神经元控制器在感应电机矢量控制中的应用

神经网络具有自学习、自适应能力，用于控制时可以不依赖控制对象的数学模型．为实现对交流电机快速和精确控制，基于单神经元设计出用于感应电机矢量控制的自适应碰饺和转速控制器，利用神经元的自学习功能在线调节连接权重，实现自适应控制．并将此设计应用于交流电机矢量控制系统中，数字仿真实验表明此方法设计的控制器可克服传统PID控制器在电机参数改变时控制性能差等不足，动态特性好，鲁捧性强．该设计结构简单，实际应用时易于实现数字化．     

基于单神经元控制器的交流矢量控制系统

根据感应电机矢量控制原理，将单神经元控制器应用于磁场定向的矢量控制系统中，并给出了单神经元控制器模型，并将神经元控制器代替矢量控制系统中的转速调节器，进行了易于算法实现和实际控制系统实现的智能交流矢量控制系统设计和仿真研究，MAT－LAB仿真结果表明，该系统具有良好的动态性能。     

交流传动神经网络自适应规划控制系统的设计与仿真

将Hopfield神经网络应用于交流传动系统的自适应控制,通过神经网络来规划交流调速系统的速度控制器动态输出,使速度控制器对某些参数变化具有良好的鲁棒性.对于不可控的负载转矩,加入参数自动跟踪神经网络,构成具有参数在线跟踪功能的双神经网络自适应规划控制模式,进一步提高系统的性能.仿真结果表明,该系统具有良好的动态性能.     

基于单神经元控制器的交流矢量控制系统

根据感应电机矢量控制原理 ,将单神经元控制器应用于磁场定向的矢量控制系统中 ,并给出了单神经元控制器模型 并将单神经元控制器代替矢量控制系统中的转速调节器 ,进行了易于算法实现和实际控制系统实现的智能交流矢量控制系统设计和仿真研究 ,MAT LAB仿真结果表明 ,该系统具有良好的动态性能     

多变量生物发酵过程的解耦控制

把非线性系统的逆系统方法与神经网络非线性辨识技术相结合，提出了一种基于神经网络逆系统的发酵过程多变量解耦控制策略．当过程模型缺乏足够的先验知识时，所提出的解耦控制策略对多变量非线性连续发酵过程取得了良好的控制性能．仿真结果表明，提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性，具有较强的鲁棒性．克服了基于微分几何理论的逆系统解耦控制方案依赖于过程模型和对模型参数变化很敏感的缺点．     

多变量生物发酵过程的解耦控制

把非线性系统的逆系统方法与神经网络非线性辨识技术相结合 ,提出了一种基于神经网络逆系统的发酵过程多变量解耦控制策略 .当过程模型缺乏足够的先验知识时 ,所提出的解耦控制策略对多变量非线性连续发酵过程取得了良好的控制性能 .仿真结果表明 ,提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性 ,具有较强的鲁棒性 .克服了基于微分几何理论的逆系统解耦控制方案依赖于过程模型和对模型参数变化很敏感的缺点 .     

无轴承异步电机最小二乘支持向量机逆解耦控制

为了实现无轴承异步电机径向悬浮力、转速和磁链的非线性动态解耦控制,提出了基于最小二乘支持向量机逆的解耦控制策略,在分析无轴承异步电机原系统可逆的基础上,首先采用最小二乘支持向量机逼近原系统逆模型,然后将逆模型串接于原系统之前构成伪线性复合系统,将无轴承异步电机线性化解耦成径向二自由度位移子系统、转速子系统以及磁链子系统,最后为了进一步提高整个控制系统性能,为伪线性复合系统设计了闭环控制器,并采用Matlab对控制方法解耦性能进行了仿真.仿真结果表明:该方法能够成功实现无轴承异步电机系统的非线性解耦控制,并且系统具有优良的鲁棒性和动、静态性能,克服了传统解析逆解耦控制方法过分依赖于系统模型的缺点.     

混合式直线步进电机微机控制系统

介绍一种混合式直线步进电机微机控制系统。根据混合式直线步进电机的特点和控制要求，采用ＭＣＳ－５１单片机进行开环控制和最佳控制，并通过硬件和软件设计，实现对混合式直线步进电机的精确定位，且给出了动态力速特性。     

基于DSVM异步电动机直接转矩控制系统

针对传统的直接转矩控制系统采用纯积分的电压模型作为磁链观测器,存在着误差积累以及直流偏移,导致电流和转矩的波动问题,提出了一种改进的磁链观测器,该观测器由两个模型组成,开环电流模型用于低速范围内观测磁链,自适应电压模型用于全速范围内观测磁链．对电压模型观测的定子磁链引入一个反馈量,用PI调节器进行误差校正,大大提高了观测的精度．并采用离散空间矢量调制(DSVM)的方法,提高异步电机的直接转矩控制动态性能．在保留传统直接转矩控制(DTC)动态性能的情况下,提高了电机的低速转矩,并减小了转矩脉动和电磁噪声,仿真和试验结果验证了该策略的可行性．