基于改进遗传算法的无刷直流电动机递归模糊神经网络控制

无刷直流电动机的动力学特性是一个高阶、非线性、强耦合的系统,针对传统PI控制的滞后性和动态响应性能较差等特点,提出一种基于动态递归模糊神经网络PI控制的无刷直流电动机调速系统速度控制器的实施方案,利用改进遗传算法(IGA)优化递归模糊神经网络的隶属度函数参数和网络权值系数等,从而提高系统的动态响应性能。仿真结果表明,该方法响应快,具有较强的抗干扰性和鲁棒性,动、静态特性均优于传统PI控制。

一种基于TSK型递归模糊神经网络的无刷直流电动机位置控制方法仿真

考虑系统的参数变化和包括摩擦力在内的非线性及时变的外界干扰情况下,永磁无刷直流电动机位置伺服控制系统是多变量和非线性的时变系统。针对传统PID控制方法的不足,提出了一种TSK型模糊神经网络控制器的设计方法,并用于永磁无刷直流电动机伺服控制系统的位置控制;可同时动态在线进行结构学习和参数学习,以提高位置控制静态精度和动态跟踪性能。仿真结果表明,所设计的TSK型模糊神经网络位置控制器响应速度快、跟踪性能好、输出精度高、动态和静态性优能于传统PID控制方法。

无刷直流电机调速系统模糊神经网络控制新方法

在分析无刷直流电机(BLDCM)数学模型的基础上建立控制系统的仿真模型,提出了用基本样条函数实现BLDCM模糊神经网络速度控制器设计的新方法.在dSPACE环境中构建了BLDCM控制系统硬件,进行了基本样条模糊神经网络调速系统的实时控制实验。结果表明,该方法响应快、超调小、鲁棒性强,动、静态特性均优于传统PI控制。

基于模糊RBF神经网络的无刷直流电机调速控制

针对无刷直流电机的速度控制,把模糊控制与神经网络原理相结合,提出了基于模糊RBF神经网络的PID控制方法,该网络具有自适应性。利用最小均方差来调整网络的权值,使径向基函数快速收敛,获得较佳PID控制参数,达到对转速跟随控制。同时自适应网络对整个系统的动态性能起到了改善作用。仿真结果表明该方法具有很好的控制效果。

改进模糊神经网络无刷直流电机控制系统设计

针对现实应用中对无刷直流电机速度控制的极高精度要求,设计了一种改进的自适应遗传算法优化的模糊神经网络控制系统,并采用离线和在线两种学习方法,实现了对无刷直流电机转速的精确控制。系统融合了模糊逻辑、神经网络和遗传算法三大智能控制理论的优点,适合于无刷直流电机这样的多变量、强耦合、非线性、时变的复杂系统。通过仿真和在某型水下航行器DSP推进控制系统上的实验表明,方法响应快、超调量小、鲁棒性强,动态特性明显优于传统PID控制。

基于模糊RBF神经网络的无刷直流电机控制

无刷直流电机以其高功率密度、高可靠性等优点而广泛应用于各种场合。电机驱动器对控制性能有很大的影响,驱动器采用常规的PID算法难以获得满意的控制效果。为了获得良好的控制性能,本文提出了模糊算法与径向基函数(Radial Basis Function,RBF)神经网络相结合的控制策略。设计了一个四层的神经网络,调整模糊逻辑控制器的输入和输出参数,以参考速度与反馈速度的偏差作为控制的输入,参考电流值作为控制的输出,使得控制系统具备自适应能力。通过仿真和实验对常规PID控制和模糊RBF神经网络算法分别进行了比较,结果表明所提出的方法具有更好的静态和动态响应性能,具有较强的鲁棒性。

无刷直流电机的模糊神经网络控制设计

在无刷直流电机(BLDCM)的控制上,传统PID等控制方法存在或多或少的不足。在模糊PID控制的基础上提出了一种模糊神经网络PI控制器的设计方法。该方法结合了模糊逻辑与神经网络,使得模糊控制器模拟了人的控制功能,不仅对环境变化有较强的适应能力,还拥有自学习能力。相比模糊PID控制,其具有计算量小、稳定性强等特点。对BLDCM进行建模与分析;在BLDCM数学模型的基础上,分别设计模糊PID控制器和模糊神经网络PI控制器;对设计的控制器进行仿真验证并分析。实验结果表明,模糊神经网络PI控制具有跟踪性能好、超调小、响应快、脉动小等优点,其动静态特性均优于模糊PID控制。

基于递归神经网络的无刷直流电动机控制研究

基于动态模型提出了一种性能较好的递归模糊神经网络无速度传感器无刷直流电动机控制方法,即采用递归模糊神经网络控制器作为转速控制器来近似最优控制器输出。仿真结果表明,当系统参数动态变化或受到外部不确定因素影响时,利用神经网络来在线调整网络的隶属函数参数以及神经网络递归权值,使系统具有良好的动、静态性能。

基于模糊神经网络PID的无刷直流电机控制系统研究

针对传统PID控制在无刷直流电机控制系统中达不到良好的控制效果的问题,在无刷直流电机的数学模型基础之上,设计一种模糊神经网络自适应PID控制器,该控制器利用模糊控制非线性控制作用和BP神经网络的学习能力及适应能力相结合对PID参数进行在线实时调整。对基于模糊神经网络自适应PID控制器的无刷直流电机的双闭环控制系统进行仿真实验,实验结果表明,可以提高控制系统的响应速度,减小超调量,对负载及电机参数的变化都有较强的鲁棒性。

模糊神经网络在无刷直流电机中的应用

针对电动汽车中无刷直流电机负载波动较大的特点,提出了4层模糊神经网络模型,该模型融合了模糊逻辑和神经网络的长处,模糊推理和解模糊化均通过神经网络来实现。模糊化层将输入特征量转化为模糊量,选取的隶属函数使神经网络的权值表示一定的知识,在输出层通过解模糊得到具体的控制量。实验结果表明,该模糊神经控制系统具有较好的带负载能力和抗负载变化能力,达到了预期的效果。

基于模糊神经网络的无刷直流电机位置伺服控制

针对多变量、非线性、时变的永磁无刷直流电机位置伺服控制系统的特点,提出一种基于免疫遗传算法(IGA)的递归模糊神经网络(RFNN)控制器的设计方法,并应用于无刷直流电机三闭环控制系统中的位置调节器中,实现系统精确的位置控制。在与传统PID位置控制器仿真比较中,采用该方法的系统显示出良好的控制性能和控制效果。

无刷直流电动机的DSP模糊神经网络控制

设计一种动态递归模糊神经网络控制器，用于无刷直流电机双闭环控制系统中的转速调节器。采用数字信号处理器作为无刷直流电动机的转速控制与运算单元，设计基于数字信号处理器的无刷直流电机控制系统，并进行计算机仿真和实验验证。结果分析表明，该系统鲁棒性、抗扰性和实时性强，控制效果良好。

无刷直流电机模糊神经网络PI控制

在模糊神经网络PI控制算法基础上,采用改进的自适应动量调谐方法对NFNN-PI的网络权值、隶属度函数的中心和宽度进行调整,并利用边缘稳定性来获得较高的跟踪性能,以及对外界负载扰动和参数变化的鲁棒能力。建立了无刷直流电机的仿真模型,对NFNN-PI与传统PI控制器和固定动量率模糊神经网络PI(FNN-PI)控制器性能进行对比,并分析效果。

基于模糊神经网络的无刷直流电机控制系统

基于传统的PID控制,对无刷直流电机转速引入模糊控制,设计了模糊PID控制器。再将模糊控制与神经网络融合,使模糊规则、模糊推理和隶属度函数映射于BP网络的结构和参数中,提取模糊PID控制器的输入/输出数据,训练BP神经网络,构建模糊神经网络(FNN)控制器,对无刷直流电机转速环实现了稳定控制。系统仿真结果表明模糊PID和模糊神经网络控制策略均优于传统PID控制,并使无刷电机控制系统的自适应能力、动静态性能以及抗负载扰动能力明显提高。

基于神经网络模糊PID控制的无刷直流电机控制系统研究

针对电动汽车行驶工况的要求,为了使电机能够有良好的启动特性和稳态特性,在Simulink中建立了无刷直流电机转速-电流双闭环控制系统仿真模型,转速控制神经网络和模糊控制对PID控制参数进行在线整定;电流环采用电流滞环控制,并对控制模型进行空载启动后加载实验。实验结果表明,本文设计的控制系统响应速度快,无静差,抗干扰能力强。

无刷直流电动机的DSP模糊神经网络控制

设计一种动态递归模糊神经网络控制器，用于无刷直流电机双闭环控制系统中的转速调节器。采用数字信号处理器作为无刷直流电动机的转速控制与运算单元，设计基于数字信号处理器的无刷直流电机控制系统，并进行计算机仿真和实验验证。仿真实验结果表明，该系统鲁棒性、抗扰性和实时性很强，控制效果良好。

DE优化模糊神经网络算法在无刷直流电机控制系统中的应用

DE优化模糊神经网络算法是一种利用模糊神经网络控制器进行计算的方式,该算法避免了以往DE模糊神经网络连接权值和阈值选择上的随机性缺陷,从而能发挥DE模糊神经网络泛化的映射能力。本文就DE优化模糊神经系统在无刷直流电机控制系统中的应用,进行了系统的研究和探讨。

基于模糊T-S型内模PID控制算法的无刷直流电机仿真分析

针对无刷直流电机(BLDCM)双闭环控制调速系统的控制响应速度慢、转速波动较大等问题,提出一种模糊神经网络与内模控制相结合的驱动方式。该方式利用Matlab/Simulink来构建一种基于BLDCM和控制器的电梯一体式限速器仿真模型,得到BLDCM的速度、转矩响应曲线。仿真分析和实验结果均表明,模糊T-S型内模PID控制算法在响应速度、转速误差、抗干扰能力和控制精度等性能方面优于内模PID控制算法与常规双闭环PID控制系统。该研究可为模糊神经网络T-S型内模PID算法在电梯一体式限速器上的应用积累经验。

基于ANFIS系统的无刷直流电机控制仿真研究

无刷直流电机运用环境多变复杂,众多不确定因素都会影响无刷直流电机运行的稳定性和响应速度。传统的模糊控制参数调整困难、性能不稳定、计算开销大。针对无刷直流电机速度控制的优化,本文提出了一种采用评论家学习方案下循环全局反馈的ANFIS系统,其中包括三层级联神经网络和模糊控制算法的结合。ANFIS系统通过采样无刷直流电机实际转速,对比参考转速,实现对PID参数的预测;同时ANFIS系统采用双曲正切作为传递函数来调整权值,缩放共轭梯度法作为优化器来减小训练误差,减法聚类方法来提高预测的适应性和准确性。

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明:模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。