基于神经网络的无刷直流电机预测控制的仿真研究

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。     

模糊多参考模型自适应控制及仿真研究

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。     

考虑磁路饱和效应的无刷直流电机电感参数研究

为研究无刷直流电机电感参数的动态特性,从磁路饱和效应的基本原理出发,通过电机磁路分析,结合理论推导,得到了基于磁路法的无刷直流电机电感计算方程.采用了基于Ansoft Maxwell软件的有限元法对基于该电感方程在Matlab/Simulink环境下进行仿真计算得到的电感变化规律进行了验证.同时结合矢量理论对电感参数随电机转子位置周期变化的规律进行了系统的分析.该研究成果对深化无刷直流电机的理论,正确地确定电感参数及建立精确的分析模型都有重要意义.     

基于神经网络法对无刷直流电动机波动力矩补偿的分析

将神经网络技术引入无刷直流电动机系统控制中,利用SPDS算法对神经网络进行离线训练,利用训练成功的神经网络来构造波动力矩多层前馈神经网络模型,由此可得到波动力矩补偿输入的特定的幅值,相位。实验结果表明,此策略可以对波动力矩进行有效地补偿,最终样机的波动力矩减少到0．7％以下。     

无刷直流电机在Matlab中的建模与仿真研究

无刷直流电机具有运行可靠、结构简单、维护方便、寿命长、噪声低等一系列优点,在国民经济各个领域的应用广泛.本文在分析无刷直流电机工作原理的基础上,推断出了其数学模型,并在Matlab/Simulink中建立了其单闭环控制系统仿真模型,最后对仿真结果进行了分析.     

基于反馈线性化的车用无刷直流电机转矩随动控制

基于输入输出反馈线性化提出了一种无刷直流电机电周期内12个工作区间（包括续流期）的转矩脉动控制方案。在电机系统内动态性能的分析基础上,证明了控制算法的稳定性。基于Matlab/Simulink对车用电机驱动系统进行建模及仿真验证。结果表明,中低速时转矩跟随迅速且转矩脉动不超过0.1%;高速时转矩跟随迅速但转矩脉动无法有效抑制。高速时表现不佳的根本原因是车载电源电压有限,控制器输出饱和。所提出的反馈线性化控制方案在车辆低中速时具有良好的转矩随动及转矩脉动抑制效果。     

基于模糊神经网络预测转角的无传感器无刷直流电动机换相控制研究

针对位置检测和准确换相是无刷直流电机运行的关键，本文提出一种新的方法来实现无传感器无刷电机的换相控制。即构造一个基于遗传算法训练结构和参数的模糊神经网络，通过检测电机的磁通和电流来预测电机实际转角实现电机的准确换相。仿真结果表明，利用模糊神经网络预测转角来控制电机换相能取得很好的效果。而文章利用遗传算法作为模糊神经网络的训练算法，此算法具有收敛速度快，不易陷入局部极小的特点。     

一种无刷直流电机模糊PI控制器设计

为克服传统的PI控制器参数整定方法在无刷直流电机控制中存在精度低、抗干扰能力弱等的不足,本文提出了一种基于PSO-GSA算法的模糊PI控制器设计方法。PSO-GSA算法融合了PSO算法的全局开发能力和GSA算法的局部探索性能,具有更加优异的最优值搜索能力。将PSO-GSA算法用于优化模糊PI控制器的量化因子和比例因子,实现了模糊控制对PI控制器的实时、高精度调节。仿真和实验表明,该方法可以使得无刷直流电机控制有较好的稳定性和鲁棒性,电机转速控制的精度有显著提高。     

双转式永磁无刷直流电机的控制器设计

研究分析了双转式永磁无刷直流电机的工作原理,详细分析了双转式永磁无刷直流电机的位置检测方法,在此基础上设计了以数字信号控制器TMS320F2812为核心控制器、复杂可编程逻辑器件EPM7512AEQC208为辅助处理器的电机控制器,实现了双转式永磁无刷直流电机的闭环调速.重点阐述了系统硬件设计部分.     

基于PSO算法的无刷直流电机自适应PID控制研究

无刷直流电机(BLDCM)是一种多变量、非线性系统,传统PID控制器的参数具有难以整定的缺点,导致其难以满足BLDCM系统的控制要求。针对这一现状,提出了一种基于微粒群优化算法(PSO)的BLDCM自适应PID速度控制算法,该算法利用PSO具有的灵活、均衡的全局和局部寻优能力,对PID控制器的参数进行在线整定,提高了PID控制器的自适应能力。仿真实验表明,系统超调量小、转速响应快、转速波动小,比传统PID速度控制具有更好的动态特性和鲁棒性。