改进遗传优化的无刷直流电机模糊PI控制

为解决无刷直流电机控制方案的优化问题,采用改进遗传优化的模糊PI控制方法,设计无刷直流电机速度控制器,分析了传统模糊控制存在的缺点,对隶属度函数和模糊控制规则同时进行优化,改进了遗传算法设计过程中影响控制性能的不合理因素,通过系统仿真分析和基于DSP的实验平台,验证了提出的改进遗传优化模糊PI控制方法的有效性.研究结果表明:改进遗传优化模糊PI控制器具有响应速度快,无超调等特性,鲁棒性和抗干扰能力强,电机动、静态性能得到明显改善.新型控制方法有效提高了无刷直流电机控制性能,并为无刷直流电机高性能控制的理论研究和实际应用提供了新的思路.     

基于Matlab的无刷直流电机自适应控制系统的研究

在分析无刷直流电机(BLDCM)的数学模型的基础上,建立了控制系统的Simulink仿真模型,提出了无刷直流电机调速系统单神经元自适应控制方法.该方法在调速系统中,电流环采用滞环电流控制,转速环采用单神经元自适应控制器控制,实现了双闭环自适应控制的调速系统.仿真结果表明:这种新型的控制方法响应快、无超调、鲁棒性强,较传统PID控制具有更好的动、静态特性.     

基于模糊PID模型的无刷直流电机转速控制

摘要：无刷直流电机（BLDCM）是一种多变量、强耦合、非线性、时变的复杂控制系统,采用传统的PID控制很难实现无静差控制。本文针对无刷直流电机（BLDCM）提出了一种基于PID模型的转速控制方案,利用无刷直流电机的电压与转矩转速方程,通过调节PID参数来实现转速控制,采用模糊原理对PID参数进行模糊化,根据电机参数的变化,对PID参数进行在线调整,取得了高精度的转速控制。仿真和实验结果表明,采用本文提出的模糊PID控制方法控制无刷直流电机,能够实现响应速度快、无超调、控制精度高,且系统对干扰和参数变化具有较强的鲁棒性,动、静态性能均优于传统的PID控制和单纯的模糊控制。     

无刷直流电机模糊PI智能控制

在分析无刷直流电机数学模型的基础上，建立了控制系统的仿真模型，提出了一种新型的模糊PI智能控制方法，在无刷直流电机双闭环调速系统中，电流控制采用滞环电流调节器，而转速控制通过采用常规PI控制和模糊控制相结合的方法实现，基于System Generator的仿真结果表明：这种新型的模糊PI智能控制方法响应快、无超调、鲁棒性强、抗干扰能力好，较传统PI控制具有更好的动、静态特性。     

基于神经网络自抗扰控制的无刷直流电机控制器研究

自抗扰控制（ADRC）是在继承经典PID不依赖于对象模型优点的基础上,通过改进经典PID固有缺陷而形成的新型控制技术,性能优良。但对于对象变化范围大的系统,仍难获得理想的控制效果。为此,将神经网络与自抗扰控制器相结合,在分析永磁无刷直流电机特点及使用现状的基础上,建立了基于神经网络自抗扰控制器的无刷直流电机控制系统。仿真结果表明,该控制器对无刷直流电机模型的不确定性和外部扰动变化具有较强的适应性和鲁棒性。系统具有良好的动态响应性能。     

无刷直流电机模糊控制系统的建模与仿真

从无刷直流电机的基本原理出发,提出了无刷直流电机控制系统仿真建模的新方法.该方法在Mat-lab/Simulink中按功能进行模块化建模,用M文件来编写功能函数,实现了电流滞环和转速模糊控制的双闭环调速系统的仿真.利用该模型分析了电机的动静态性能,得到了电机运行时的反电动势、相电流、转矩和速度曲线,与一般比例积分与微分控制相比,系统响应时间缩短一半,且无超调,具有较强的鲁棒性和自适应能力.该模型准确易行,便于替换和修改,为今后分析该类电机和对其控制策略的研究提供了新的方法.     

模糊PID控制器在无刷直流电机控制系统中的应用

无刷直流电机是一种多变量、非线性的控制系统,采用经典的PID控制难以达到满意的控制效果。将模糊自适应PID控制器应用于无刷直流电机的控制中,运用模糊控制原理对PID参数进行在线调整。实验结果表明,较之传统的PID控制,采用模糊自适应PID控制的无刷直流电机控制系统具有更好的动态和静态性能,达到了较好的控制效果。     

基于定量反馈理论的两轴稳定平台混合控制器设计

针对两轴稳定平台中控制对象的不确定性及其扰动问题,在建立其不确定数学模型的基础上,综合考虑了对象的不确定性范围和系统的性能指标要求,采用定量反馈理论研究了两轴稳定平台跟踪伺服控制,设计了鲁棒性强的跟踪控制器.采用Matlab进行仿真结果显示:定量反馈理论(QFT)和比例积分微分(PID)相结合的直流电机驱动控制器具有响应速度快、无超调、抗干扰能力强以及稳态误差小等优点;其动、静态性能均优于单一控制器,较好地抑制输出干扰带来的影响,使两轴稳定平台系统得到良好动态响应,便于工程实现.     

基于改进粒子群算法的无刷电机模糊控制研究

为了解决在无刷直流电机控制系统中,PID调节器出现系统超调和稳定性差等问题,本文采用一种基于改进粒子群算法优化模糊控制器的速度控制算法,该算法融合粒子群算法和量子算法的优点。实验仿真结果表明:优化后的模糊控制器动态性能和静态性能都优于传统PID控制,具有很好的鲁棒性和控制精度。     

基于MATLAB／SIMULINK的单相无刷直流电机的建模与仿真

提出一种在MATLAB／SIMULINK环境下建立单相无刷直流电机模型的方法，并用此模型对单相无刷直流电机的动稳态性能进行了仿真，结果表明此模型对实际单相无刷直流电机运行性能模拟效果很好，是研究单相无刷直流电机控制方法的一种有效的辅助手段。     

自抗扰参数模糊自整定无刷直流电机控制研究

在电机控制当中,自抗扰控制器(ADRC)是提高系统鲁棒性的有效手段之一,但是其需整定的参数过多,不便于实际操作,本文结合模糊控制技术,对自抗扰控制器的参数进行自整定,不仅保持了ADRC原有的优良性能,而且提高了其自适应能力.同时结合无刷直流电机本身的特性,推导出了BLDCM作为被控对象的二阶状态方程,仅用一个参数模糊自整定的自抗扰控制器就实现了无刷直流电机的运行控制,保证了BLDCM控制系统结构的简单性.仿真表明,此控制系统对BLDCM的内部参数的摄动和外界扰动具有很强的自适应性和鲁棒性,并且结合实验验证了其可行性和有效性.     

无刷直流电机免疫反馈自适应学习人工神经网络控制

针对BP神经网络收敛速度较慢、学习时间较长的缺陷，提出了基于免疫反馈规则的神经网络控制器用于无刷直流电机的转速控制中．该规则根据免疫系统中的T细胞的生物免疫反馈机理而总结出来，包括决定应答速度的激活环节和决定稳定效果的抑制环节．将免疫反馈规则应用于BP神经网络训练中学习速率的自适应调节，加快了神经网络的收敛速度，缩短了学习时间．无刷直流电机控制系统采用双闭环控制，内环为电流环，外环为速度环．MATLAB仿真和实验表明，采用该方法的系统超调量小、速度响应快，而且速度响应受电机参数变化影响小，各种外界干扰也得到了很好的抑制，具有较高的控制精度和较好的动、静态性能．     

无刷直流电机的变论域模糊自适应PID控制系统设计

为了改善无刷直流电机的调速性能,针对普通模糊PID速度控制器的缺陷,研究了基于变论域思想的自适应模糊PID控制器及其在BLDCM控制系统中的应用.在Matlab仿真平台下,建立了BLDCM的模型,构建了BLDCM的电流、转速双闭环控制系统,其中转速环采用了变论域自适应模糊PID控制器,电流环采用普通PID控制器.仿真结果表明,与常规PID控制器和普通模糊PID相比,采用变论域自适应模糊PID控制器的优势在于:转速输出无超调、响应速度快、控制精度高,具有较强的鲁棒性和自适应能力.     

基于PSO算法的无刷直流电机自适应PID控制研究

无刷直流电机(BLDCM)是一种多变量、非线性系统,传统PID控制器的参数具有难以整定的缺点,导致其难以满足BLDCM系统的控制要求。针对这一现状,提出了一种基于微粒群优化算法(PSO)的BLDCM自适应PID速度控制算法,该算法利用PSO具有的灵活、均衡的全局和局部寻优能力,对PID控制器的参数进行在线整定,提高了PID控制器的自适应能力。仿真实验表明,系统超调量小、转速响应快、转速波动小,比传统PID速度控制具有更好的动态特性和鲁棒性。     

基于模糊PID的无刷直流电机电流跟踪控制

为了改善传统的转速PID不能根据无刷直流电机参数变化自适应调整的缺点,同时使其具有良好的动态电流响应,本文将模糊转速PID控制和固定频率的电流跟踪控制相结合用于无刷直流电机的控制系统中.首先介绍了模糊PID的概念及算法模型,然后分析了固定频率的电流跟踪控制技术,最后利用在MATLAB/simu link基础上建立的控制系统仿真模型对本文提出的算法进行了验证并与采用传统PID的系统进行了比较,仿真结果证明了采用模糊PID和固定频率的电流跟踪控制相结合的系统的高效性和合理性.     

基于神经元网络的电机换相控制

无刷直流电机(BLDCM)一般是通过位置传感器产生正确的换相信息实现控制,而在无位置无刷直流电机中,一般通过检测反电动势过零点间接获得换相时刻,但是由于电机的非线性动态特性、温度、转速等因素的影响,难以得到准确的信息.本文利用神经网络的非线性任意逼近特性,提出一种基于神经元网络的电机相位补偿控制.首先由硬件电路获得有效的反电动势信息,再利用BP神经网络的方法进行正确的补偿相位,实现无位置无刷直流电机的控制.     

永磁无刷直流电机系统仿真研究

在分析永磁无刷直流电机数学模型的基础上，采用MATLAB／Simulink软件建立了永磁无刷直流电机控制系统仿真模型，并通过实例电机的仿真，给出了仿真波形，证明模型的可行性，极大地方便了实际系统的设计和调试工作。