Simulink环境下建立了无刷直流电动机的三闭环控制模型和信号处理模...     

卡尔曼滤波器在直流无刷电动机控制系统中的应用

针对直流无刷电动机在使用普通的位置传感器（如霍尔元件等）时所产生的误差问题,采用软件算法来得到电动机的轴位置传号。因此,从物理上消除了电动机所需要的轴位置传感器和其它与该传感器有关的元件。用卡尔曼滤波的方法可以在改善系统控制性能的情况下进一步节约同极系统的成本。     

袋装食盐生产线装箱机头直线电机运动控制研究

主要对袋装食盐生产线装箱机头运动控制系统进行研究,以PC机和控制器ACR9000作为系统的控制中心,对整个系统进行运动控制.同时采用永磁无刷直线直流电动机与Compax3驱动器构成完整的数控系统.采用永磁无刷直线直流电动机模拟装箱机机头的运动,从而了解该运动方式的特点和工作状态.永磁无刷直线直流电动机具有速度大,振动、噪声小,运动位置可以准确定位的优点.通过控制器ACR9000采集运动参数,利用PID进行调节,满足装箱要求,并在效率、精度、动态性能方面都有较大的改进.     

基于DSP的永磁无刷直流电动机控制系统设计

介绍了基于DSP芯片TMS320F240的永磁无刷直流电动机控制系统，充分利用了TMS320F240适合于电机运动控制系统的特点。分析了系统的运行原理，设计了电流和速度双闭环并以PWM方式控制的无刷直流电动机系统，提出了软件实现方法和DSP控制算法，使得整个系统具有更高的可靠性并降低了系统造价。     

无刷直流电机神经网络控制器设计

无刷直流电动机在高性能驱动应用中具有良好的调整性能、高电压、高转矩、高体积比以及无电刷的优点。为了辨识、控制运行在高性能驱动环境下的无刷直流电机，本文设计了一种多层神经网络控制器。这个神经网络既能适时辨识系统的动态性能，又能控制电机使速度和位置跟踪预先选择的轨迹，且跟踪精度较高。在控制中，系统参数漂移和外界干扰可在任意时刻得到补偿，神经网络实现了自适应控制功能，仿真结果表明这种神经网络是有效的。     

基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

基于PCA-ANN模型中存在的问题及改进

文章深入分析了目前普遍采用的主成分分析——神经网络模型应用中存在的不合理问题,通过推导指出错误所在,提出了相应的改进方案.为了验证改进模型的有效性,以UCI机器学习库中的数据集为样本,选取有导师BP神经网络和无导师SOM神经网络,建立改进的主成分分析——神经网络模型,并与传统主成分分析——神经网络模型进行比较测试,实验结果表明改进的模型效果更优.     

小波网络异步电机转速辨识器的设计

为实现无速度传感器异步电机控制,有时采用神经网络转速辨识器,但前馈神经网络结构难以确定,运用BP算法时又极易陷入局部解。因此,偿试利用小波网络构造转速辨识器,并将遗传算法和BP算法结合起来作为小波网络的学习算法。该算法首先采用混合编码的遗传算法优化网络的结构及网络初始权值,其次再利用BP算法对网络权值进行精确调节;这种将遗传算法与BP算法相结合的GA BP算法,实现了遗传算法的全局搜索能力与BP算法的局部寻优性能的互补结合.将所设计的网络转速辨识器运用到直接转矩控制系统当中,利用MATLAB/SIMULINK实现无速度传感器控制系统的仿真实验结果表明,该方法具有良好辨识效果。     

BP神经网络学习算法研究

对日前应用最广的人工神经网络——BP网络的学习算法及各种改进学习算法进行了分类比较和综合分析,并结合作者的研究结果对进一步研究BP网络及算法进行了探讨.     

基于改进模糊神经网络的PID参数自整定算法

针对传统的PID控制算法参数整定困难,控制效果并不理想,将神经网络算法、模糊控制算法结合在一起,形成了模糊神经网络PID参数自整定算法,并且对模糊神经网络进行改进,将神经网络输入的状态变量进行模糊化和归一化处理,采用BP神经网络自整定PID控制器的参数,根据RBF神经网络得到受控对象的Jacobian信息。仿真结果表明,基于模糊神经网络的PID自整定控制效果较好,具有一定的应用前景。     

用EXCEL实现BP神经网络训练

简要介绍了反向传播神经网络的基本原理,首次提出了用电子表格EEXCEL实现BP神经网络训练的方法。     

受腐蚀钢筋混凝土梁极限承载力神经网络预测

利用神经网络方法研究了受腐蚀钢筋混凝土梁权限承载力与各主要影响因素之间的复杂非线性关系，建立了承载力的神经网络预浏模型，预浏结果与试验结果吻合较好．研究结果表明神经网络计算是受腐蚀钢筋混凝土构件力学性能研究中一种很有潜力的新方法．     

变载荷感应电动机的神经网络建模研究

根据采用晶闸管三相调压器控制变载荷电动机运行的特点,阐明了采用神经网络方法对该系统建模的必要性.基于带有回归单元的Elman神经网络,对变载荷三相异步电动机的晶闸管三相调压器系统进行了建模.采用一种带惯性项的动态反向传播学习算法,克服了通常的BP算法振荡和收敛速度慢的弱点,使变载荷电动机系统跟随负载变化对电动机实现调压控制.对Elman神经网络的结构运用方法,以及惯性项的动态反向传播学习算法做了较详细的介绍,对由晶闸管三相调压器构成的拖动系统建模所选向量参数进行了说明.实例表明,利用该方法迭代后的学习结果更容易将误差减小至期望值.     

改进RBF网络设计方法及其在软测量建模上的应用

针对流程工业中难以直接测量的变量研究了其软测量方法.采用局部强逼近性能的RBF神经网络对被测变量进行建模;提出用峰值密度函数法确定RBF网络的隐含层节点数;设计样本信息分析算法提取样本特征,结合精度要求,初始化节点的中心向量和接收域宽度,消除了利用随机数等方法初始化训练参数和网络参数所造成的不确定性问题,同时提高了网络的收敛速度和精度;整个过程分别采用改进的梯度法、带有遗忘因子的最小二乘法等算法进行设计.利用改进的RBF网络对原油的直馏宽窄馏分的临界温度变量进行软测量建模、仿真.实验结果表明,基于改进的RBF网络的建模方法,在精度和收敛速度方面均有显著提高.     

基于单片机的直流电机控制

本文主要介绍了基于单片机实现直流电机控制,为了实现直流电机测控数字化和精确可测控性,提出了单片机PID算法的设计思想及其实现方法。本论文主要是通过对硬件电路的设计和控制软件的开发,并使其能够良好的结合,为最终实现对直流电机的转速进行精确控制作充分的准备。