采用波波夫超稳定性理论设计交流调速系统

根据模型参考自适应原理,针对无速度传感器交流调速控制系统中速度辨识算法的收敛性问题,采用波波夫超稳定性理论设计了异步电机无速度传感器直接转矩控制系统。理论分析证明,所提的方法能保证速度辨识算法的全局渐进稳定性,仿真结果证明了这种方法的有效性。采用波波夫超稳定性理论设计交流调速系统@马宪民     

用波波夫超稳定性理论设计交流调速系统

根据模型参考自适应原理，针对无速度传感器交流调速控制系统中速度辨识算法的收敛性问题，采用波波夫超稳定性理论设计了异步电机无速度传感器的直接转矩控制系统。理论分析证明，所提供的方法能保证速度辨识算法的全局渐进稳定性，仿真结果证明了这种方法的有效性。     

热工中心试验室温度自适应控制系统

运用POPOV超稳定性理论 ,设计建立了模型参考自适应温度控制系统。控制硬件以 80 98单片机为核心部件。现场运行证明该控制系统比PID控制稳态精度有很大提高。本系统调节对象可以是一般的电加热设备 ,它有较广泛的适用性。     

磁悬浮列车轨道间隙控制系统的自适应控制

建立磁悬浮列车悬浮模型,采用状态反馈控制、模型参考自适应控制方法,研究磁悬浮列车轨道间隙控制问题。仿真表明,设计的极点配置状态反馈控制器能使磁悬浮列车轨道间隙控制系统稳定,基于李雅普诺夫稳定性理论设计的模型参考自适应控制方法具有较高的控制精度和一定的快速性。     

工程机械驱动流量耦合系统自适应控制仿真

为了提高工程机械的动力及经济性,将简化模型参考自适应(SMRAC)控制方法引入工程机械液压-变量马达流量耦合时变非线性系统中,通过建立分段优化模型的方法及对模型辅以最优反馈补偿校正,建立了优化参考模型,并利用比例-积分型矢量自适应控制律来保证系统的稳定性。结合某液压试验台利用Matalab仿真软件进行仿真试验,得出参考模型输出最大超调量2.43%,自适应控制系统输出最大超调量7.08%,控制系统调整时间0.204 s,且过渡过程平稳,自适应控制系统较好地跟随参考模型输出。结果表明,结合状态反馈校正的简化模型参考自适应控制策略能有效克服时变参数的影响,且该策略算法简单实用。     

基于MRAS无速度传感器的PMSM直接转矩控制

对混合动力车用永磁同步电机最大转矩电流比的直接转矩控制系统进行分析。采用无功功率作为速度估算模型的模型参考自适应的方法,建立永磁同步电机最大转矩电流比无速度传感器直接转矩控制的系统模型。利用稳态的无功功率与瞬态的无功功率的差值作为误差信号,通过对误差信号设计合适的自适应律实时调节得到估算转速,根据超稳定性理论来保证整个系统的稳定性,并对该方案进行仿真验证。研究结果表明:在不同转速下,采用无功功率的无速度传感器模型估算的转速能有效地跟随实际速度,且整个系统具有良好的动、静态运行性能。     

一种新的改进型自适应控制方法及仿真

本文提出了一种新的基于超稳定性理论和仅仅利用控制对象的滤波输入和输出信号设计自适应控制的方法,并将这种方法应用于非线性液压控制系统.本方法可以不必测定对象输出量的各阶导数,采用比例+积分自适应律.研究了3阶系统跟踪2阶模型时的算法.仿真结果表明,利用本文提出的方法具有良好的跟踪性能.     

MRAC异步电动机直接转矩控制系统转速辨识研究

针对异步电动机直接转矩交流调速系统的转子转速辨识问题,文章分析和研究了模型参考自适应控制(MRAC)速度辨识算法.在对异步电动机转子转速和磁链观测深入研究的基础上,基于超稳定性理论证明了该算法的稳定性,构建了模型参考自适应速度辨识系统并设计了该算法的自适应率;在MATLAB7.04软件平台上,建立了无速度传感器直接转矩控制系统的仿真模型并进行了仿真,仿真试验结果表明,该系统控制性能和精度良好,验证了算法的正确性和可实践性.     

基于无功功率模型的异步电机矢量控制系统转子时间常数辨识

针对异步电机矢量控制系统受电机参数变化影响大的问题,采用模型参考自适应系统(MRAS)在线辨识电机转子时间常数.为了增强辨识方法对定子电阻的鲁棒性,提高辨识精度,根据转子磁链模型构造无功功率模型建立MRAS,采用Popov超稳定性理论设计自适应规律,得到基于无功功率模型的转子时间常数辨识方法,抑制定子电阻变化对辨识精度的影响,将该转子时间常数辨识方法应用于异步电机矢量控制系统.仿真结果证明:MRAS有效地提高了矢量控制系统性能,转子磁链轨迹趋于圆形,电流谐波分量明显减少;转子磁链观测误差明显降低,其平均绝对误差相对值为2.87%;转矩脉动大大降低,其平均绝对误差相对值为2.09%.     

一种模型参考自适应控制系统设计方法

提出一种基于精确模型匹配技术的自适应控制系统设计方法,使可调系统闭环传递函数与参考模型一致,利用李亚普诺夫稳定性理论推导出可调参数的自适应规律,它不用求广义误差的各阶导数,它不需要引入增广误差信号或正实概念,结构简单,易于实现。     

同时利用两类状态设计MRACS系统的方法

为提高使用低阶参考模型的模型参考自适应控制系统的抗干扰能力,本文提出一种同时利用被控对象滤波状态和参数模型状态综合自适应律的设计方法,数字仿真表明该方法是有效的。     

基于模型参考自适法的电机参数辨识

本文从电机的基本方程出发,根据模型参考自适应法的设计规则,寻找出参考模型与调节模型。在Popov超稳定理论指引下,设计了基于此方法的永磁同步电机直接转矩控制系统的电机转速和定子电阻辨识的自适应规律,建立了基于MARS法的永磁同步电机直接转矩控制系统。通过仿真结果证明了MARS法在永磁同步电机直接转矩控制系统中应用的有效性和合理性,改善了直接转矩控制系统的低速性能。     

基于观测器的无速度传感器感应电机控制

为了辨识感应电机的转速,提出了一种模型参考自适应观测器.该观测器基于模型参考自适应系统(model reference adaptive system,MRAS),将感应电机和全阶观测器分别作为参考模型和可调模型,基于两模型输出之间的误差构造了一个自适应律,通过自适应律不断调整观测器的参数,全阶观测器的输出将实现对实际系统输出的跟踪,并用李雅普诺夫稳定性定理验证了系统的稳定性.理论分析和仿真结果表明,所提出的感应电机无速度传感器矢量控制系统的转速辨识方法具有令人满意的动静态性能.     

基于AFO 的感应电机无速度传感器控制

针对传统的基于模型参考自适应理论MRAS(Model Reference Adaptive System)的感应电机无速度传感器控制系统存在的参考模型不准确的缺点, 提出了一种以电机本身为参考模型, Luenberger 全阶状态观测器为可调模型的自适应无速度传感器AFO(Adaptive Full-Order Observer)控制策略。整个系统包含产生电机所需转子 磁链的全阶观测器和一个使用自适应率估计转速的转速估算机构。以李雅普诺夫稳定性理论为基础, 使用电机的估算定子电流误差和观测出的转子磁链推导出转速自适应率。以观测器极点配置的方法, 设计了一种快速收敛的反馈矩阵, 保证了在大范围内电机的稳定运行。针对转速估计在低速再生制动时的不稳定现象, 利用劳斯稳定判据, 设计了一种新的反馈矩阵保证转速估算的全局稳定性。通过Matlab/ Simulink 仿真验证了结论的有效性。     

一类分布参数系统模型参考鲁棒自适应控制

针对一类分布参数系统，讨论了模型参考鲁棒自适应控制问题，将Ｈ∞优化思想引入模型参考自适应控制系统的设计，形成一种ＭＲＡＣＳ的Ｈ∞鲁棒设计方法，理论分析表明，该方法具有较强的鲁棒性和好的系统动态品质。     

基于自适应滑模的超空泡航行体控制

给出了超空泡航行体的纵向运动模型,利用前馈控制将航行体模型化为线性模型.考虑航行体质量的变化和水动力系数等不确定性因素,以及超空泡形变带来的干扰问题,利用滑模控制理论设计鲁棒控制器.由于系统的不确性上界不易获得,因此采用范数自适应律估计扰动的上界.最后利用李亚普诺夫稳定性理论证明了闭环系统的稳定性.仿真研究验证了所设计的控制器具有良好的深度调节性能及较强的鲁棒性.     

一种永磁同步电机自适应观察器的仿真研究

在模型参考自适应控制理论的基础上，介绍了一种永磁同步电机自适应转速观测器，通过MATLAB语言中的Simulink／Power System Block模块建立了控制系统的仿真模型，对选用的转速观测器的动态性能、稳定性等问题进行了仿真研究。     

机器人自适应模型跟随控制系统

对工业机器人控制要求的不断提高,提出了不少现代控制方案。建立在超稳定性理论基础上的自适应模型跟随控制系统(AMFCS)就是一种很有效的方案。本文提出了一种自适应控制算法:单位向量加积分校正自适应算法。设计方法简单,能保证系统大范围渐近稳定,计算工作量小,易于实时控制。对机器人系统期望的解耦特性可以通过选择适当的参考模型来实现。计算机数字仿真实验证明了该方法的有效性。     

自适应温度控制系统

介绍一种模型参考自适应控制算法，所设计的ＭＲＡＣ算法简单，易于在工程上实现。该算法是基于Ｐｏｐｏｖ超稳定性理论进行设计的，温度控制未统由单片微处理器构成，主回路采用ＰＷＭ控制方案。实际应用结呆表明：在升温、恒温、降温阶段的控温精度和性能指标都得到很大提高。该温度控制系统适用于被控对象本数大幅度变化和环境干扰异常严重的情况。     

基于RBF逼近不确定项的机械手自适应控制研究

针对机械手控制系统中的不确定因素,提出了RBF神经网络逼近不确定项的自适应控制策略。在逆动力学计算力矩方法的基础上,设计了鲁棒自适应控制器。利用RBF神经网络对模型中的不确定项分块进行逼近,并用Lyapunov稳定性理论建立了网络权重自适应学习律,证明了系统的全局稳定性;最后进行了仿真,结果表明该方法能够有效的消除模型不确定性的影响,准确地实现了轨迹跟踪。