排序方式: 共有25条查询结果,搜索用时 31 毫秒
1.
永磁同步电机速度伺服系统的电流环存在外部干扰和系统参数摄动,影响了PI控制的性能。本文利用系统输出与内模输出误差,设计一种新型的鲁棒内环扰动观测器,来估计系统不确定量补偿量。在保证系统鲁棒稳定性条件下,设计扰动观测器的动态响应为二阶系统,达到无稳态误差。实验仿真表明,增加了扰动观测器补偿的PI电流环控制系统,能够很好地抑制电流环中的扰动,减小电流波动,提高电流的跟踪精度。 相似文献
2.
针对永磁直线电机推力波动的非线性特点,设计了PID+ELM前馈补偿的永磁直线电机位置控制系统.用于训练ELM网络的样本可通过分析推力波动的特点及其规律获得,将训练好的网络作为前馈补偿环节,用于补偿控制系统中推力波动的影响.仿真结果表明,所提出的控制方案有效且可行.与基于SVM和RLS的方法相比,虽然其跟踪精度稍差,但其训练时间较短,适用于实时性要求较高的场合. 相似文献
3.
针对桥梁结构健康监测系统中应变数据存在噪声干扰现象,提出一种邓氏灰度关联度计算方法,分析与计算传感器噪声数据之间的关联度,选择关联度大的信号作为支持向量机的输入向量,实现基于支持向量机的噪声数据重构,以恢复测量数据,并以均方根和频域功率谱来评估重构数据的效果.由桥梁监测数据的试验仿真分析表明,所提出关联度计算和基于支持向量机的数据重构方法是正确、有效的. 相似文献
4.
考虑到有源滤波器数学模型的多变量、强耦合、非线性的特点,提出了基于最小二乘支持向量机(LS-SVM)广义逆系统的三相四桥臂有源滤波器的内模控制策略.利用LS-SVM运算速度快的特点,动态逼近原系统的广义逆模型,同时引入内模控制和解耦控制,构成了广义伪线性复合系统,将控制转化为最优滤波问题.仿真结果表明,该方法稳态精度高,动态响应速度快. 相似文献
5.
永磁同步电机速度伺服系统的电流环存在外部干扰和系统参数摄动,影响了PI控制的性能.利用系统输出与内模输出误差,设计一种新型的鲁棒内环扰动观测器,来估计系统不确定量补偿量.在保证系统鲁棒稳定性条件下,设计扰动观测器的动态响应为二阶系统,达到无稳态误差.实验仿真表明,增加了扰动观测器补偿的PI电流环控制系统,能够很好地抑制电流环中的扰动,减小电流波动,提高电流的跟踪精度. 相似文献
6.
跳线一般由耐张线夹和软导线组成,为此对耐张线夹和软导线在不同坐标系中分别进行受力分析,建立各自的空间悬挂曲线方程,然后将软导线的悬挂曲线方程通过坐标变换,构建一个统一坐标系下的跳线悬挂曲线模型,并利用Matlab编程求解跳线的下料长度和最大弧垂.以某1 MV变电站为例,利用实际的材料参数与结构参数,进行Matlab计算得到跳线的下料长度.并将安装后的跳线实际弧垂与设计弧垂进行对比,弧垂误差小于0.5%,满足2%~-2.5%的工程施工要求. 相似文献
7.
通过对轧机压下液压控制系统的介绍,分析和计算压下系统响应频率,设计相应的Butterworth滤波器对轧制力进行高频去噪声处理,并利用最小二乘支持向量机进行轧机轧制力的非线性建模.在Matlab仿真环境中,利用轧制力的实测数据进行仿真与分析.仿真结果表明,基于最小二乘支持向量机的轧制力模型预测精度可以控制在5%范围内. 相似文献
8.
微机电系统(Micro-Electro-Mechanic System, MEMS)陀螺仪由于微机械加工误差、微米量级的尺度效应和驱动原理上的非线性等因素,驱动梳齿不可避免地受到死区效应影响。针对上述问题,提出基于自适应权值神经网络和比例微分滑模的复合控制方法,分别采用两个RBF神经网络逼近死区的逆和经过驱动梳齿后的实际控制力,以弱耦合的权值自适应律降低控制复杂度,利用滑模控制器的鲁棒性消除两者总的逼近误差,实现微机电陀螺三轴的严格轨迹跟踪。最后采用Lyapunov直接法证明了全局滑模面的可达性和弱耦合自适应律的收敛性。仿真结果表明了该复合控制器的有效性。 相似文献
9.
提出了一种基于弦截法的内模控制(secant method—basedinternal modelcontrol,SIMC)策略实现对永磁直线同步电机(permanent magnet linear synchronousmotor,PMLSM)的高精度位置控制。以核岭回归方法建立被控对象模型作为内模,进而以弦截法求解内模的根作为逆模,构成SIMC系统。实验仿真结果表明:与传统的内模控制(internalmodelcontrol,IMC)系统相比较,由于弦截法求解内模的根作为逆模可实现逆模与内模的完全匹配,使SIMC系统对内模控制PMLSM控制具有更高的正弦信号跟踪精度,更好的鲁棒性与抗干扰性;对于阶跃输入信号,SIMC系统没有稳态误差。SIMC系统一般只要1~2次迭代就能获得稳定的控制量,可满足控制系统快速性要求。 相似文献
10.
针对高维小样本大噪声的基因芯片数据,提出一种基于主元分析与k-近邻距离的特征基因选择与去噪方法.首先利用主元分析法获取低维投影空间中的模式特征,依据各个基因贡献率大小排序,选择贡献率大的基因为特征基因,进而利用k-近邻距离来消除野值噪声以获得稳定高效的分类精度.实验结果表明:提出的特征基因选择与去噪方法,使得特征基因分类精度更高、性能更稳定. 相似文献