神经网络自适应控制技术研究与应用

《神经网络自适应控制技术研究与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、贵州大学硕士学位论文中文摘要在传统的变频控制系统中，调节器通常采用PID调节器，设置PID参数的依据是基于模型精确的线性系统的经典控制理论。目前，交流调速系统中，控制器的设计主要采用近似线性化的工程设计方法。显然，对一个非线性、多变量、参数时变的对象，恒定的PID参数将无法保证系统的控制精度。神经网络自适应控制技术解决复杂多变量、非线性、时变系统的研究，目前大多停留在理论研究上，本文选用神经网络自适应技术解决交流变频驱动复杂系统的控制问题。先介绍了神经网络自适应控制技术及交流调速的研究现状和面临

2、的问题，进行分析总结，提出了基于TI公司高性能电机控制芯片．'IW5320F240DSP，利用清华大学大电力电子与电机系统研究所开发的电机系统开发平台构建了神经网络变频驱动双闭环(转速环、电流环)控制系统。在实验的基础上研究分析神经网络自适应控制系统的跟随性、抗扰性和鲁棒性。通过实验得出神经网络自适应控制技术能较好解决交流变频驱动等复杂非线性、参数时变系统的控制问题。相比传统PID控制系统，提高了系统精度、增强了系统的抗扰能力和鲁棒性。关键词：神经网络自适应控制DSPPID变频驱动非线性系统重型

3、查兰堡主堂垡堡塞ABSTRACTIntheadditionalcontrolsystemswhatwasdrivenbyfrequencyconverter,weusuallyadoptedrIDregulator,anditsparameteraccordingtoclassicalcontroltheorybasedonthelinearsystemwhosemodelisaccurate．Recently，intheACadjustedspeedsystem,themethodofcont

4、rollerdesignfocusontheHneareliIginceringdesign．Obviously,constantrIDparametercan’tguaranteecontrolprecisionofsystemtoauobject,whichisnonlinear,multilateralvariableandparameters，changedwithtime．●Recently,mostresearchOHneural-network-basedadaptivecontr

5、oltechnologyforresolvingcomplicatedsystems，whichisnonlinear,multilateralvariableandparameterschangedwithtime，stillfocusesontheory．Inthispaper,Iselectedneural-network-basedadaptivecontroltechnologytosolutecontrolproblemsofcomplicatedsystem,whichisdriv

6、enACfrequencyconverter．Firstly,thispapergivesanoverviewoftherecentstudiesonneural·net2work-basedadaptivecontroltechnologyandACaajustedspeed．AndseveralimportantproblemsexistingOHthemarealsoproposed．SecondlythispaperputsforwardathouIghtthattheneural-ne

7、t-work-dual-closedloop·controlsystemdrovedbyfrequencyconverterisdesigneddependingonthedevicedevelopedbyresearchinstituteonpower-electronandcontrolsystemofmotorofQingltuauniversity．ThissystemisrealizedOHDSPprovedbyTIcompany．Onthebasisofexperimentandem

8、ulation，thispaperresearchesandanalysesabiHtiesoffollowing，resistingdisturbanceandrobustaboutneuralnet-workbasedadaptivecontrolsystem．Throughtheemulationandexperiment,tiffspapermakesaconclusionthatneural·net-work-basedadaptivecontroltechnologycansettl