基于神经网络与模糊逻辑的直接转矩控制系统

实现直接转矩控制 (DTC)的关键部件是定子磁链观测器和逆变器状态开关选择器 ,用训练好的神经网络取代U I N模型 ,模拟传统异步电动机DTC系统定子磁链观测器 ;把模糊控制算法引入状态开关选择器 ,用较少的模糊规则实现磁链误差、转矩误差和磁链角对逆变器开关的分级控制 .仿真结果表明 ,基于神经网络与模糊逻辑控制方法建立的直接转矩控制系统 ,具有较强的鲁棒性和良好的动态性能     

遗传算法在逆相馈电感应电机中的应用

直接转矩控制（ＤＴＣ）是工业应用感应电机的最简单的控制。它的关键部件是状态选择器。本文将讨论用神经网络来模拟通常的ＤＴＣ的状态选择器，并且用遗传算法训练该神经网络。然后用训练好的神经网络代替状态选择器，在同一台机器上进行了仿真比较，得到满意结果。另外，还粗略地试验了遗传算法中一些参数对算法性能的影响。     

电动汽车用永磁同步电机模糊直接转矩控制

为了提升电动汽车电机驱动系统的动态性能和稳态效率,本文提出了一种基于电动汽车行驶模式切换的永磁同步电机(PMSM)模糊直接转矩控制策略。在分析电动汽车行驶模式的基础上,对传统PMSM直接转矩控制(DTC)系统进行了改进,采用模糊控制器取代传统DTC系统中的滞环比较器和电压矢量选择器。针对不同的行驶模式,分别设计了相应的模糊控制规则和控制器。在Matlab/Simulink中搭建了PMSM模糊DTC系统模型。仿真结果表明:所设计的PMSM模糊DTC策略与传统DTC相比,PMSM驱动系统不仅转矩动态响应速度快,转矩脉动小,而且其高速运行时的稳态效率提高了10.26%。     

永磁无刷直流电机智能直接转矩控制方法研究

为简化永磁无刷直流电机控制系统的结构,同时又具有较快的转矩响应速度,提出一种基于神经网络模糊推理的无刷直流电机直接转矩控制方案,利用神经网络定子磁链观测器取代传统的定子磁链观测器,通过模糊控制算法设计逆变器开关状态选择器.应用MATLAB软件对系统两种不同控制方法的仿真实验结果比较表明,控制方法转矩、转速、磁链响应快、脉动小,稳定跟踪性能和动态响应优良,具有一定的理论研究及工程应用价值.     

基于增强学习规则的倒立摆模糊神经网络控制器

为实现模型未知、初始时有脉冲输入的车上单级倒立摆镇定控制,提出了一种采用增强学习规则训练的模糊神经网络控制器。以神经网络构造基于T-S(Tankagi-Sugeno)规则的模糊控制器;用3层前馈网络组成预测器进入仿真,得到倒立摆状态并计算状态预测值,再将状态和状态预测值组成训练数据对,训练状态预测BP(Backward Propagation)网络;利用增强学习的方法训练模糊控制器,根据神经网络产生的模糊控制量和倒立摆状态预测,做出控制决策。此方法简化了模糊控制部分参数调整,亦可应用于其他无模型控制。实验证明,控制器鲁棒性良好,即使在倒立摆参数变化较大时,控制器仍能维持倒立摆平衡。     

基于一类GA—RBF神经网络的转炉炼钢静态模型控制

讨论了具有非线性、大时滞、不确定特性的工况复杂的转炉炼钢过程建模与控制问题．针对传统的控制方法控制效果差、精度不高，难以达到期望结果的问题，结合RBF神经网络的特点，提出用基于混合编码方式的混合遗传算法训练的RBF神经网络，同时优化网络的结构和参数，并利用RBF神经网络建立转炉炼钢静态模型．仿真结果表明，该模型具有在线调整和学习的功能，比传统模型具有更好的计算精度和适应能力，为提高转炉冶炼过程的控制精度给出了一个有效的方法．     

神经网络解耦控制系统的分析

本文基于神经网络的理论研究提出了一种新的神经网络解耦控制方法，该方法以被控对象的一组实测数据作为样本，训练出用神经网络描述的逆动力学模型，并将它作为解耦控制器投入到控制系统中．对某二元精馏塔控制的仿真结果表明该方法是切实可行的．     

质量控制图中趋势模式的综合识别方法

提出了一种综合模糊技术与神经网络技术对基于控制图的趋势模式进行自动分类识别的智能方法,将控制图作为信息图用于趋势模式的提取,用模糊化的控制图模式数据构造训练集,将训练后的ＢＰ神经网络用来对真挚模式进行自动分类识别,该方法为工序状态异常模式识别提供了一种新的方法,提高了工序异常状态分类识别的效率和可靠性,最后用实例进行了仿真实验。     

质量控制图中趋势模式的综合识别方法

提出了一种综合模糊技术与神经网络技术对基于控制图的趋势模式进行自动分类识别的智能方法 .将控制图作为信息图用于趋势模式的提取 ,用模糊化的控制图模式数据构造训练集 ,将训练后的BP神经网络用来对趋势模式进行自动分类识别 .该方法为工序状态异常模式识别提供了一种新的方法 ,提高了工序异常状态分类识别的效率和可靠性 .最后用实例进行了仿真实验     

高速公路入口匝道无模型控制研究

高速公路交通系统是具有非线性、随机性、时变性等特性的复杂系统,用传统的数学模型很难准确地描述,因此依赖数学模型的交通流控制存在很大的局限性.建立了一个包含神经网络的无模型高速公路交通流匝道控制系统,这里以入口匝道的放行率(即控制变量)作为神经网络输出,并给出了神经网络的结构和详细的训练算法,其中训练算法采用了SPSA方法.仿真结果表明,该方法能有效地对高速公路入口匝道实施控制,且比一般的神经网络模型具有更强的在线控制能力.     

一种改进的提升机同步电机直接转矩控制

为克服提升机同步电机传统直接转矩控制存在的转矩、转速、磁链脉动大等缺陷,提出一种改进的同步电机直接转矩控制方法。设计基于神经网络的定子磁链观测器和基于模糊控制的逆变器状态开关选择器,利用人工鱼群-粒子群混合算法优化神经网络结构参数,应用转矩、磁链误差以及磁链位置角的模糊分级实现逆变器开关分级控制。仿真及试验结果表明,所设计的控制策略与传统直接转矩控制相比,转矩、转速、磁链动态响应速度快、响应脉动小,能更好地满足提升机的运行要求。     

基于模糊神经网络空间矢量调制的直接转矩控制

为了改善基于空间矢量调制的直接转矩系统的动态性能及低速性,分析了传统SVM-DTC中采用两个PI控制器来产生参考电压矢量,存在PI控制器参数难以确定的问题,提出了一种基于模糊-神经网络空间矢量调制(SVM)的异步电机直接转矩控制(DTC)策略.阐述了产生磁链参考电压矢量的模糊控制器和产生转矩参考电压矢量的神经网络控制器...     

变异蚁群神经网络及其对DTC转速的辨识

将变异机制引入基本蚁群算法中,然后利用这种变异蚁群算法去优化神经网络的权值,有效地解决了神经网络容易陷入极小点的缺点,同时又远比只采用单一的基本蚁群算法提高了收敛速度,从而得到一种时间效率和求解效率都比较好的启发式方法,即变异蚁群神经网络．通过对直接转矩控制中电机转速进行辨识的仿真实验,结果表明：这种变异蚁群神经网络兼具了神经网络和蚁群算法两方面的优点,不仅具有广泛的映射能力,还明显提高了运算效率,用变异蚁群神经网络构造的转速辨识器能够准确地跟踪电机转速的变化,使系统具有良好的动态性能．     

永磁同步电机直接转矩控制系统的改进及仿真

针对传统的永磁同步电机直接转矩控制中磁链、转矩脉动大,开关频率不恒定等问题,在永磁同步电机数学模型基础上,进行深入分析,提出了一种基于空间电压矢量调制、实现简单的控制方式。该方式结合直接转矩控制和矢量控制的优点,只包含一个易于调节的速度PI调节器,系统简单且参数容易调节。仿真结果证明,引入空间矢量调制概念后,在保持直接转矩控制优异动态响应特性不变的前提下,可有效提高永磁同步电机直接转矩控制系统的稳态运行性能,保证功率器件开关频率恒定。     

直接转矩控制的异步电动机转矩脉动最小化

针对异步电动机直接转矩控制低速转矩脉动大的问题,充分利用模糊控制吸收人的经验思维,以及神经网络对信息的处理具有自组织、自学习的特点,提出一种新的模糊神经网络控制方法.该方法实现了逆变器开关周期的占空比控制,使感应电动机的转矩脉动达到最小.其中,模糊神经网络的训练采用最小二乘法,解决了常规的BP算法容易陷入局部极小的问题.将传统的直接转矩控制方案和模糊神经网络占空比控制方案进行了比较研究,仿真结果校验了模糊神经网络占空比控制方案的有效性.     

一种新型的PMSM直接转矩控制

针对传统永磁同步电动机直接转矩控制系统中存在定子磁链和电磁转矩脉动的缺点,提出了一种改进方法,即用变参数PI速度控制器和模糊控制器分别替代传统直接转矩控制系统中的PI速度调节器和滞环比较器,在此基础上重新建立了永磁同步电机直接转矩控制新的控制框图.利用MATLAB仿真软件对传统永磁同步电机直接转矩控制和改进后的直接转矩控制系统进行了仿真对比研究,实验结果表明,新系统有良好的动、静态性能,减少了转矩和磁链的脉动,能满足控制系统快速响应的要求.     

基于线性神经网络的物理层安全波束赋形方案

对物理层安全传输中的安全波束赋形技术进行研究,提出一种新的波束赋形方案。在多输入单输出系统中,将信道估计、信道状态信息反馈、波束赋形设计3个过程合并为一个利用线性神经网络的反向训练过程。利用信道的互易性,由单天线合法接收端发送训练序列,通过神经网络训练得到多天线的发送方保密信号和人工噪声波束赋形的权值。对误比特率和保密容量进行仿真,表明该权值训练方法可行且有效,方案的安全性能非常接近理想信道状态信息条件下的常规安全方案的性能。相比较常规方案,所提方案复杂度显著降低。