开关磁阻电机自适应RBF神经网络控制方法研究

开关磁阻电机（switched reluctance motor,SRM）双凸极结构和磁路高度饱和使得电机磁链呈高度非线性,导致经典PID控制不能得到较高的控制精度。本文设计了基于自适应RBF(radial basis function)神经网络的SRM前馈 反馈控制器,对电机实行自适应控制。仿真结果表明,该方法能提高电机转速精度,降低转矩脉动,从而优化电机的运行性能。     

转矩分配策略在SRM中的应用及其优化

转矩脉动较大是开关磁阻电机(SRM)的主要缺点。为了减小转矩脉动,提高电机性能,将转矩分配策略应用到电机中。由于开关磁阻电机的非线性,在转矩分配策略中,传统PID控制器的效果受到了限制。考虑到神经网络对非线性系统的自学习和自适应能力,提出采用RBF神经网络PID控制器进行优化。仿真结果表明,转矩分配策略有效抑制了转矩脉动,优化后的转矩分配策略获得了更好的性能。     

基于遗传-模糊算法的开关磁阻电机位置计算

采用智能方法实现开关磁阻电机的非线性建模及转子位置的精确估算．根据实验测得的开关磁阻电机定子电流、绕组电感和转子位置，得到开关磁阻电动机非线性特性．利用比特性得到模糊规则，实现开关磁阻电机的模糊建模；在此基础上，分别利用神经网络的学习和遗传算法全局优化算法，实现了精确和最优模糊建模．该方法可以实现转子位置的精确估计并具有一定鲁棒性和可靠性，可取代直接的位置传感器．利用智能建模可以避免非线性系统建模的复杂性．仿真结果证明了建模的有效性．     

一种开关磁阻电机调速系统的设计

介绍了单神经元自适应PID算法原理,提出了以单神经元自适应PID控制算法为核心的四相8/6极开关磁阻电机调速系统设计.以MCS80C196KC单片机作为控制器,对调速系统的硬件电路和软件部分进行了设计,实现了单神经元PID自适应控制算法在开关磁阻电机调速中的应用.实验证明,该控制算法有助于改善开关磁阻电机的调速性能.     

基于BP神经网络的PID控制算法在四轴飞行器中的应用

四轴飞行器是一个非线性、时变的控制系统,由于典型PID算法缺乏自适应能力,典型的PID控制算法对四轴飞行器无法达到较好的控制效果,于是提出了基于BP神经网络的智能PID控制算法。本文首先通过选取适当的坐标系统对旋翼受力进行了近似和简化处理建立其数学模型,根据得到各通道的传递函数,然后使用BP神经网络PID控制方法对四轴飞行器进行控制,实现PID参数自动调整,结果表明BP神经网络PID控制对非线性系统及其参数具有良好的控制效果,而且具有更好的适应性,同时也具有很好的逼近和容错能力。     

基于BP神经网络的开关磁阻电动机非线性建模

为提高开关磁阻电动机（SRM）调速系统性能，在测取准确磁特性样本数据基础上，利用神经网络所具有的非线性映射能力，基于Levenberg-Marquardt算法的BP神经网络建立了SRM的非线性模型。该模型训练收敛快，泛化能力强，且网络规模小，便于实时控制，经与样机实测数据比较，验证了该模型的准确性，将所建模型与准线性模型对比，显示出神经网络模型优越。     

一类基于Levenberg—Marquardt算法的神经PID控制研究

传统的比例积分控制器具有一定的局限性,尤其是当被控对象会有非线性、不确定性和时变特性,常规的PID控制器往往难以发挥作用,甚至会失稳．利用神经网络进行复杂过程的PID控制可以很好地解决上述问题．Levenberg—Marquadt（LM）算法是梯度下降法与高斯一牛顿法的结合,就训练次数与精度而言,它明显优于共轭梯度法及变学习率的BP算法,适用于PID控制．得到了在线自适应神经网络PID控制算法,该算法改善了传统BP算法,实现了现有PID控制器控制方法．     

一种4/2极开关磁阻电机非线性建模与仿真

提出一种4/2极开关磁阻电机的数学建模与仿真,通过对开关磁阻电机的电动方程、机械运动方程等分析研究,应用PID控制方法以及借助Simulink中的LUT预失真模块,构建了一个完整的4/2极开关磁阻电机的仿真模型.这种仿真模型即避免了开关磁阻电机线性仿真不精确的缺点,又具有非线性开关磁阻电机的仿真速度快,结果精确的优点.同时PID控制器使得4/2极开关磁阻电机启动及运行更平滑.     

模糊自适应PID控制器在SRD中的应用

对基于模糊理论的自适应PID控制器在开关磁阻电动机调速系统中的应用进行了研究。该控制器通过模糊推理实现PID控制器参数的在线调整。仿真表明,采用该控制方法的开关磁阻电动机调速控制系统具有较好的动态特性。     

基于混合遗传算法的开关磁阻电机模型参数辨识

将开关磁阻电机（SRM）的建模问题作为一类非线性约束优化问题进行参数辨识研究,对模拟退火遗传算法进行了改进,提出一种带有退火精确罚函数的自适应混合遗传算法（HGA）,给出了算法的具体实现方法．建立了基于DSPTMS320F2812的磁链特性检测系统,通过实验获取开关磁阻电机的磁化曲线族,利用改进的混合遗传算法在测得的实验数据基础上对电机模型进行参数辨识．基于辨识得到的模型,对电机在两种不同工况下的运行特性分别进行了研究,仿真结果与实验结果的对比验证了该方法的有效性和准确性．辨识得到的电机模型可以作为电机性能估计及优化控制的基础．     

一种时变非线性对象神经网络PID控制的仿真

利用BP神经网络对被控对象进行了控制和辨识,提出了一种基于BP神经网络的PID控制器;给出了相应的控制算法;并对典型的参数时变非线性系统的控制进行了仿真研究。仿真结果表明,同传统PID控制器相比,神经网络PID控制器对于模型、环境具有较好的适应能力与较强的鲁棒性,证明了神经网络控制的优越性。     

LQR优化的BP神经网络PID控制器设计

针对传统神经网络PID(比例 积分 微分)控制器和传统线性二次调节器(LQR)优化型PID控制器对无刷直流电机转速控制恢复时间长及抗干扰性较差等问题, 提出一种LQR优化的BP神经网络PID控制器, 用于无刷直流电机的转速控制. 首先, 利用BP神经网络对PID增益进行调节, 提高控制器的动态适应性和鲁棒性； 然后, 采用LQR优化BP神经网络最优输出, 使其更接近目标PID增益. 仿真结果表明, 该控制器有效提高了响应速度, 减小了稳态误差并增强了抗干扰能力.     

基于BP神经网络的船舶航向智能PID控制研究

针对船舶航向控制非线性的特性,以船舶航向运动一阶KT模型为研究对象,设计了基于BP神经网络的自整定PID算法航向控制器。将传统PID与BP神经网络结合,对被控对象由BP神经网络进行辨识,给出PID控制参数,由PID控制算法进行控制并优化收敛速度。根据真实渡轮船舶特征参数,利用MATLAB/Simulink仿真软件建立船舶航向运动控制系统模型。仿真结果表明,基于BP神经网络的PID控制系统超调小、鲁棒性好,可长时间稳定工作,几乎无稳态误差,控制算法的实用性以及动态控制系统的优越性得到验证。     

模糊神经网络在电阻炉温度控制系统中应用

针对电阻炉具有时变,分布参数的非线性特性,将模糊神经网络控制应用于电阻炉温度控制系统.该控制器自适应能力强,利用系统偏差和神经网络辨识模型的输出对模糊神经网络控制器的参数通过一种改进的BP算法进行在线调节,达到对电阻炉温度的实时控制.仿真结果表明模糊神经网络控制器具有良好的控制效果,优于一般PID控制.     

AQM中基于神经网络自适应的PID控制器

将神经网络和PID控制器有机结合,形成一种基于RBF网络在线辨识、单神经元网络在线整定的自适应PID控制器,用于对主动队列管理（AQM）的拥塞控制.仿真结果表明,该控制器对负载队列的控制效果明显优于传统PID控制器.     

采用改进神经网络PID控制的车辆悬架振动仿真研究

为了研究车辆悬架振动模型,创建了车辆悬架平面简图,并根据牛顿定律推导出车辆悬架振动微分方程式。引用BP神经网络PID控制器,对传统粒子群算法进行改进,将改进粒子群算法用于优化BP神经网络PID可知结构。通过MATLAB软件中对车辆悬架位移、速度和加速度进行仿真验证;同时,与BP神经网络PID控制器仿真结果进行比较和分析。结果表明,车辆悬架采用BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较大,车辆整体振动幅度较大;而采用改进BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较小,车辆整体振动幅度较小。采用改进神经网络PID控制车辆悬架,能够抑制路面噪声激励对车辆振动幅度的影响,提高车辆行驶的安全性。     

医院大型电梯电力系统的PLC控制方法优化

医院大型电梯电力系统在实际运行的过程中具有很高的非线性和时变性,使大型电梯电力系统PLC控制效果不佳,当前方法采用线性学习法,无法适应运行环境的不确定性,造成电力系统控制的不稳定性。提出一种基于BP神经网络PID控制算法的医院大型电梯电力系统的PLC控制优化方法,将PID算法作为PLC的软件设计部分,通过比例、积分与微分这三种控制作用的合理调配,形成相互关系。鉴于PID控制算法调节时间长、超调量大等弊端,采用BP神经网络对其进行优化。利用BP神经网络的自学习和加权系数的调整,使BP神经网络输出最优大型电梯电力系统控制规律下的PID控制算法的参数,实现医院大型电梯电力系统的稳定控制。实验结果表明,所提方法具有很高的控制稳定性和鲁邦性,综合性能较强。     

模糊神经网络在冷连轧厚度控制中的应用

由于冷连轧厚度控制系统具有非线性、大时滞的特点,在冷连轧厚度的常规 PID 控制中,PID 控制器的参数往往针对某一种情况进行整定,很难控制冷连轧厚度始终处于一个好的状态.为此,在分析了厚度控制原理的基础上,设计了用一个2-5-1结构的 BP 网络实现的模糊神经网络控制器(FNNC),并将该 FNNC 控制器与积分作用相结合构成一个 FNNC-I 控制器.仿真结果表明,该 FNNC-I 控制器提高了系统的动态和稳态性能、抗干扰性以及鲁棒性,其控制效果优于常规 PID 控制器.     

静止无功补偿器的智能自适应PID控制器设计

将神经网络和模糊控制与有着广泛应用ＰＩＤ控制相结合,设计了一种静止无功补偿器的智能自适应ＰＩＤ控制器。利用神经网络实现系统模型辨识,采用模糊逻辑和神经网络相结合对ＰＩＤ控制器参数动态寻优。使ＳＶＣ的控制既具有模糊控制的简单,有效的非线性控制作用,又具有神经网络的自学习,自适应能力。