基于粒子群优化算法的永磁同步电机H_∞速度观测器

H∞速度观测器实现了对永磁同步电机矢量控制系统的转速估计。然而,观测器中加权矩阵的选取费时费力,从而限制了其在高性能变频调速系统中的应用。为了解决上述问题,本文提出了一种基于粒子群优化算法的永磁同步电机H∞速度观测器。该方法在H∞速度观测器矢量控制系统的基础上引入粒子群优化算法,并在文中给出了算法的实现方式。仿真结果证明:基于粒子群优化算法的永磁同步电机H∞速度观测器进一步提高了永磁同步电机无速度传感器矢量控制系统的控制性能,同时具有更好的动态性能和抗干扰性能。     

基于粒子群算法的模糊神经网络控制器

将粒子群算法与模糊神经网络结合起来提出了一种粒子群模糊神经网络控制器,先用粒子群算法对模糊神经控制器进行离线训练,然后用BP算法对模糊神经控制器进一步在线训练,仿真结果表明该控制器比模糊神经控制器取得了更好的控制效果.     

基于粒子群算法的模糊神经网络控制器

将粒子群算法与模糊神经网络结合起来提出了一种粒子群模糊神经网络控制器,先用粒子群算法对模糊神经控制器进行离线训练,然后用BP算法对模糊神经控制器进一步在线训练,仿真结果表明该控制器比模糊神经控制器取得了更好的控制效果。     

基于模糊分数阶滑模控制的永磁同步电机控制

针对传统一阶滑模控制中存在的抖震和模糊控制系统静差问题,结合滑模控制和模糊控制的优点,引入分数阶微积分理论,提出基于模糊分数阶滑模控制的永磁同步电机速度控制系统,给出模糊分数阶滑模控制器的设计方法,并对该控制器的性能进行了分析.仿真和实验表明,文中提出的模糊分数阶滑模控制系统不但具有较好的控制性能,而且具有对外部负载扰动的鲁棒性.     

永磁同步电机模糊直接转矩控制仿真

针对永磁同步电机直接转矩控制中存在较大转矩脉动的缺点，提出用模糊控制器取代滞环比较器的控制策略．基于Simulink FIS工具箱对模糊直接转矩控制系统进行了仿真．结果表明：通过对转矩误差、定子磁链误差的模糊分级，结合转子位置得到适舍的电压控制矢量，能减小转矩脉动和磁链脉动；模糊直接转矩控制转速和转矩响应优于传统直接转矩控制．     

基于分数阶模糊滑膜控制永磁同步电机的研究

为了提高永磁同步电机(PMSM)综合控制性能,基于传统的滑膜控制(SMC),设计了分数阶积分滑模控制器对永磁同步电机进行控制.针对传统滑膜控制存在抖振问题,应用了变结构概念的边界层方法,在分数阶滑膜控制器饱和函数前设计了模糊控制器以调整比例积分(PI)系数,从而有效地削弱抖振现象,提高了系统的综合性能.MATLAB仿真结果表明,分数阶模糊滑膜控制器可以有效地提高系统的鲁棒性,能较好地解决系统的抖振现象.     

PR 控制器在永磁同步电机控制中的应用

提出了一种比例谐振(Proportional Resonant,PR)控制器的改进模型,将其应用于永磁同步电机控制中.用改进的PR控制器替代传统的PI控制器,节省一次坐标变换,省去了受温度及电机参数影响的交叉解耦项和前馈补偿项,简化了控制算法.仿真和试验结果表明,引入改进PR控制器的永磁同步电机控制系统控制性能优越,能够实现对交流输入信号的无静差跟踪,系统对低次谐波以及指定次谐波具有很强的抑制能力,具有重要的实用价值.     

基于模糊动态Terminal滑模的永磁同步电机控制研究

针对永磁同步电机在工作过程中易受到外部干扰的问题，设计了动态Terminal滑模控制的伺服控制系统。Terminal滑模控制方法在滑动超平面的设计中引入了非线性函数，使得在滑模面上跟踪误差能够在有限时间内收敛到零。动态滑模控制方法可以消除由控制器中切换函数的不连续性引起的抖振现象。在此基础上利用模糊系统良好的逼近性能对永磁同步电机中的不确定参数和外部干扰进行估计，提出了基于模糊控制技术的动态Terminal滑模永磁同步电机控制方法，该方法可以有效降低由系统不确定上界引起的抖振现象。仿真结果表明：该控制方法具有良好的跟踪性能，对参数变化不敏感且鲁棒性好。     

基于分数阶滑模转速控制器的永磁同步电机矢量控制

传统滑模控制方法在永磁同步电机控制中应用广泛,但该方法存在超调量大、抗干扰能力弱、抖振较大等问题,针对这些问题,提出了一种分数阶滑模控制方法,运用该方法设计分数阶滑模转速控制器.首先,设计分数阶滑模面;其次,在传统趋近率的基础上引入分数阶理论,提出一种新型分数阶趋近率,该新型趋近率是将幂次趋近率与分数阶微积分相结合,且应用分段型指数函数代替趋近率中的符号函数;然后,由Lyapunov证明了该趋近率渐进收敛.此外,设计了负载转矩观测器,并将观测值引入控制器中.最后,通过Simulink对该控制系统进行仿真验证,仿真结果表明：该方法能有效解决传统滑模控制中存在的问题,具有抖振小、控制精度高等优点.     

永磁直线同步电机的模糊内模速度控制

针对在工作过程中的永磁直线同步电机易受到负载扰动和参数摄动等不确定因素的影响,将内模控制理论和模糊控制原理相结合,设计了PMLSM的实时参数可调整的模糊内模控制器,从而优化控制器来实现较好的控制效果．仿真实验表明,实时参数可调整的内模控制器具有更好的快速性、稳定性、鲁棒性．     

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%。     

永磁同步电机PMSM的模糊PI控制方法

将模糊控制器用于永磁同步电机的控制,利用模糊控制不依赖于对象模型和鲁棒性强的优点来克服永磁同步电机中参数漂移、非线性和耦合等因素的影响.仿真结果表明：基于模糊控制的永磁同步电机控制系统与传统PI控制相比,具有较快的响应速度、较高的稳态精度和较强的鲁棒性.     

基于带宽的永磁同步电机伺服控制器设计

为提高伺服系统的控制性能并解决控制参数整定困难的问题,该文设计了1种新的控制方法,应用于永磁同步电机(PMSM)伺服控制系统中。建立了PMSM模型。设计了基于电流环带宽进行比例-积分(PI)控制参数整定的电流环控制器和基于速度环带宽进行自抗扰控制(ADRC)参数整定的速度环控制器。推导得到电流环带宽和速度环带宽的关系,从而将整个系统的控制参数归结到带宽1个参数上。经实验验证:该控制器结构通用性强,参数整定简单,易于工程实现;与传统比例-积分-微分(PID)控制方法相比较,在给定相同速度指令时,基于带宽的控制方法速度响应快,跟踪误差减小40%以上,在PMSM速度稳定时施加负载扰动,稳定时间缩短25%以上。     

基于递归神经网络的永磁同步电机控制器设计

在永磁同步电机矢量控制系统中,采用递归神经网络控制器作为速度控制器来模拟在电机参数变化和负载扰动下的最优速度输出。神经网络采用扩展卡尔曼滤波方法实现在线训练,并在Lyapunov稳定性意义下对网络的学习率进行了分析。该神经网络矢量控制系统具有良好的动、静态特性,同时在变速和变负载情况下效果理想。该方法在一台1.2 kW永磁同步电机驱动系统上验证通过。     

基于模糊神经滑模观测器的永磁同步电机无传感器控制

为了解决传统滑模观测器的抖振问题,提出了一种用于永磁同步电机的模糊神经滑模观测器。分析了滑模增益对抖振的影响,并采用模糊神经网络动态调整滑模增益以改善抖振,利用李雅普诺夫函数证明了模糊神经网络观测器的稳定性。利用锁相环方法提取转子位置与速度信息,减小由高频噪声引起的误差。仿真结果表明:改进后的滑模观测器能够对永磁同步电机转子位置进行精确辨识,有效地抑制了抖振,实现了高性能的永磁同步电机无传感器控制。     

基于粒子群优化算法的永磁直流电动机设计

在介绍粒子群优化算法并利用Shubert函数对其有效性进行数值验证的基础上,将其应用于永磁直流电动机的优化设计,分析了优化目标、优化变量和约束条件,在此基础上研发了相应的优化设计软件,并分别以高效率和低成本为目标,应用粒子群优化算法对1台2 kw的永磁直流电动机进行了优化设计,使其效率提高了2.04%、材料成本降低了7.85%.结果表明,粒子群优化算法对永磁直流电动机优化设计是实用有效的,可为其产品设计提供一种良好的新方法.     

基于模糊粒子群算法的非线性函数优化

针对非线性函数优化问题,提出一种新型的模糊粒子群算法.该算法基于模糊控制器中输入输出的模糊化处理和粒子群寻优的特点.算法在Matlab 2008环境下编程实现,针对几个典型复杂的非线性函数进行优化测试.实现结果表明:模糊粒子群算法是一种简单有效的算法,具有良好的有效性和鲁棒性.     

基于改进型自抗扰控制器的永磁同步电机的低速控制

为了实现永磁同步电机(PMSM)低速时的精确控制,提出了一种基于模糊PID的ADRC控制策略.即用模糊PID控制器取代传统ADRC的非线性误差反馈律(NLSEF)来抑制系统的误差,进行最优永磁同步电机低速域的控制.通过对基于模糊PID的自抗扰(ADRC)控制策略的永磁同步电机低速域的仿真,结果表明该控制策略具有更好的抗干扰能力和鲁棒性.     

光伏系统多目标粒子群优化模糊MPPT控制

针对光伏发电系统遭受部分阴影时呈现多峰值、非线性和时变不确定等特性,提出了基于多目标粒子群优化(multi-objective particle swarm optimization,MO-PSO)模糊算法,对最大功率点(maximum power point,MPP)进行追踪控制.该算法对模糊控制的模糊集、模糊规则分别进行多目标粒子群算法优化,同时最小化两个目标函数,以提高光照强度变化时系统对最大功率点跟踪(maximum powerpoint tracking,MPPT)的暂态响应速度和稳态精度.通过对干扰观察法、常规模糊控制方法和多目标粒子群优化模糊控制的仿真波形比较,验证了所提控制策略的有效性.     

基于模糊聚类的粒子群优化算法

粒子群优化算法(PSO)的基础上,提出了基于模糊C-均值聚类(FCM)算法的粒子群优化算法.该算法在每次迭代过程中首先通过FCM算法把粒子群体分成若干个子群体,然后粒子群中的粒子根据其个体极值和子群中的最优粒子更新自己的速度和位置值.通过典型复杂函数测试表明,基于模糊C-均值(FCM)的粒子群优化算法的优化性能和效率远远超过基本粒子群优化算法.