基于线性化误差模型的自适应控制系统设计

针对实际工业生产过程中的非线性、时变不确定性,提出了一种基于线性化误差模型的自适应控制系统.首先为非线性过程建立一个由ARX模型与基于神经模糊系统的线性化误差模型组成的合成模型,然后引入单神经元控制器,利用线性ARX模型输出和系统输出值之间的误差,以及被控制过程合成模型的梯度信息,对控制器参数进行在线调节,从而获得较好的控制结果.仿真实验结果表明,与PID控制器相比,基于线性化误差模型的自适应控制器具有更快的响应速度.

基于高速永磁同步电动机的REKF建模

为实现高速永磁同步电动机(PMSM)的高精度控制,解决高速PMSM及其控制系统环境存在大量的非线性与不确定性的问题,提出一种抗差扩展卡尔曼滤波方法(REKF)。在传统的扩展卡尔曼滤波算法(EKF)基础上加入抗粗差处理,抑制了环境外界粗差干扰对算法估计性能的影响,并有效减小了模型线性化误差对算法的估计准确性影响,防止滤波发散。以高速PMSM模型为基础,对REKF算法进行推导计算,建立了基于REKF算法的电机转子速度、位置估计模型,为实现基于REKF算法的PMSM无传感器控制建立理论基础。

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。