探析α阶神经网络逆系统方法在多电机同步控制系统中的应用

《探析α阶神经网络逆系统方法在多电机同步控制系统中的应用》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、东南大学硕士学位论文α阶神经网络逆系统方法在多电机同步控制系统中的应用姓名：李建勇申请学位级别：硕士专业：控制理论与控制工程指导教师：王勤20020701壅查盔堂堡主堂焦丝苎．————————————————————————————————!堕摘要本文针对多电机同步系统多变量线性化和解耦控制问题，在国家“211工程”建设基金的资助下，应用微分几何方法和神经网络a阶逆系统的方法对由两台交流电机和变频器组成的多电机同步系统的速度和张力解耦控制进行了理论和实验研究。首先，给出了交流电机在不同坐标系下的数学模型，利用了微分几何方法分析了多电机同步系统在磁场定向控制下的数学模型，并利用该方法得

2、出了解耦算法，并利用计算机搭建了仿真模型，进行了仿真以验证算法的有效性。其次，介绍了逆系统方法，给出了利用逆系统方法实现非线性系统输入输出线性化解耦的充要条件以及利用神经网络构建神经网络n阶逆系统的构造算法。利用逆系统方法对交流电机和多电机同步系统进行了可逆性分析，在理论分析的基础上，使用处理过的采样数据，经过神经网络训练构造了多电机系统的a阶逆系统，将神经网络逆系统与原系统组成复台系统，多电机系统被线性化解耦成两个单输入单输出的伪线性积分子系统，在此基础上设计了闭环控制器对多电机系统进行控制，并将所设计的神经网络和控制器编制为全数字控制的计算机控制算法，在多电机同步系统实验平台上，

3、进行了控制试验，检验了算法的有效性。所设计的神经网络控制器在线运行时．不需要被控对象的参考模型或逆动力学解析模型，而只需直接对被控对象进行控制。大量的实验结果表明：所设计的控制方法成功实现了速度与张力间的完全锵耦，系统对负载的扰动有较强的抑制作用，系统的动静态特性明显改善，可有效跟踪任意给定轨迹。本文的神经网络逆系统控制方法在许多工业控制场合具有良好的应用前景。关键词：多电机同步系统；解耦控制：神经网络a阶逆系统；速度；张力第1页查塑查堂婴圭堂垡望苎．一——』兰翌墨垒里三ABSTRACTWiththefinancialaidoftheconstructionfundofthe“Nat

4、ional21IProject”，thepaperfocusesonthemulti．variableIinearizationanddecouplingcontrolforthemultiinductionmotorssynchronoussystem，whichisconstructedwithtwoinductionmotorsandtwoinvertors，wherethemethodofthed—thANNinversesystemmethodandthedifferentialgeometrymethodareimplementedandverifiedbytheexpe

5、riments．First,themathematicsmodelsoftheinductionmotorunderthedifferentreferenceframesareobtained．Thedifferentialgeometrymethodisappliedtoanalyzethefieldorientedmultimotorsynchronoussystemandgetthedecouplingalgorithm．Thecomputersimulationmodelisbuiltandthesimulationsareprocessedcenifythevalidity

6、ofthealgorithmforthelinearizationanddecouplingcontr01．Second，theinversesystemmethodisintroducedandthenthenecessaryandsufficientconditionsfortheexistenceoftheinversionarepresented．andtheconstructionalgorithmsfortheinversionaredevelopedforfabricatingthea—thANNinversesystemoforiginalsystem．Theinve

7、rsionoftheinductionmotorsandthemultimotorsystemareanalyzedandthea—thANNinversesystemofthemultiinductionsynchronoussystemisbuiltthroughtrainingtheneuralnetworkwiththeprocessedsampledata．Thentheinversionsystemiscascadedbeforethemult