永久的混乱的直接自适应神经控制同步电动机.docVIP

永久的混乱的直接自适应神经控制同步电动机 文摘本文直接自适应神经速度跟踪控制是解决混乱的永磁同步电动机永磁同步电动机驱动系统通过往后退。神经网络直接用于近似未知和所需的控制信号和小说直接通过逐步退焊法构造自适应跟踪控制器。提出的自适应神经控制器保证跟踪误差收敛到原点的一个小邻域。设计与传统后退方法相比,神经控制器的结构非常简单。仿真结果表明,该控制方案可以抑制永磁同步电动机的混乱甚至保证完美的跟踪性能与未知参数的存在。 关键词·关键词混沌神经网络非线性系统控制····自适应控制永磁同步电动机·往后退 1介绍 永磁同步电机(永磁同步电动机)是工业应用的极大兴趣,因为他们的高速度、高效率、高功率密度和转矩惯量比大。永磁同步电动机的安全稳定运行,这是一个重要的工业自动化生产的要求,因为它已经受到了相当大的关注动态模型是非线性、多变量、甚至经历霍普夫分岔,极限环,混沌吸引子与系统参数落入某一地区。 混乱的发生在电机驱动系统是由Kuroe解决和Hayashi[1]在1980年代末。自那时以来,它已经在非线性科学领域最热门的研究主题之一。许多研究人员注意到混沌的发现及其在几种类型的电机驱动控制系统和参考其中[2 - 6]。永磁同步电动机混沌中能由李和公园等人[5]。永磁同步电动机混沌行为是不可取的,因为它会破坏汽车的稳定性,甚至使系统崩溃。永磁同步电动机及其控制的混乱已经积极的研究主题领域的非线性控制的电动马达。通用电气和黄开发了一个自适应同步控制方法[6]的永磁同步电动机;并提出控制器稳定的混乱表现出由永磁同步电动机稳定的系统对用户确定点在永磁同步电动机的奇怪吸引子。此外,时间延迟反馈控制的方法成功地实现了任正非et al。[8]控制永磁同步电动机。滑模控制是解决控制的永磁同步电动机混沌[9]。AndWei et al。[10]提出了一个自适应动态面控制的永磁同步电动机混沌。瞬间李雅普诺夫指数控制算法被Zribi et al。[11]控制永磁同步电动机。然而,现有的控制方法也有一些缺点。反馈线性化的工作方法需要精确的数学模型,因此,控制器需要所需的动态替换系统d-q轴定子电流。时间延迟反馈控制是成功实现控制永磁同步电动机,但很难确定延时TDFC给定一个特殊目标和方法不适合当所需的目标不平衡或系统的不稳定周期轨道。抖振现象和高热量损失在电源电路的缺点是滑模控制[12]。 近年来,神经网络(NN)方法已经引起了相当大的关注,因为其固有的功能建模和控制高度不确定、非线性、复杂系统[13]。关颖珊和刘易斯提出了一种新的鲁棒往后退速度控制器感应电动机(IM)驱动器使用NNs[14],在一个两层神经网络用于设计虚拟控制器,强劲和第二个神经网络用来实现虚拟神经网络信号。围和Chang[15]地址新设计解耦系统,逐步退焊法小波神经网络(网络)控制系统实现高精度position-tracking间接磁场定向IM驱动器的性能。径向基函数(RBF)神经网络(NN)(16、17)被认为是一个两层网络,其中包含隐藏层和输出层。因此,神经网络可以用来处理不确定信息;此外,适用于控制这些系统不明确的或过于复杂的数学模型。人们已经发现的一个受欢迎和传统工具功能近似和提供了一个有效的方法来设计一个控制系统,是控制工程领域的重要应用。 逐步退焊法是一种新开发的技术控制具有参数不确定性的非线性系统,特别是系统的不满足匹配条件的不确定性(18-26)。传统的逐步退焊法是最近成功地应用于永磁同步电动机驱动的控制。但往后退方法的一个主要问题是某些功能必须“未知系统的线性参数,”和一些非常乏味的分析需要确定一个“回归矩阵”[14]。道森et al。[27]使用传统后退技术来控制直流电机,但会发现回归矩阵几乎涵盖了一个完整的页面。传统的同步控制方法的另一个缺点是称为“爆炸”的问题,重复的分化造成的虚拟输入[28]。例如,[29]中开发的自适应反推控制器控制永磁同步电机参数不确定性是代表“爆炸的问题。“该控制器包含太多的非线性条件和在实践中很难实现。第三,控制律设计过程不考虑undeterministic参数的影响。 本文研制了一种直接自适应神经控制方法抑制混沌的永磁同步电动机驱动系统通过逐步退焊法技术。与所有现有的结果自适应神经网络控制,RBF神经网络用于直接近似理想的控制输入信号,而不是未知的非线性和自适应反推技术用于构造神经网络控制器。这意味着undeterministic参数考虑进去,没有回归矩阵需要发现,“爆炸”的问题是克服。与现有结果PMSMs自适应神经网络控制,本文的主要贡献在于发达的神经网络控制器具有简单的结构和自适应参数的数量是独立于数字神经网络的基函数和系统状态变量。因此,该方案的计算负担减轻,这将使我们的设计方案更适合实际应用。仿