基于误差反馈学习的永磁同步电机变负载有限时间速度控制

针对传统永磁同步电机调速系统面对变负载和大范围调速时,P、I参数需要频繁调整且速度跟踪不理想的问题,提出了一种基于误差反馈学习结构的永磁同步电机有限时间速度控制方法。在对永磁同步电机运动方程分析的基础上,使用非线性PI和径向基神经网络建立了速度环控制器模型。前者保证控制系统收敛和稳定,其输出作为神经网络的误差学习参数;后者基于终端滑模理论设计参数调整律,加快神经网络的参数收敛速度,使得神经网络的输出逐渐取代非线性PI成为控制系统的主要控制器。利用李雅普诺夫稳定判据分析了控制器的收敛性,并在永磁同步电机调速系统上进行了试验。研究结果表明,基于误差反馈学习结构的有限时间控制策略能够减小系统静态误差和抖振,具有一定的抗干扰能力。

一种改进的NLMS算法及其在自适应逆控制中的应用

提出一种对FIR滤波器和基于反馈RBF网络的非线性滤波器都适用的改进型NLMS(VS MNLMS)算法,并将其应用于线性和非线性自适应逆控制(AIC)系统的逆建模.该算法计算简单,容易实现,具有全局收敛性.数字仿真结果表明VS MNLMS能获得比其它四种变步长LMS算法更快的收敛速度、更小的稳态MSE,更好的鲁棒性,并使AIC系统具有良好的动静态性能,从而验证了本文提出的算法和非线性滤波器在AIC中的有效性.

基于自适应RBF观测器的列车输出反馈控制

针对速度不可测的高速列车轨迹跟踪控制问题,采用神经网络观测器设计无需建模的列车位移输出反馈控制器。首先,考虑列车运行过程中环境干扰、列车模型不确定以及列车模型非线性问题,采用动态自适应递归神经网络,估计列车模型不确定项;然后,设计列车速度观测器解决列车速度不可测问题,针对外界干扰和模型估计误差设计鲁棒项以减小速度估计误差;最后,采用滑模方法设计列车轨迹跟踪控制律。Lyapunov稳定性分析和计算机仿真验证了算法的稳定性和有效性。研究结果表明,在没有速度传感器,且存在外界环境干扰情况下,设计的神经网络估计误差、观测误差以及位移和速度的跟踪误差一致最终有界,位移跟踪误差在0.5 m以内,速度跟踪误差在0.3 m/s以内。

无需精确初始误差的纯反馈系统实用预设时间保性能控制设计

暂态行为、稳态精度、调节时间和收敛速率是评价控制系统闭环性能的四个关键指标.文章针对非匹配的不确定纯反馈非线性系统,提出了一种同时满足以上四个指标的跟踪控制设计方案.该方案通过设定性能函数来保证系统输出信号始终保持在由该函数边界形成的包络范围内.同时,在一种新颖的误差转换机制控制下,闭环系统的稳态精度和调节时间可以被预先设定.文章使用神经网络来逼近完全未知的非线性函数,其中神经网络的权值可以通过自适应律在线更新.另外,文章在自适应律中加入σ-修正项以避免估计参数发生漂移现象.最后,仿真结果验证了所提控制方法的有效性和在控制性能上的优越性.