无轴承电动机神经网络逆系统解耦控制关键技术发展

无轴承电动机利用一套新的悬浮力绕组产生悬浮力,使无轴承电动机成为一种多变量、强耦合的非线性系统,如何实现转速与径向位移以及径向位移之间的动态解耦控制是无轴承电动机稳定运行的关键要素之一。神经网络逆系统具有以任意精度逼近非线性函数的能力,可以有效实现无轴承电动机的解耦控制。阐述了无轴承电动机悬浮力产生的原理以及神经网络逆系统解耦原理,从纯神经网络逆系统、神经网络逆系统结合智能控制器等方面分析了国内外无轴承电动机神经网络逆系统解耦控制策略的研究现状,归纳了无轴承电动机在使用神经网络逆系统进行解耦控制时的共同和不足之处,总结了无轴承电动机神经网络逆系统解耦控制的一般设计方法,并对神经网络优化、在线训练、抗干扰能力等关键技术发展趋势进行了展望。

采用改进遗传算法优化LS-SVM逆系统的外转子无铁心无轴承永磁同步发电机解耦控制

为了实现外转子无铁心无轴承永磁同步发电机(outer rotor coreless bearingless permanent magnet synchronous generator,ORC-BPMSG)的精确控制,提出一种基于改进遗传算法(improved genetic algorithm,IGA)优化最小二乘支持向量机(least square support vector machine,LS-SVM)逆系统的解耦控制策略。首先,基于ORC-BPMSG的结构及工作原理,推导其数学模型,并分析其可逆性。其次,建立LS-SVM回归方程,并采用IGA优化LS-SVM的性能参数,从而训练得到逆系统。然后,将逆系统与原系统串接,形成伪线性系统,实现了ORC-BPMSG的线性化和解耦。最后,将提出的控制方法与传统LS-SVM逆系统控制方法进行对比仿真和实验。仿真和实验结果表明:所提出的控制策略可以较好地实现ORC-BPMSG输出电压和悬浮力、以及悬浮力之间的解耦控制。

基于ICPSO优化的PMa-BSynRM神经网络逆系统解耦控制

针对永磁辅助式无轴承同步磁阻电动机(PMa-BSynRM)存在的强耦合和非线性问题,以及神经网络逆系统解耦控制收敛速度慢和易陷入局部极值的问题,提出了一种将BP神经网络与改进混沌粒子群优化(ICPSO)算法相结合的PMa-BSynRM解耦控制方法。基于PMa-BSynRM的结构和工作原理建立转矩和悬浮力的数学模型并进行可逆性分析,再建立BP神经网络作为逆系统,利用ICPSO算法优化其初始连接权值,通过仿真验证优化效果,经过充分训练后,将BP神经网络与原系统串联形成伪线性系统,从而实现PMa-BSynRM的解耦控制。仿真及试验结果表明,采用ICPSO算法优化的BP神经网络逆系统收敛速度和解耦性能均优于传统神经网络逆系统,改善了PMa-BSynRM的动态与静态性能。

机载LiDAR姿态角稳定装置的神经网络逆系统解耦控制研究

机载激光雷达(LiDAR)工作过程中,机载平台姿态角波动会造成激光扫描点云的密度分布不均匀,导致后续数字表面模型重建时精度降低,因此设计了一种推转式姿态角稳定装置,可实现机载平台姿态角波动的实时补偿。设计的姿态角稳定装置具有非线性和强耦合的运动控制特点,为消除其运动耦合关系、提高运动控制精度,基于神经网络逆系统解耦控制策略对姿态角稳定装置进行解耦处理,取得了满意的控制效果。首先,建立了姿态角稳定装置动力学系统的多变量神经网络逆系统模型;其次,采用PID闭环反馈控制器与神经网络逆系统前馈补偿器组合的前馈-反馈复合控制器,实现控制系统的实时解耦,改善动态控制性能;最后,进行了实验验证。结果表明,设计的神经网络逆系统解耦控制方法可有效提高姿态角稳定装置控制精度,并对误差干扰具有优良鲁棒性。

基于神经网络逆系统的车辆动力学模型解耦法

为了消除车辆各系统纵横向之间的耦合影响,对车辆动力学模型进行了神经网络逆系统解耦控制。选用的研究对象为四轮驱动、前轮转向的无人驾驶车辆。首先,将包含侧向运动和横摆运动两个自由度的车辆动力学模型通过Interactor算法进行可逆性分析;其次,搭建卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆神经网络(Long Short-Term Memory,LSTM)逆系统结构构建逆系统,并验证该方法的可行性;将该解耦方法应用于无人驾驶车辆的轨迹跟踪控制设计中,通过CarSim和Matlab/Simulink联合仿真试验证明,设计的CNN+LSTM神经网络逆系统解耦控制在多种工况下都具较好的跟踪特性及稳定性。

基于神经网络逆系统的市政清淤机器人避障路径研究

在市政管道清淤工作中,机器人技术可以提高工作效率,减少人力成本,提高清淤质量。然而,在清淤机器人工作过程中,经常会遇到各种障碍物,需要进行避障路径规划,以提高机器人的安全性、工作效率和适应性。该文在介绍清淤机器人的总体结构设计、控制系统、传感器系统设计以及人机交互系统设计的基础上,阐述神经网络逆系统的基本原理和方法,以及清淤机器人的设计和实现,探讨神经网络逆系统在清淤机器人避障路径规划中的应用。通过仿真验证证明,基于神经网络逆系统能有效地控制非线性时变对象,不需要建立精确的数学模型,其鲁棒性强、适应性良好。针对清淤机器人运动和控制特点,搭建和训练基于神经网络逆系统深度学习的目标障碍物检测模型,应用于实际问题的模型求解,通过人工势场图中梯度信息的随机树新增节点,结合路径规划与缺陷或障碍物等目标的时空信息,优化机器人的避障路径,可以提高避障路径规划算法的运行效率。

基于逆系统的立方体机器人H_(∞)鲁棒控制

针对立方体机器人由复杂特性引起的模型不确定性以及易受外界扰动影响的问题,提出了一种基于逆系统的立方体机器人H_(∞)自平衡鲁棒控制策略。首先,基于所搭建立方体机器人的结构和运行方式,建立了其动力学模型并进行了可逆性分析,将构建的逆系统与原系统进行串接构成立方体机器人的伪线性系统;其次,利用线性矩阵不等式设计H_(∞)鲁棒控制策略以实现立方体机器人伪线性系统的自平衡稳定控制,并证明了闭环系统的稳定性。仿真和实测实验结果证明了所设计系统的可行性和有效性。

一般非线性系统的构造性逆系统方法

针对由于逆系统方法之求逆算法中求解隐函数方程的困难,通过消元法避开对隐函数方法的求解,提出了一般非线性多变量系统的构造性求逆算法。在此基础上讨论对逆系统方法的相应改进,通过动态补偿进一步提出了构造性逆系统方法。这种改进使得逆系统方法原则上可以构造性地适用于任意足够光滑的非线性系统。

基于逆系统方法有功—无功解耦PWM控制的链式STATCOM动态控制策略研究

大容量链式静止同步补偿器(链式 STATCOM)具有独特的优点,但也存在无功动态响应时间常数大的劣势。该文结合国家电网公司攻关项目——上海西郊变±50Mvar 链式STATCOM 的研制,重点研究了正常工况下链式 STATCOM的快速闭环无功控制方法。建立了链式 STATCOM 的有功-无功暂态模型,通过引入多变量非线性控制逆系统方法,设计了基于逆系统方法和有功-无功解耦的非线性动态无功控制策略。在一台链式 STATCOM 物理样机上实现该动态控制策略,实验结果表明所提的无功闭环控制方法具有优良的动态性能,使链式STATCOM的闭环无功响应时间减小至10ms以内。

基于逆系统方法的非线性内模控制

针对一类非线性连续系统 ,利用小波网络逼近原系统的α阶积分逆系统 ,针对复合后的伪线性系统提出了基于逆系统方法的内模控制 ,证明了闭环系统的鲁棒稳定性 ,分析了系统性能 .仿真结果表明所提的方法控制性能好 ,精度高 。

基于逆系统理论的感应电动机解耦控制的研究

应用多变量非线性控制的逆系统理论，对感应电动机变频调速这一多变量、非线性、强耦合的控制对象进行解耦控制，从而将其分解为转速和转子磁链两个线性子系统，并应用线性系统理论对其进行综合。研究表明，这种新的控制策略实现了感应电动机转速与转子磁链的动态解耦。论文的最后给出了仿真结果。

异步电动机定子磁链与电磁转矩的逆系统解耦控制方法

为了实现脉宽调制电压源型逆变器供电的异步电动机调速系统定子磁链和电磁转矩的动态解耦控制,基于逆系统理论提出了一种新型的解耦控制策略。根据异步电动机调速系统的动态数学模型,证明了其逆系统的存在性,在此基础上得到了逆系统的输入输出方程。把得到的逆系统和异步电动机调速系统相级联,从而将多变量、非线性、强耦合的控制对象解耦成了两个一阶线性子系统,分别称为转矩子系统和磁链子系统,利用线性控制理论对各个调节器进行了设计,实现了定子磁链和电磁转矩对各自参考值的全局渐进跟踪。使用Matlab软件进行了仿真实验,实验结果验证了控制方案的可行性。

感应电机的神经网络逆系统线性化解耦控制

提出了一种新的感应电机的线性化解耦控制方法,其特点是不依赖于对象的精确数学模型与参数。通过用静态神经网络加积分器来构造感应电机的逆系统,将感应电机这一多变量、非线性、强耦合的复杂对象动态解耦成转速与转子磁链两个二阶线性子系统,然后运用线性系统理论进行综合。仿真与初步的实验结果表明系统具有优良的静态及动态解耦性能,且对电机参数的变化与负载扰动具有较强的鲁棒性。

非线性系统控制的逆系统方法(Ⅱ)——多变量控制理论

介绍基于逆系统方法的多变量非线性控制理论,包括高阶微分方程组系统的控制设计方法、多输入多输出状态方程系统的控制设计方法、可解耦性与可镇定性分析、应用与相关理论研究等内容。

基于神经网络逆系统的发酵过程多变量解耦控制

发酵过程是时变、非线性、不确定的多变量耦合系统,高性能的解耦控制一直是追求的目标。将逆系统方法与神经网络相结合,提出了一种基于神经网络逆系统的发酵过程解耦控制方法。根据发酵过程的特点,给出了相应的数学模型,并证明了系统的可逆性,进一步构造神经网络逆系统并与发酵系统串联复合成伪线性系统,再设计线性闭环调节器实现高性能解耦控制。仿真结果表明,提出的解耦控制方法能够适应过程模型的不确定性和参数的时变性,具有较强的鲁棒性,克服了解析逆系统解耦控制方案依赖于过程模型和对模型参数的变化很敏感的缺点。

发电机励磁与汽门系统解耦控制的神经网络逆系统方法

在分析励磁与汽门系统可逆性的基础上为输电系统中汽轮发电机组的控制提出了一种新的解耦控制器的设计方法。在系统精确模型参数未知的情况下,神经网络逆系统可将被控系统解耦成两个SISO线性子系统;然后为了满足高性能控制的要求,针对两个不同的子系统增加两个不同的线性控制器来形成闭环控制。理论分析和仿真结果表明:该控制策略较好地解决了输电系统中汽轮发电机组控制时存在的多变量、非线性、强耦合问题;实现了系统的动态解耦控制,因此可显著增强输电系统的暂态稳定性。

逆系统方法在电力系统控制中的应用

本文指出：逆系统方法和微分几何方法本质上是等价的，而逆系统方法的物理意义直观，不局限于仿射型系统，使用时仅需求导运算和代数运户，求解控制律过程比较简捷，便于工程应用。作者以电力系统的非线性励磁控制为例，证明了两种方法所得控制律是相同的。本文的结论可简化励磁控制、汽门控制、换流站控制、无功补偿器控制等问题的求解过程。

神经网络α阶逆系统控制方法在机器人解耦控制中的应用

本文利用神经网络 α阶逆系统线性化解耦能力 ,将严重耦合的多自由度机械手解耦成多个二阶积分子系统 ,进一步采用线性系统设计方法对已解耦系统设计闭环控制器 ,成功地实现了位置快速跟踪 .该控制方法不需要知道机器人系统的精确数学模型 ,并且结构简单 ,易于工程实现 .

基于神经网络逆系统的磁悬浮开关磁阻电动机的解耦控制

磁悬浮开关磁阻电动机作为一个多变量、非线性和强耦合的系统,其控制系统的设计非常复杂。对于磁悬浮开关磁阻电动机来说,得到径向力和平均转矩的先验知识是实现电机闭环控制的基本条件。基于基本电磁场理论,论文给出磁悬浮开关磁阻电动机的径向力模型,对该模型进行可逆性分析,证明该系统可逆,应用神经网络逆系统方法实现径向力的动态解耦,以便达到高性能的控制目的,仿真结果验证了方法的可行性。

基于最小二乘支持向量机的多变量逆系统控制方法及应用

为提高多变量、非线性和强耦合系统的动态特性和解耦能力,解决逆模型辨识问题,讨论了基于最小二乘支持向量机(least squares support vector machines,LS-SVM)的多变量逆系统解耦控制方法。通过分析LS-SVM的函数拟合特性,离线建立被控对象的非线性逆模型,将得到的逆模型直接串接在原对象之前,原系统被解耦成多个独立的单变量伪线性子系统。为克服直接逆模型的建模误差,提高系统鲁棒稳定性,提出了复合控制方法,其中直接逆模型作为前馈控制器,而用PID控制器作为反馈控制器。文中还分析了球磨机控制系统的特点,并进行了仿真控制研究,仿真结果表明该复合控制方法不依赖于系统的精确数学模型,且解耦能力强、鲁棒稳定性好、跟踪精度高。