结合改进PSO-BP神经网络的无刷直流电机控制

针对无刷直流电机的BP 神经网络控制器收敛速度慢,易陷入局部最优,设计了一种采用改进粒子群BP 神经网络控制的无刷直流电机控制系统,改进的粒子群算法在速度更新方程中引入了具有时变衰减特性的惯性权重,并用改进的粒子群算法对BP 神经网络初始权值进行离线训练. 仿真结果显示改进PSO-BP 神经网络孔制系统比标准PSO-BP 神经网络控制有更好的稳定性与抗干扰性,整个系统动、静态响应更好.     

人工心脏的无传感器无刷直流电机闭环调速系统

介绍了一种用于人工心脏叶轮血泵的无传感器无刷直流电机闭环调速系统,该系统借助于先进的电机驱动专用集成电路ＭＬ４４２８,实现了电机自起动,反电势检测和闭环速度调节等功能。这不仅使系统控制特性及可靠性均得到提高,并且所用元件减少,体积减小。文中还详细了系统的基本设计原理及元器件的理论计算公式。最后还给出系统闭环调速实验结果。该结果表明系统调速特性良好。     

永磁无刷直流电机调速系统的仿真

采用模拟仿真技术,对一台电动摩托车用的永磁无刷直流电机进行了测试,以此来验证电机参数的合理性.重点推导出了三相逆变器供电的主电路中点电压方程,得到了精确的电机模型,以此来完善整个调速系统.试验是在一个转速、电流双闭环调速系统下进行的.     

人工心脏的无传感器无刷直流电机闭环调速系统

介绍了一种用于人工心脏叶轮血泵的无传感器无刷直流电机闭环调速系统,该系统借助于先进的电机驱动专用集成电路 Ｍ Ｌ４４２８ ,实现了电机自起动,反电势检测和闭环速度调节等功能这不仅使系统控制特性及可靠性均得到提高,并且所用元件减少,体积减小文中还详细介绍了系统的基本设计原理及元器件的理论计算公式最后还给出系统闭环调速实验结果该结果表明系统调速特性良好     

基于BP神经网络无刷直流电机换相转矩脉动抑制方法的研究

将首先建立无刷直流电机数学模型,其次研究无刷直流电机换相转矩脉动产生的原因,最后设计BP神经网络参数自学习PID控制器,利用BP神经网络参数自学习PID控制器抑制无刷直流电机的换相转脉动,使其抑制效果达到最佳。     

永磁无刷直流电机系统仿真研究

在分析永磁无刷直流电机数学模型的基础上，采用MATLAB／Simulink软件建立了永磁无刷直流电机控制系统仿真模型，并通过实例电机的仿真，给出了仿真波形，证明模型的可行性，极大地方便了实际系统的设计和调试工作。     

永磁无刷直流电机调整系统的仿真

采用模拟仿真技术，对一台电动摩托车用的永磁无刷直流电机进行了测试，以此来验证电机参数的合理性，重点推出了三相逆变器供电的主电路中点电压方程，得到了精确的电机模型，以此来完善整个调速系统，试验是在一个转速，电流双闭环调速系统下进行的。     

基于单神经元神经网络的无刷直流电机控制系统仿真

无刷直流电机是一种多变量、非线性、参数时变以及强耦合的复杂系统,利用传统比例积分微分(proportional integral differential,PID)算法控制无刷直流电机存在参数调整困难、自适应能力差、控制精度低以及抗干扰能力弱等问题.为实现无刷直流电机的高精度控制,在转速环中引入了基于单神经元神经网络PID控制算法,研究了无刷直流电机的数学模型及运行特性,提出了单神经元神经网络PID算法,最后比较分析了在电机双闭环控制系统中转速环采用不同控制算法下的转速阶跃函数响应,以及三相电流、反电动势和电磁转矩的运行状态.结果表明:单神经元神经网络PID算法控制下的无刷直流电机其转速的阶跃函数响应具有更快的上升时间、更小的超调量以及更加稳定的运行状态.     

基于BP神经网络的直流电机PID控制系统研究

以直流电动机为控制对象,建立数学模型,并在传统PID的基础上结合神经网络算法,充分利用神经网络自学习功能,实现对PID参数的实时在线自整定.克服了PID控制参数难以确定和控制过程无法随环境等变化而自适应的缺点,体现了神经网络较好的智能性与较强的鲁棒性.利用Matlab软件进行仿真研究,结果表明神经网络PID较传统PID更精准,更具适应性,控制效果优越.     

无刷直流电机模型的建立及控制系统仿真研究

本文采用状态方程描术的方法建立无刷直流电机的数学模型，同时给出了电流控制器（ＰＷＭ）以及转换开关的实时模型。并基于以上模型对系统进行详细仿真和分析。     

基于模糊PID模型的无刷直流电机转速控制

摘要：无刷直流电机（BLDCM）是一种多变量、强耦合、非线性、时变的复杂控制系统,采用传统的PID控制很难实现无静差控制。本文针对无刷直流电机（BLDCM）提出了一种基于PID模型的转速控制方案,利用无刷直流电机的电压与转矩转速方程,通过调节PID参数来实现转速控制,采用模糊原理对PID参数进行模糊化,根据电机参数的变化,对PID参数进行在线调整,取得了高精度的转速控制。仿真和实验结果表明,采用本文提出的模糊PID控制方法控制无刷直流电机,能够实现响应速度快、无超调、控制精度高,且系统对干扰和参数变化具有较强的鲁棒性,动、静态性能均优于传统的PID控制和单纯的模糊控制。     

基于BPNN的非线性电阻网络故障诊断方法研究

针对非线性电阻网络，提出了一种规范式分段线性化求多值解，并采用BPNN对非线性电阻网络硬故障进行诊断的方法，克服了一般方法对非线性电阻网络硬故障诊断时易存在的漏诊问题。     

直流无刷电机控制系统的建模与仿真

为了验证各种控制算法、控制策略和电机参数设计的合理性,基于Matlab／simu—link仿真平台构建了整个三角波PWM控制直流无刷电机控制系统的仿真模型,并详细介绍了控制系统的各个子模块。从直流无刷电机基本的磁链方程入手,分析了两相导通三相六状态星形方波直流无刷电机的运行模式。仿真结果表明,该控制系统模型具有转速、转矩响应好和仿真速度快的优点。     

无刷直流电机免疫反馈自适应学习人工神经网络控制

针对BP神经网络收敛速度较慢、学习时间较长的缺陷，提出了基于免疫反馈规则的神经网络控制器用于无刷直流电机的转速控制中．该规则根据免疫系统中的T细胞的生物免疫反馈机理而总结出来，包括决定应答速度的激活环节和决定稳定效果的抑制环节．将免疫反馈规则应用于BP神经网络训练中学习速率的自适应调节，加快了神经网络的收敛速度，缩短了学习时间．无刷直流电机控制系统采用双闭环控制，内环为电流环，外环为速度环．MATLAB仿真和实验表明，采用该方法的系统超调量小、速度响应快，而且速度响应受电机参数变化影响小，各种外界干扰也得到了很好的抑制，具有较高的控制精度和较好的动、静态性能．     

基于Matlab的改进BP神经网络及其应用

讨论了BP神经网络及几种改进BP神经网络性能的算法．用Matlab编制出相应的BP神经网络算法程序，并将其用于处理紫外分光光度法同时测定Fe，Co，Ni，Cu，V的实验数据，结果表明L—M法收敛最快，精度最高．     

自动门用无刷直流电机的控制系统研究

针对自动门的控制驱动要求,并根据无刷直流电机的特性,设计了基于MSP430f149单片机的无刷直流电机控制系统。对系统的硬件电路设计、控制策略和软件设计流程进行了介绍。通过样机试验验证,能够有效地控制驱动自动门可靠运行。     

基于补偿模糊神经网络的BLDCM伺服控制

为了实现无刷直流电机(BLDCM)位置伺服系统的高精度位置跟踪控制,针对系统多变量、非线性、强耦合、时变的特点,提出了一种基于补偿模糊神经网络控制器(CFNNC)的设计方法.该控制器将补偿模糊逻辑和神经网络相结合,引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.仿真和在DSP控制系统上的实验结果表明,采用补偿模糊神经网络控制器,系统响应快、精度高、鲁棒性强,动态特性明显优于传统PID控制.