二维直线电机的无模型高阶滑模解耦控制

针对二维直线电机运动系统存在的非线性、多变量、不确定性以及强耦合作用对控制精度的影响,提出一种无模型高阶滑模解耦控制方法。以紧格式动态线性化无模型控制技术为基础,设计一种数据驱动滑模面并验证滑模面的渐进稳定性;利用高阶滑模控制思想设计高阶滑模控制律,对二维直线电机XY轴进行整体控制,减小位置跟踪误差,并进行稳定性和收敛性证明。采用自适应解耦控制策略,设计离散扩张状态观测器对系统两轴间耦合、未建模动态和未知外部干扰进行估计和补偿,进一步实现系统的解耦。仿真和实物实验结果表明,所提方案能够有效提高二维直线电机的位置控制精度。

感应电动机定子磁链与转矩解耦自适应控制

基于非线性状态变换和状态反馈,提出了感应电动机定子磁链和转矩的精确解耦控制策略。并针对电动机运行过程中定子和转子电阻值随温度升高而发生变化,提出了自适应解耦控制律,确保了电阻估计误差的收敛以及定子磁链和转矩对各自参考值的渐近跟踪。通过理论分析证明了自适应反馈控制的收敛性和整个闭环系统的稳定性,最后数字仿真验证了系统的控制性能。

感应电动机调速系统的自适应逆控制

针对电压源型逆变器供电的感应电动机调速系统,提出了一种自适应逆控制方法,实现了电磁转矩和定子磁链的解耦控制．应用得到的逆系统将多变量、非线性、强耦合的感应电动机调速系统解耦为电磁转矩和定子磁链两个一阶线性子系统,从而简化了各个闭环线性调节器的设计难度．为了提高系统的鲁棒性,利用递推最小二乘算法实时辨识电动机参数,降低了参数变化对系统性能的影响．使用MATLAB软件进行了仿真实验,实验结果验证了理论分析的正确性和控制方案的可行性．

两电机调速系统的神经网络逆无模型自适应鲁棒解耦控制

为了解决非线性强耦合的多输入/输出的两电机调速系统存在较大负载扰动的问题,提出一种基于神经网络逆(neural network inverse,NNI)的鲁棒解耦控制策略。首先,根据逆系统理论,分析系统的可逆性,利用神经网络逼近原系统逆模型,将强耦合的两电机非线性系统线性化解耦为一伪线性复合系统。其次,针对两电机调速系统中负载扰动的问题,根据动态线性化理论,设计无模型自适应(model-freeadaptive,MFA)补偿控制器;将MFA补偿控制器与伪线性化复合系统相结合,以提高神经网络逆控制的两电机调速系统在负载扰动下的抗扰性能。基于Matlab/Simulink和PLC实验平台进行仿真和实验。实验结果表明:基于神经网络逆系统的MFA鲁棒控制策略不仅能很好地实现两电机转速与张力的解耦,还对负载扰动具有很强的抗扰性能。

永磁同步电机的非线性自适应解耦控制

为了解决电机参数变化和负载扰动的不确定性、影响基于非线性解耦控制的永磁同步电机调速系统性能的问题,提出了一种带干扰抑制的永磁同步电机调速系统非线性解耦控制方法.该方法利用非线性解耦控制理论的微分几何方法实现永磁同步电机调速系统转速和磁链子系统的动态解耦,并结合自适应策略,将参数变化和负载转矩扰动作为扰动输入,设计了动态自适应状态反馈控制律和参数自适应规律.应用Lyapunov稳定理论证明了算法的稳定性,并实现具有L2暂态性指标的渐进跟踪.仿真和试验结果表明,该控制策略能有效地改善永磁同步电机调速系统的动态性能,增强其鲁棒性和抗干扰的能力.

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.

无轴承异步电机非线性滤波器自适应逆解耦控制

针对无轴承异步电机(bearingless induction motor,BIM)多变量、非线性、强耦合的问题,提出了基于非线性自适应滤波器的无轴承异步电机自适应逆解耦控制策略。在分析了无轴承异步电机工作原理的基础上,推导出无轴承异步电机的数学模型,基于自适应逆控制原理,利用非线性自适应滤波器,分别建立转矩系统和悬浮系统的模型和逆模型。复制逆模型,将其串联在对应系统之前作为逆控制器,并采用变步长最小均方(least mean square,LMS)算法在线调整权值。相比于传统的磁场定向控制方法,此方法不必依靠转矩系统来传递磁链信息,从而避免了各自的控制策略之间的相互制约问题。基于MATLAB/Simulink仿真平台,对无轴承异步电机的转子磁链、转速、转矩、悬浮响应进行了仿真分析。仿真结果证明了该方法的有效性,实现了无轴承异步电机旋转力与悬浮力之间的解耦,而且能够实现两自由度径向悬浮力之间、转速与转子磁链之间的动态解耦。该研究可为基于无轴承异步电机的农业生产设备的研发提供参考。

三自由度电动机自适应控制

本文给出了三自由度电动机电磁和力学模型。分析表明，绕组电流和磁链各分量之间、三个力学轴之间都存在着交叉耦合，严重影响着系统性能。本文提出的矢量控制和扰动转矩观测器方法解决了电磁和力学耦合的问题。采用自适应控制，控制器可以有效跟踪系统参数的变化，提高系统性能。仿真和实验结果证实了理论分析。

无轴承异步电机悬浮系统的非线性滤波器自适应逆控制

讨论了基于非线性自适应滤波器的无轴承异步电机(bearlngless induction motor,BIM)悬浮系统自适应逆解耦控制问题.利用非线性自适应滤波器,建立系统模型和逆模型.复制逆模型,将其串联在悬浮系统之前作为逆控制器,并采用改进的最小均方(least mean square,LMS)算法在线调整权值,从而实现转子的悬浮控制.相比于传统的控制方法,此方法不必依靠转矩系统来传递磁链信息,从而避免了各自的控制策略之间的相互制约问题.仿真结果验证了该方法的有效性,完成了系统模型和逆模型的建立,并且能够实现两自由度径向悬浮力之间解耦.

交流电机输入输出自适应解耦控制

输入输出线性化理论应用于感应电动机的控制 ,可得到转子转速与转子磁链两个解耦的线性子系统。考虑到转子电阻的变化和负载转矩的扰动 ,采用自适应的辨识方法使系统输出不受影响。仿真结果表明该控制具有较好的静态与动态性能 ,并呈现出较好的鲁棒性。

基于神经网络逆的感应电机矢量控制改进方法

基于感应电机的矢量控制(转子磁场定向控制)存在不能动态解耦和鲁棒性差的问题,提出了感应电机的一种神经网络逆控制方法,实现了电流控制型感应电机系统的自适应解耦及线性化。该神经网络逆系统相当于在普通的矢量控制结构中加了一个具有鲁棒性和开放性的解耦补偿环节,最后通过仿真和实验验证了该方法的有效性。

双马达同步驱动系统自适应神经元网络控制

针对三轴飞行姿态仿真转台中框架双电液伺服马达同步驱动系统的特点和技术要求，采用自适应神经元网络控制策略，实现了两通道的静态解耦．仿真结果表明，自适应神经元网络控制以其特有的自学习、非线性等优点，使控制系统具有良好的动态性能及强的鲁律性与适应性，取得了良好的同步效果。

单神经元自适应PSD控制的双电机同步系统

以多变量非线性强耦合的双电机同步控制系统为研究对象,针对电流跟踪型SPWM变频器供电的感应电机系统,在α、β静止坐标系下,建立双台电机系统的数学模型。采用单神经元自适应PSD控制器,对多电机同步系统的速度和张力进行解耦控制。实验结果证明了该控制系统在动态性能、稳态性能、跟踪性能方面均优于传统的PID控制器,可以实现系统转子转速和皮带张力的解耦,满足实际生产的要求。

基于模糊神经网络逆系统的无轴承永磁同步电机解耦控制

无轴承永磁同步电机是一个多变量、非线性和强耦合的系统,因此实现转矩和径向悬浮力的动态解耦是无轴承永磁同步电机实现稳定高速高精度运行的关键。提出一种基于模糊神经网络逆系统的新型解耦控制方法,介绍了无轴承永磁同步电机基本结构和工作原理基础,并建立无轴承永磁同步电机转矩和悬浮力的数学模型。在对数学模型进行可逆性分析的基础上,采用模糊神经网络构建一个有效的逆系统,通过将逆系统与原系统串联,使原非线性系统解耦为3个单输入–单输出子系统,并同时设计了闭环控制器。对所设计的控制系统进行仿真和实验研究。仿真和实验结果表明,这种解耦控制方法可以实现无轴承永磁同步电机转矩和悬浮力之间的解耦控制,并具有良好的动态性能和稳定性。

感应电机调速系统非线性自适应解耦控制

针对感应电机由于其变量非线性耦合、电机参变性导致交流调速控制复杂,提出了一种基于微分几何理论的非线性自适应解耦控制方法。将自适应策略与输入输出解耦控制相结合,通过定义选择适当的Lyapunov函数来保证整个系统的稳定性,进而导出系统控制律及参数自适应律。系统可在电机参数变化和负载扰动的情况下,渐近跟踪参考模型给出的转速和磁链信号.仿真结果证实了该方法的有效性。

基于线性化反馈的异步电动机自适应解耦控制

根据异步电动机转子电阻和负载转矩随运行工况而变化的事实,拟应用微分几何多输入、多输出线性化解耦控制理论和模型参考自适应理论,研究提高电动机鲁棒性能的控制策略。最终得到磁链和转速动态解耦的2个二阶子系统。仿真结果表明,该控制策略能够有效解决系统内部参数的摄动和外部参数的扰动影响,系统控制鲁棒性高。

基于神经网络自适应PID的异步电动机定子磁场定向控制

针对异步电动机这一多变量、非线性、强耦合的控制对象,提出了一种基于神经网络自适应PID控制器的异步电动机定子磁场定向解耦控制的新方法。采用定子磁场定向控制,以定子磁链作为反馈量,运用电流励磁分量解耦补偿环节,实现了定子磁场定向控制下电机转速与定子磁链间的解耦控制。同时为实现对异步电动机快速和精确控制,设计出用于异步电动机的神经网络自适应PID控制器,利用神经元的自学习功能在线调节连接权重,实现自适应控制。实验结果表明：这种方法具有控制性能不受电机转子参数的影响,以及快速的转速和转矩响应的特点。

单神经元自适应二维PSD控制的双电机同步系统

以多变量非线性强耦合的双电机同步控制系统为研究对象,针对电流跟踪型SPWM变频器供电的感应电机系统,在a、b静止坐标系下,建立双台电机系统的数学模型。采用单神经元自适应二维PSD控制器,通过反馈抑制了轧辊的扰动和参数差异对控制性能的影响。系统采用非对称双核硬件结构,并引入了硬实时扩展RTX,对多电机同步系统的速度和张力进行解耦控制。实验结果证明了该控制系统在动态性能、稳态性能、跟踪性能方面均优于传统的PID控制器,可以实现系统转子转速和皮带张力的解耦,满足实际生产的要求。

异步电动机自适应非线性解耦控制

针对转子电阻变化和负载转矩扰动会破坏异步电动机非线性解耦控制系统的解耦性 ,使动态性能降低这一问题 ,采用降维转矩观测器和自适应转子电阻估计器分别对负载转矩和转子电阻进行观测和估计 ,实时地对非线性状态反馈解耦控制律进行调整 ,实现异步电动机系统的动态精确解耦 ,提高了系统鲁棒性 。