基于RBF神经网络非线性预测模型的开关磁阻电机自适应PID控制

发布时间：2022-01-17 19:47

　　开关磁阻电机的非线性和变参数特性使得采用传统的PID控制很难取得较好的控制效果。人工神经网络在一定的条件下可以任意精度逼近任意非线性函数且具有较强的自学习、自适应、自组织能力。故将其与传统的PID控制相结合构成神经网络自适应PID控制策略,应用于非线性严重的开关磁阻电机,可实现对开关磁阻电机的高性能控制。同时,神经网络所具有的非线性变换特性和高度的并行运算能力使得其适合建立非线性预测模型进行参数预测。通过对被控系统参数的预测,可提高系统的动态响应性能。该文采用两个神经网络-BP神经网络和RBF神经网络来分别构成神经网络NNC和神经网络NNI。神经网络NNC进行自适应PID参数调节；神经网络NNI用来建立非线性预测模型进行参数预测。为进一步加快神经网络的学习收敛速度,该文采用变学习速率的神经网络学习算法,学习速率随收敛过程误差的大小而自适应地进行调整,这可大大加快神经网络学习训练的收敛速度,进一步提高系统动态响应速度。实验结果表明,系统的动态响应快,超调小,稳态精度高,鲁棒性强,有较强的抗扰动能力,具有较好的控制效果。 

【文章来源】：中国电机工程学报. 2007,(03)北大核心EI

【文章页数】：6 页

【文章目录】：
0 引言
1 开关磁阻电机电压PWM控制方式
2 基于RBF神经网络非线性预测模型的自适应PID控制系统
    2.1 基于RBF神经网络非线性预测模型的自适应PID控制系统整体结构
    2.2 基于BP神经网络的PID控制参数自适应调节经典的增量数字PID控制算式可表示如下
    2.3 基于RBF神经网络的非线性预测模型
    2.4 学习速率的自适应调整
    2.5 离线训练与在线训练
3 实验结果
4 结论


【参考文献】：
期刊论文
[1]基于RBF神经网络的开关磁阻电机瞬时转矩控制[J]. 夏长亮,陈自然,李斌.  中国电机工程学报. 2006(19)
[2]开关磁阻电机神经网络自适应PWM转速控制[J]. 夏长亮,陈自然,李斌.  中国电机工程学报. 2006(13)
[3]基于RBF神经网络的开关磁阻电机单神经元PID控制[J]. 夏长亮,王明超.  中国电机工程学报. 2005(15)
[4]基于神经网络的开关磁阻电机无位置传感器控制[J]. 夏长亮,王明超,史婷娜,郭培健.  中国电机工程学报. 2005(13)
[5]恒压频比变频调速系统的神经网络逆控制[J]. 戴先中,刘国海,张兴华.  中国电机工程学报. 2005(07)
[6]基于RBF神经网络的超声波电机参数辨识与模型参考自适应控制[J]. 夏长亮,祁温雅,杨荣,史婷娜.  中国电机工程学报. 2004(07)
[7]基于自适应径向基函数神经网络的无刷直流电机直接电流控制[J]. 夏长亮,王娟,史婷娜,陈炜,徐绍辉,杨荣.  中国电机工程学报. 2003(06)
[8]新型双凸极永磁电机调速系统的变参数PI控制[J]. 孙强,程明,周鹗,胡敏强.  中国电机工程学报. 2003(06)
[9]神经元自适应PID控制在开关磁阻电机中的应用[J]. 刘剑,吴成东,梁延东.  微特电机. 2002(05)
[10]基于自适应人工神经网络的无刷直流电机换相转矩波动抑制新方法[J]. 夏长亮,文德,王娟.  中国电机工程学报. 2002(01)



本文编号：3595334