基于神经网络逆系统的感应电机变频系统解耦控制

感应电机反馈线性化方法的优点之一 ,是在电机参数准确已知的前提下 ,可将感应电机数学模型解耦为相互独立的转速子系统和磁通子系统 但是电机参数是时变的 ,不易精确获得 ,为进一步完善反馈线性化方法 ,提高调速性能 ,本文应用神经网络逆系统控制理论 ,使用神经网络直接替代现有解耦控制方法中的对应逆系统模型 ,理论分析与实验的结果表明 :该方法成功地实现了转速与磁链的解耦 ,同时对感应电机变频调速系统负载的变化具有较强的抗扰性和鲁棒性     

基于神经网络逆系统的智能汽车纵横向解耦控制

针对汽车纵横向运动中的耦合现象,以四轮驱动、前轮转向的智能汽车为研究对象,建立汽车纵横向动力学模型并通过Interactor算法对模型的可逆性进行分析.在已有的传统伪线性系统结构的基础上,根据智能汽车的特点,建立了可对接智能汽车上层规划模块的伪线性系统.为了实现汽车纵横向运动之间的解耦,采用基于神经网络逆系统的解耦控制策略,构造神经网络并对其进行训练,并将神经网络逆系统与内模控制器组成闭环控制回路,对纵向速度和横摆角速度进行内模反馈调节,进一步提升控制系统的性能.仿真结果表明,所设计的基于神经网络逆系统的控制方法能实现良好的解耦特性,且相比于其他的控制方法,在各种输入条件下,都能实现对于期望速度和期望横摆角速度良好的跟踪性能,同时,质心侧偏角始终被控制在一个较小的范围内,这有利于智能汽车路径跟踪的精确性和行驶稳定性.     

集气管压力系统的神经网络逆解耦复合控制

针对集气管压力系统具有强干扰、强耦合、非线性、多参数等特性,依据逆系统解耦原理,分析了集气管压力系统数学模型的可逆性;采用对非线性具有较强逼近能力的BP 神经网络,逼近集气管压力系统的逆系统;神经网络逆系统与原系统构成伪线性解耦复合系统,实现集气管压力系统的神经网络逆解耦复合控制。仿真结果表明该方法实现了系统解耦,具有一定的应用性。     

多变量非线性系统的逆系统解耦控制

本文对多变量非线性控制系统的一种新方法——逆系统解耦控制进行研究,给出状态反馈解耦条件,同时提出逆系统解耦镇定条件,最后以两自由度机械手进行仿真。     

非线性系统的神经网络逆模型控制

利用神经网络逼近任意非线性的能力 ,将其与非线性逆系统相结合 ,对非线性系统的逆模型进行建模 ,对实现的伪线性系统设计自适应控制进行综合 ,动态神经网络在线消除系统的近似逆误差和正向模型的辨识误差 ,设计权值调整规律为 w∧·=-λ·eTPbΦ(r ,r· ,v)‖e‖ p >E0‖e‖ p >E,仿真结果表明其有效 .     

基于逆系统解耦永磁同步电动机直接转矩控制

基于PMSM定子静止坐标系中的非线性数学模型,以电磁转矩和定子磁链幅值为目标控制变量,针对DTC-PMSM提出一种逆系统解耦控制策略,并讨论不同类型同步电动机可逆条件.该控制策略借助逆系统理论,将复杂的静止坐标系中DTC-PMSM非线性系统解耦成独立的一阶线性转矩子系统和一阶线性定子磁链子系统;采用PI控制器实现转矩和定子磁链双闭环控制,以达到转矩和磁链的动态解耦.实验结果表明,新型PMSM-DTC系统具有良好的动静态性能.     

化学机械抛光多区压力系统解耦逆控制研究

针对化学机械抛光(CMP)中多区压力腔室之间的耦合、时变和非线性现象,提出一种基于模型的离线辨识十神经元在线解耦十逆控制的策略.该策略通过神经元在线实时动态解耦各区压力,离线辨识对象模型并将模型带人逆控制器中,使得系统具有快速响应能力且鲁棒性好.实验结果表明该方案具有响应速度快、超调量少、稳定性好等特点.     

两电机同步系统的神经网络逆控制

以多变量、非线性、强耦合的两电机同步控制系统为研究对象,在同步旋转坐标下,建立了两电机同步系统的数学模型,并进行了可逆性分析．采用静态神经网络加积分器构造两电机同步控制系统的逆系统,将此逆系统与原系统相串联构成复合伪线性系统．即两电机同步系统被线性化且已解耦成速度和张力两个相对独立的系统,速度环为y=s^-1φ（s）型伪线性子系统,张力环为y=s^-2φ（s）型伪线性子系统,再分别设计线性闭环调节器对速度环和张力环进行控制．实验结果证明了采用神经网络逆系统控制方法可以实现两电机同步调速系统的解耦控制．     

基于逆系统的六自由度机械臂解耦内模控制

六自由度机械臂的强耦合非线性特性加大了机器人控制的难度,为解决这一问题,研究了一种解耦控制方法.基于拉格朗日力学建立六自由度机械臂的动力学模型,并利用逆系统方法推导其逆系统模型,将逆系统模型串联在原系统的前面构成伪线性系统.仿真实验表明,该系统被解耦为6个二阶积分子系统,但建模误差与外部干扰会影响模型的准确性,从而影响...     

五自由度磁轴承系统的α阶逆系统解耦控制

采用α阶逆系统理论对五自由度磁轴承系统进行解耦控制.在建立磁轴承系统状态方程的基础上,对该系统进行了基于逆系统理论的线性解耦,并根据时间乘以误差绝对值积分(integral of time-weighted absolute error,ITAE)最小评价准则设计了闭环控制器.仿真和试验表明,α阶逆系统解耦后系统各自由度之间不存在耦合,解耦控制器与PID控制器相比,具有更好的动态特性和静态特性.     

磁悬浮开关磁阻电动机径向力的动态解耦控制

基于基本电磁场理论 ,给出了磁悬浮开关磁阻电动机径向力与位置的模型 .针对模型具有非线性和强耦合的特点 ,对该模型进行可逆性分析 ,从而证明该系统可逆 .应用神经网络逆系统方法 ,设计其非线性控制器 ,将原来非线性强耦合的多变量系统解耦 ,转变成 2个位置彼此无耦合的线性子系统 ,应用线性系统理论容易对这 2个子系统进行控制 .仿真表明 ,系统具有良好的静动态性能 .     

基于神经网络广义逆的感应电机变频系统内模控制

为提高感应电机变频调速系统的鲁棒性和抗干扰能力,提出了基于神经网络广义逆系统的内模控制方法.在分析原系统可逆性的基础上,先用动态神经网络逼近原系统的广义逆模型,从而串接在原系统之前组成广义伪线性复合系统,实现系统的线性化与开环稳定,有利于系统的综合.再对广义伪线性系统引入内模控制,保证系统的鲁棒稳定性.采用该系统进行了阶跃响应和跟踪效果试验.结果表明,该方法能够成功地实现系统的线性化,并且当系统存在建模误差和负载扰动的情况时,仍能使系统保持高性能的控制.     

基于神经网络控制的三电机同步系统

设计了基于神经网络的三电机同步控制系统.首先,给出了三电机变频调速系统的数学模型.其次,基于该模型设计的新系统包括:3个BP神经网络在线自整定参数的智能PID控制器,分别对系统中的速度和2个张力变量进行自适应控制;1个神经元解耦补偿器,通过训练网络权值,补偿各回路之间的耦合影响.最后,基于西门子S7-300 PLC构建平台,进行了解耦特性、跟踪性能和抗负载扰动能力的试验.结果表明,与传统PID参数控制系统相比,该系统能够根据不同的运行工况自动获得较优的PID参数,且对系统速度和张力实现了较好的解耦控制,具备了较好的动静态性能及较强的抗干扰能力.     

基于ARM7的叉车自动变速电子控制单元设计

文章采用工程易于实现的模糊控制方法,进行了基于ARM7的叉车自动变速电子控制单元设计。软件设计中移植了嵌入式操作系统μC/OS-II,采用多任务程序的设计方法,利用自主开发的电子控制单元对某国产5～10t叉车装车并进行实车试验。试验结果表明,叉车自动变速电子控制单元可自动识别载荷和运行工况,采用相应的控制策略有效地改善了换挡平顺性和车辆安全性。     

基于以太网的PID神经网络控制系统

介绍基于以太网的PID神经网络控制系统的构建及实时控制过程．该系统具有易于实现、成本低、兼容性好等特点,有利于对分布式设备进行实时控制．控制结果表明．该系统对于大滞后、非线性对象取得较好的控制效果．     

基于DSP的人工神经网络环境控制系统

文章提出了将人工神经网络结合遗传算法应用于环境控制的新方法。该方法利用遗传算法在线计算控制量,利用人工神经网络模拟被控对象的动态特性,从而代替被控环境进行分析。同时,针对DSP的高速运算机能,解决了在工程应用中难以用一般的CPU完成实时控制的要求。该系统充分发挥了人工神经网络和遗传算法各自的特点,是具有良好发展前途的新型的环境控制系统。     

关于叉车进气系统降噪的研究

文章通过对进气口和驾驶员耳边的噪声进行测试,分析并确定进气罩的几个因素对进气噪声的影响。针对这些因素的影响设计了正交实验,以此找出进气罩位置、尺寸等因素的最佳组合来改善进气噪声,对最佳组合方案时的进气口噪声进行了测试及频谱分析;根据噪声所在的主要频率设计了进气消声器,制造安装后收到较好效果。     

模糊神经网络自适应控制在循环流化床锅炉燃烧控制系统中的应用研究

循环流化床锅炉是一种比较复杂的被控对象,采用常规的控制方法难以收到好的控制效果。在本文中,根据模糊控制理论和神经网络技术,一种模糊神经网络控制器被提出,通过对神经解耦网络的合理设计,使得该控制器不但可以适应被控对象的变参数运行工况,而且可以实现循环流化床锅炉燃烧过程主汽压力与床层温度的解耦。仿真试验和现场应用结果证明,本文提出的模糊神经网络控制器对循环流化床锅炉燃烧过程具有良好的控制效果。     

基于人工神经网络的火控系统故障诊断

阐述了人工神经网络的基本原理,研究分析了BP神经网络的缺陷并提出了优化策略。在此基础上,将BP神经网络应用于火控系统故障诊断之中,提出了基于此网络的火控系统故障诊断模型、实现方法和优点。     

一种基于模糊神经网络控制系统的构建方法

给出了在构造基于模糊神经网络的控制系统的过程中利用遗传算法优化输人向量维数的一种改进方法,在此基础上进一步给出了一种通过数据分类提取模糊推理规则的方法,并且将两种方法结合起来形成一种基于模糊神经网络控制系统的构建方法．