结合改进PSO-BP神经网络的无刷直流电机控制

针对无刷直流电机的BP 神经网络控制器收敛速度慢,易陷入局部最优,设计了一种采用改进粒子群BP 神经网络控制的无刷直流电机控制系统,改进的粒子群算法在速度更新方程中引入了具有时变衰减特性的惯性权重,并用改进的粒子群算法对BP 神经网络初始权值进行离线训练. 仿真结果显示改进PSO-BP 神经网络孔制系统比标准PSO-BP 神经网络控制有更好的稳定性与抗干扰性,整个系统动、静态响应更好.     

基于改进型BP神经网络的无刷直流电机调速系统的应用研究

针对无刷直流电动机的速度问题,提出了一种基于改进型BP神经网络的无刷直流电机调速系统,即利用改进型BP神经网络来优化PID控制器的比例,积分,微分系数。所采用的BP神经网络的学习算法为粒子群算法,可以有效克服标准BP算法一般所存在收敛速度慢、存在局部极小值等问题,从而可以实现对无刷直流电动机的高精度的速度控制。最后,建立了仿真系统,其结果表明该算法效果良好。     

基于BP神经网络无刷直流电机换相转矩脉动抑制方法的研究

将首先建立无刷直流电机数学模型,其次研究无刷直流电机换相转矩脉动产生的原因,最后设计BP神经网络参数自学习PID控制器,利用BP神经网络参数自学习PID控制器抑制无刷直流电机的换相转脉动,使其抑制效果达到最佳。     

基于单神经元神经网络的无刷直流电机控制系统仿真

无刷直流电机是一种多变量、非线性、参数时变以及强耦合的复杂系统,利用传统比例积分微分(proportional integral differential,PID)算法控制无刷直流电机存在参数调整困难、自适应能力差、控制精度低以及抗干扰能力弱等问题.为实现无刷直流电机的高精度控制,在转速环中引入了基于单神经元神经网络PID控制算法,研究了无刷直流电机的数学模型及运行特性,提出了单神经元神经网络PID算法,最后比较分析了在电机双闭环控制系统中转速环采用不同控制算法下的转速阶跃函数响应,以及三相电流、反电动势和电磁转矩的运行状态.结果表明:单神经元神经网络PID算法控制下的无刷直流电机其转速的阶跃函数响应具有更快的上升时间、更小的超调量以及更加稳定的运行状态.     

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PID控制器参数调整

分别采用传统PID控制、BP神经网络PID控制算法,仿真控制传递函数为2阶的无刷直流电机.传统PID控制需要在初期给定比例、积分、微分系数值,而BP神经网络PID控制可以自适应调整比例、积分、微分系数值,从而实时改变被控对象的输入,使系统快速响应并稳定.     

基于Matlab的无刷直流电机自适应控制系统的研究

在分析无刷直流电机(BLDCM)的数学模型的基础上,建立了控制系统的Simulink仿真模型,提出了无刷直流电机调速系统单神经元自适应控制方法.该方法在调速系统中,电流环采用滞环电流控制,转速环采用单神经元自适应控制器控制,实现了双闭环自适应控制的调速系统.仿真结果表明:这种新型的控制方法响应快、无超调、鲁棒性强,较传统PID控制具有更好的动、静态特性.     

基于神经网络自抗扰控制的无刷直流电机控制器研究

自抗扰控制（ADRC）是在继承经典PID不依赖于对象模型优点的基础上,通过改进经典PID固有缺陷而形成的新型控制技术,性能优良。但对于对象变化范围大的系统,仍难获得理想的控制效果。为此,将神经网络与自抗扰控制器相结合,在分析永磁无刷直流电机特点及使用现状的基础上,建立了基于神经网络自抗扰控制器的无刷直流电机控制系统。仿真结果表明,该控制器对无刷直流电机模型的不确定性和外部扰动变化具有较强的适应性和鲁棒性。系统具有良好的动态响应性能。     

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.     

基于混沌精英黏菌算法的无刷直流电机转速控制

针对传统比例-积分-微分(proportional integral differential, PID)在无刷直流电机转速控制中存在响应速度慢、稳定性差等缺点,提出了一种基于混沌精英黏菌算法的自适应控制方法。首先,分析并建立了无刷直流电机数学模型。其次,为进一步提高标准黏菌算法的收敛速度和求解精度,采用Tent混沌映射丰富种群多样性,同时引入精英反向学习策略扩大搜索范围。最后,将上述改进算法应用于无刷直流电机的速度环PID参数自整定。通过在不同运行条件下进行MATLAB仿真以及实验,结果表明:对比传统PID以及模糊PID,所提方法能够使得控制精度得到显著提高,并且具有响应速度快,抗干扰能力强等优势。     

基于MSP430F149的BLDCM控制器设计

目的用MPS430F149设计一款通用性、控制性较好的BLDCM控制器。方法根据BLDCM的工作原理和430单片机的良好性能进行了详细设计。结果实现了对BLDCM的转速、电流双闭环控制,通过实验测试了控制器性能。结论该款基于低功耗MCU的控制器性能良好,结构紧凑,性价比高,具有一定实用价值。     

基于径向基神经网络的精馏塔产品质量自适应控制

对精馏塔全阶模型进行了分析 ,设计了基于RBF神经网络的直接自适应控制器。采用双端控制 ,克服了单端控制的不足。网络权值的调整算法基于所选择的Lyapunov函数 ,这样可保证闭环系统的稳定性和权值参数的收敛性。仿真结果表明所设计闭环系统具有良好的跟踪性和鲁棒性。     

无刷直流电机的变论域模糊自适应PID控制系统设计

为了改善无刷直流电机的调速性能,针对普通模糊PID速度控制器的缺陷,研究了基于变论域思想的自适应模糊PID控制器及其在BLDCM控制系统中的应用.在Matlab仿真平台下,建立了BLDCM的模型,构建了BLDCM的电流、转速双闭环控制系统,其中转速环采用了变论域自适应模糊PID控制器,电流环采用普通PID控制器.仿真结果表明,与常规PID控制器和普通模糊PID相比,采用变论域自适应模糊PID控制器的优势在于:转速输出无超调、响应速度快、控制精度高,具有较强的鲁棒性和自适应能力.     

一种直流脉宽调速系统的建模方法

分析了直流脉宽调速系统的特点,针对这个非线性的开关网络系统,利用状态平均方法建立了数学模型。依据数学模型,应用反馈控制规律设计出相应的调节器,组建了PWM调速闭环自动控制系统,实验结果验证了模型的合理性。     

无刷直流电机的控制系统设计与研究

无刷直流电机(BLDCM)以其可靠性高、动态性能好等优越的性能,使其得到了广泛的应用;但在一些控制系统中,外加干扰、参数摄动等因素影响了系统的动、静态性能和鲁棒性。针对这一问题,提出将反演设计与自适应滑模变结构控制相结合的方法来控制无刷直流电机的速度控制器,从而实现对总的不确定性f的估计,使系统的不确定性具有鲁棒性。所用的控制算法提高系统的稳态跟踪精度,并且使整个的闭环系统满足期望的动静态性能指标。     

惯性平台稳定回路的双闭环控制

对惯性平台稳定回路进行了理论分析和校正.通过设计和仿真,验证了传统PID控制的可行性;并通过引入速度反馈的双闭环控制,克服了单闭环系统在抗干扰性能方面的欠缺.MATLAB仿真结果表明,双闭环控制在很多指标上均优于传统PID控制器,特别是其动态性能以及对干扰的抑制能力,是一种应用在实际平台系统中理想的控制器.     

基于动量因子优化学习率的BP神经网络PID参数整定算法

针对传统BP神经网络学习过程中学习率选取过大导致振荡的问题, 提出一种新的BP神经网络PID(比例-积分-微分)参数自适应整定算法. 采用BP神经网络对PID参数进行自适应调节和优化, 并利用动量因子优化学习率和增加动量项抑制BP神经网络训练中出现的振荡现象, 以加快收敛速度. 实验结果表明, 该算法有效缓解了振荡现象, 加快了算法的收敛速度.