基于直接离散化方法的分数阶PIαDβ控制器设计

分数阶微积分在控制领域值得研究的问题有很多,本文主要研究分数阶PIαDβ控制器不同的设计方法以及分析他们各自的控制性能,并且详细介绍了基于直接离散化方法的分数阶PIαDβ微积分算子近似离散化过程。直接离散化方法以Tustin+CFE为例设计了分数阶控制器,并得到其Z域数字表达式,并最终得到性能良好的分数阶PIαDβ控制器。

一种分数阶PI~αD~β控制器的设计与化简

针对分数阶PIαDβ控制器数字实现相对复杂、结构调整相对困难这一情况,依据分数阶微积分算子最佳有理逼近原理,提出了一种逼近频带可选择的分数阶PIαDβ控制器设计与化简方法。这种分数阶控制器设计与化简方法可以方便地用程序来实现,为分数阶控制器的工程化应用提供了一个途径。

基于分数阶PI~αD~β的船用永磁同步电机控制策略研究

船用永磁同步电机是一种非线性、强耦合、多变量的复杂系统,使用常规的PID对其进行速度控制时难以达到理想的效果。为了改善船用永磁同步电机调速系统的性能,设计了一种新的速度控制器-径向基(RBF)神经网络分数阶PI~αD~β控制器。利用径向基神经网络的自学习和自训练的功能,对控制器的参数进行在线优化,以便使控制器在未知的系统中能够具有快速的适应能力和较好的控制性能。将设计的控制器应用于船用永磁同步电机的速度控制回路中,并在高速度、大负载扰动的条件下对其进行仿真实验。结果表明,使用了RBF神经网络分数阶PI~αD~β控制器的电机控制系统,具有良好的动态响应能力和较强的扰动抑制能力。

基于分数阶PI~αD~β的永磁同步电机控制策略研究

本文以永磁同步电机为研究对象,针对其非线性、强耦合、多变量的特性导致在使用常规的PID对其控制时难以达到理想的效果,提出了一种基于径向基(RBF)神经网络的分数阶PI~αD~β控制策略。利用径向基神经网络的自学习和自训练的功能,对控制器的参数进行在线优化,以便使控制器在未知的系统中能够具有快速的适应能力和较好的控制性能。将设计的控制器应用于永磁同步电机的速度环路中,并在高速度,大负载扰动的条件下对其进行仿真实验。结果表明,使用了RBF神经网络分数阶PI~αD~β控制器的电机控制系统,具有良好的快速响应能力和较强的扰动抑制能力。