共查询到20条相似文献,搜索用时 125 毫秒
1.
2.
将模糊理论应用于参考模型的选择,提出一种将模糊选择和自适应控制相结合的模糊多参考模型自适应控制算法。此方法通过模糊规则选取合适的参考模型,能克服传统自适应算法中由于系统参数跳变而带来的控制困难,并且具有较好的鲁棒性能。在无刷直流电机调速系统模型中的仿真表明,此方法控制的无刷直流电机在电机参考转速和负载转矩变化的情况下仍具有良好的动态性能和控制精度。 相似文献
3.
为提高电网电压跌落故障情况下双馈风力发电系统不间断运行的能力,提出了一种基于无源性理论的双馈风力发电机低电压穿越控制策 略. 通过分析双馈风力发电机系统模型的无源性,设计了状态反馈控制器;根据双馈风力发电机在电网电压跌落故障时的运行特点,给出了一种 计及电网电压变化的期望状态值计算方法,状态期望值跟随电网电压变化而迅速改变,通过状态反馈控制器可实现电机电流快速跟踪. 仿真结果 表明在电网电压跌落故障下所提出的控制策略可以有效的抑制双馈风力发电机定、转子过电流,并且降低了电磁转矩波动幅值. 相似文献
4.
一种基于Matlab的无刷直流电机控制系统建模仿真方法 总被引:15,自引:1,他引:14
在分析无刷直流电机(BLDC)数学模型的基础上,提出了一种无刷直流电机控制系统仿真建模的新方法。在Matlab/Simulink环境下,把独立的功能模块和S函数相结合,构建了无刷直流电机系统的仿真模型。系统采用双闭环控制:速度环采用离散PID控制,根据滞环电流跟踪型PWM逆变器原理实现电流控制。仿真和试验结果与理论分析一致,验证了该方法的合理性和有效性。此方法也适用于验证其他控制算法的合理性,为实际电机控制系统的设计和调试提供了新的思路。 相似文献
5.
基于神经网络的无刷直流电机预测控制的仿真研究 总被引:1,自引:0,他引:1
在无刷直流电动机高性能速度跟踪系统中,由于PI控制的滞后性,无法根据未来动态行为产生较为理想的PWM波形。针对PWM发生器一无刷直流电动机系统,提出基于神经网络的PWM预测控制方法。采用离线训练和在线修正的方法,通过对PWM发生器-无刷直流电动机系统动态行为的在线估计,建立了系统的神经网络模型。最优控制器根据神经网络模型的输入、输出响应产生合适的PWM波形。在Matlab/Simulink环境建立了模型并进行了仿真,结果表明,较之PI控制器,神经网络预测控制具有更好的动态响应性能。 相似文献
6.
模糊系统建模与控制的神经网络方法 总被引:3,自引:0,他引:3
本文将正在迅速发展中的模糊控制、建模方法与神经网络方法结合起来,提出了模糊系统建模与控制的神经网络方法。这种方法的核心是利用神经网络来实现复杂系统的模糊输入和输出间的模糊映射关系,并利用神经网络来学习并记忆人类控制器的知识和经验性的控制策略。本文给出了详细的模型结构和有关算法,并仿真实现了基于神经网络的模糊系统建模与模糊控制。 相似文献
7.
8.
为提高电网电压跌落故障情况下双馈风力发电系统不间断运行的能力,提出了一种基于无源性理论的双馈风力发电机低电压穿越控制策略.通过分析双馈风力发电机系统模型的无源性,设计了状态反馈控制器;根据双馈风力发电机在电网电压跌落故障时的运行特点,给出了一种计及电网电压变化的期望状态值计算方法,状态期望值跟随电网电压变化而迅速改变,通过状态反馈控制器可实现电机电流快速跟踪.仿真结果表明在电网电压跌落故障下所提出的控制策略可以有效的抑制双馈风力发电机定、转子过电流,并且降低了电磁转矩波动幅值. 相似文献
9.
基于Matlab无刷直流电机系统仿真建模的新方法 总被引:95,自引:7,他引:95
在分析无刷直流电机(BLDC)数学模型的基础上,提出了无刷直流电机系统仿真建模的新方法。在Matlab/Simulink中,建立独立的功能模块,如BLDC本体模块、电流滞环控制模块、速度控制模块等,再进行功能模块的有机整合,搭建无刷直流电机系统的仿真模型。为保证仿真快速性和有效性,模型采用分段线性法生成梯形波反电动势,系统采用双闭环控制:速度环采用PI控制,电流环采用滞环电流控制。仿真结果证明了该方法的有效性,同时也适用于验证其他控、制算法的合理性,为实际电机控制系统的设计和调试提供了新的思路。 相似文献
10.
11.
12.
面向伙伴选择的模糊Markov博弈控制及仿真研究 总被引:1,自引:0,他引:1
针对不确定条件下的伙伴选择决策问题,把自适应模糊控制系统理论及神经网络理论引入到Markov博弈中,提出一种基于多智能体的伙伴选择模糊控制模型。该模型引入基于ANFIS和神经网络的模糊神经网络,实现了一种全新的进行值函数逼近的梯度下降Q学习的算法。并应用该模型对伙伴选择问题进行研究,对多影响因素进行FNN学习,将输出量作为标准Markov博弈模型的输入量,得到影响的策略,最后研究了一个应用实例,利用具体历史数据对建模方法和模型进行了验证和分析。 相似文献
13.
基于改进粒子群-模糊神经网络的短期电力负荷预测 总被引:6,自引:1,他引:5
为了提高短期电力负荷预测精度,提出了改进的粒子群-模糊神经网络混合优化算法.用改进的粒子群训练神经网络,实现了模糊神经网络参数优化.建立了基于该优化算法的短期负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素,利用贵州电网历史数据进行短期负荷预测.仿真表明,该方法的收敛速度和预测精度优于传统模糊神经网络法、BP神经网络法、粒子群-BP算法和粒子群-模糊神经网络方法,该优化算法克服了神经网络和粒子群优化方法的缺点,改善了模糊神经网络的泛化能力,提高了电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.2%以内.该算法可有效用于电力系统的短期负荷预测. 相似文献
14.
JIALi YUJinshou 《系统科学与复杂性》2005,18(1):43-54
In this paper, an intelligent control system based on recurrent neural fuzzy network is presented for complex, uncertain and nonlinear processes, in which a recurrent neural fuzzy network is used as controller (RNFNC) to control a process adaptively and a recurrent neural network based on recursive predictive error algorithm (RNNM) is utilized to estimate the gradient information ρy/ρu for optimizing the parameters of controller.Compared with many neural fuzzy control systems, it uses recurrent neural network to realize the fuzzy controller. Moreover, recursive predictive error algorithm (RPE) is im-plemented to construct RNNM on line. Lastly, in order to evaluate the performance of the proposed control system, the presented control system is applied to continuously stirred tank reactor (CSTR). Simulation comparisons, based on control effect and output error,with general fuzzy controller and feed-forward neural fuzzy network controller (FNFNC),are conducted. In addition, the rates of convergence of RNNM respectively using RPE algorithm and gradient learning algorithm are also compared. The results show that the proposed control system is better for controlling uncertain and nonlinear processes. 相似文献
15.
气动人工肌肉的模糊小波神经网络控制 总被引:5,自引:0,他引:5
针对一种应用于医疗机器人领域的三自由度人工肌肉的非线性特性,结合模糊理论与小波神经网络,提出一种模糊小波神经网络控制器对人工肌肉驱动器进行控制。利用模糊小波神经网络的学习能力,采用梯度法搜寻控制器的最优参数。将采用模糊小波神经网络控制器与采用小波神经网络控制器及模糊神经网络控制器的控制系统仿真结果进行比较。仿真结果说明模糊小波神经网络控制器有效地改善了驱动器的静动态特性,具有更快的训练速度和更好的控制效果,是一种理想的气动人工肌肉控制方法。 相似文献
16.
Some existing methods for chaos control in engineering fields are analyzed and their drawbacks are pointed out. A tracking method can solve these problems to some extent, but it still depends on the mathematical model of the system to be controlled. An intelligent method based on fuzzy neural network (FNN) is used to control chaos in engineering fields. The FNN is employed to learn the inherent dynamics from the input and output of chaos, which can be used in the inverse system method, so that the method is free of the exact mathematical model of the system to be controlled. This intelligent method is compared with tracking method in the presence of measurement noise and model error. Simulation results show its superiority and feasibility. 相似文献
17.
一种模糊神经网络控制系统研究 总被引:6,自引:0,他引:6
针对被控过程的非线性、时变性和复杂性,提出了一种模糊神经控制器与动态辨识器组成的控制系统。该系统的控制器采用模糊神经网络控制器,它的控制参数采用遗传算法全局离线优化对BP算法局部在线调整相结合的混合方法;该系统的辨识器采用变形Elman动态神经网络进行系统辨识。给出了该系统的结构、原理及工作流程,通过仿真实验证明该系统的可行性和有效性。 相似文献
18.
19.