两电机同步系统的神经网络逆控制

以多变量、非线性、强耦合的两电机同步控制系统为研究对象,在同步旋转坐标下,建立了两电机同步系统的数学模型,并进行了可逆性分析.采用静态神经网络加积分器构造两电机同步控制系统的逆系统,将此逆系统与原系统相串联构成复合伪线性系统.即两电机同步系统被线性化且已解耦成速度和张力两个相对独立的系统,速度环为y=s-1φ(s)型伪线性子系统,张力环为y=s-2φ(s)型伪线性子系统,再分别设计线性闭环调节器对速度环和张力环进行控制.实验结果证明了采用神经网络逆系统控制方法可以实现两电机同步调速系统的解耦控制.

基于PLC的两电机同步系统的神经网络逆控制

PLC控制系统以其超高的运行稳定性,结构简单,操作方便,维护费用低廉等诸多优点,使其在工业现场中得到了大量的应用。以多变量、非线性、强耦合的两电机同步控制系统为研究对象,采用静态神经网络加积分器来构造两电机同步控制系统的逆系统,将此逆系统与原系统相串联构成复合伪线性系统。即两电机同步系统被线性化且已解耦成速度和张力两个相对独立的系统,再分别设计线性闭环调节器对速度环和张力环进行控制。实验结果证明了将神经网络逆系统方法与现在工业中主流控制器PLC相结合,可以实现两电机同步调速系统的解耦控制,发挥其经济、社会效益,是一项很有意义的工作。

两电机同步系统支持向量机广义逆控制

针对非线性强耦合的两电机同步系统,采用支持向量机广义逆与PID相结合的控制方案。首先由支持向量机逼近原系统的广义逆模型,然后与原系统相连接,从而构成复合伪线性系统,使系统解耦线性化。最后引入PID控制来去除建模及动态误差。仿真结果证明,该方法动静态解耦性能优良,同步性及鲁棒稳定性较强。

基于改进神经网络的两电机同步系统张力辨识

张力辨识是实现两电机同步系统无传感器运行的重要步骤。为了辨识出张力值,在系统数学模型左逆存在性已证明的前提下,针对BP算法训练慢且精度不高,两电机系统存在负载扰动和系统噪声的特点,提出一种基于跟踪微分器——粒子群优化BP网络左逆软测量辨识方法。仿真结果表明,该方法辨识出的张力可以在存在负载扰动情况下精确跟踪张力实际值,抑制外在扰动对于张力辨识的影响,为实现两电机无张力传感器系统的控制提供了现实可行性。