永磁同步电机变结构模糊神经网络控制策略

为改善永磁同步电机矢量控制技术在复杂工况下控制器参数不能做出实时调整导致控制性能差的问题,分析了模糊逻辑与神经网络控制原理,提出了一种基于高斯径向基神经网络与模糊控制的相结合的智能控制策略。以转速误差以及误差的变化率为依据构建增量补偿式二维变结构模糊神经网络PID控制器(deformable fuzzy neural network,DFNN)通过RBF神经网络参数辨识器获取永磁同步电机的雅可比信息矩阵(Jacobian matrix),通过变结构算法确定变结构模糊神经网络的结构信息。在MATLAB/Simulink中仿真结果表明,该控制系统提升了电机启动以及目标转速发生改变时的响应速度,同时降低了超调量,在负载转矩存在扰动时转速变化小,且能够快速回归至给定值,优化了矢量控制系统的性能。

基于感应电机控制系统的变结构模糊神经网络控制

感应电动机是高阶、强耦合、非线性的被控制对象,它具有容量体积比高,过载能力强,输出转矩大,无电刷,无需经常维护等优点。在感应电动机的控制中采用解耦变结构控制,可有效地简化了控制器的设计,并提高了控制器的抗干扰性和鲁棒性,而在交流解耦变结构系统中进一步应用变结构模糊神经网络,一方面使系统原来存在的抖振现象得以抑制,另一方面又使系统具有自学习和自调整模糊规则的能力,从而提高和改善了控制系统的性能。