期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
先导式电液比例阀非对称死区补偿控制研究 被引量:9
1
作者 陈俊翔 孙家庆 +2 位作者 田德志 高伟 艾超 《机电工程》 CAS 北大核心 2019年第11期1160-1165,共6页
针对先导式电液比例阀的主阀芯在左右位运动过程中,动静态特性存在较大差异的问题,对电液比例阀的先导阀芯因加工、装配公差导致先导阀芯左右位死区具有非对称的特性进行了研究。建立了包含先导非对称死区的比例阀整体数学模型,分析了... 针对先导式电液比例阀的主阀芯在左右位运动过程中,动静态特性存在较大差异的问题,对电液比例阀的先导阀芯因加工、装配公差导致先导阀芯左右位死区具有非对称的特性进行了研究。建立了包含先导非对称死区的比例阀整体数学模型,分析了数学模型中先导阀非对称死区对主阀芯动静态特性的影响,提出了基于先导阀非对称死区的非对称控制策略及变增益死区补偿算法,即对先导阀正反两个方向设置不同的死区参数和控制器参数,在比例阀试验台上对此控制策略进行了评价。研究结果表明:主阀芯超调下降了80%、稳态误差下降了60%、响应时间下降了50%等,主阀芯动静态特性显著提升。 展开更多
关键词 死区补偿 比例阀 PID 非对称死区
下载PDF
四桥臂变换器驱动开绕组永磁同步电机系统的死区效应分析与抑制 被引量:8
2
作者 魏佳丹 薛嘉成 +2 位作者 周波 戴胜男 季建豪 《电工技术学报》 EI CSCD 北大核心 2018年第17期4078-4090,共13页
针对传统双逆变器驱动开绕组永磁同步电机系统的成本和复杂性高的问题,提出一种具有少开关特性的低成本四桥臂变换器驱动开绕组永磁电机的新型拓扑结构,在四桥臂变换器输出有效电压矢量和SVPWM策略分析的基础上,分析了系统中复用桥臂产... 针对传统双逆变器驱动开绕组永磁同步电机系统的成本和复杂性高的问题,提出一种具有少开关特性的低成本四桥臂变换器驱动开绕组永磁电机的新型拓扑结构,在四桥臂变换器输出有效电压矢量和SVPWM策略分析的基础上,分析了系统中复用桥臂产生的非对称死区电压分布规律及其对相绕组电流畸变的影响,基于零序回路独立控制的方法设计了具有平均死区电压补偿的谐波电流抑制策略,将死区补偿后的开绕组永磁电机绕组电流总谐波含量抑制至5%左右,使得低成本的四桥臂变换器具有类似传统双逆变器驱动开绕组电机系统的输出特性,最后通过仿真和实验验证了所提死区分析和抑制策略的有效性。 展开更多
关键词 开绕组永磁同步电机 四桥臂变换器 复用桥臂 非对称死区电压分布规律 平均死区电压补偿
下载PDF
具有死区输入的非参数不确定系统误差跟踪迭代学习控制
3
作者 陈凯杰 施卉辉 陈强 《高技术通讯》 CAS 2022年第7期719-726,共8页
本文针对一类具有非对称死区输入的非参数不确定系统设计了一种误差跟踪迭代学习控制(ILC)算法。首先,构造一种新型的期望误差轨迹放宽经典迭代学习控制的初值一致条件。其次,利用微分中值定理将非对称死区转换为线性形式,并利用径向基... 本文针对一类具有非对称死区输入的非参数不确定系统设计了一种误差跟踪迭代学习控制(ILC)算法。首先,构造一种新型的期望误差轨迹放宽经典迭代学习控制的初值一致条件。其次,利用微分中值定理将非对称死区转换为线性形式,并利用径向基函数(RBF)神经网络对系统不确定性和死区参数进行估计和补偿。在此基础上,设计误差跟踪迭代学习控制器和组合自适应律,实现系统在指定区间对期望轨迹的高精度跟踪。最后,基于Lyapunov-Like理论进行稳定性分析,并通过仿真验证了本文所提方法的有效性。 展开更多
关键词 迭代学习控制(ILC) 误差跟踪 非对称死区 组合自适应律 非参数不确定系统
下载PDF
死区非线性输入系统的自适应迭代学习控制
4
作者 陈建勇 《高技术通讯》 CAS 2022年第11期1134-1142,共9页
针对一类含有非对称死区输入和任意初态的非线性系统,本文提出了一种实现有限作业区间跟踪控制的神经网络迭代学习控制(ILC)算法。构造新的修正函数形式设计校正参考轨迹,放宽了迭代学习控制初值一致要求。利用径向基函数(RBF)神经网络... 针对一类含有非对称死区输入和任意初态的非线性系统,本文提出了一种实现有限作业区间跟踪控制的神经网络迭代学习控制(ILC)算法。构造新的修正函数形式设计校正参考轨迹,放宽了迭代学习控制初值一致要求。利用径向基函数(RBF)神经网络估计和补偿系统的不确定性及死区参数,从而设计迭代学习控制器。引入一级数收敛序列用于处理重构误差对系统跟踪性能的影响,并给出了未知参数的微分-差分学习律。理论分析表明,该控制器能够实现系统状态在预指定作业区间上对参考轨迹的零误差跟踪。最后的仿真结果验证了所提控制算法的有效性。 展开更多
关键词 迭代学习控制(ILC) 非对称死区输入 非线性系统 神经网络 微分-差分学习律
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部