基于神经网络的感应电动机命令滤波反步控制

《基于神经网络的感应电动机命令滤波反步控制》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、分类号：TM273密级：不保密UDC：62学校代码：11065硕士学位论文基于神经网络的感应电动机命令滤波反步控制王晓玲指导教师于金鹏（教授）学科专业名称控制科学与工程论文提交日期2017年5月8日论文答辩日期答辩委员会主席第一章绪论摘要感应电动机以其简单的结构，低廉的制造成本，运行时较低的损耗和较高的稳定性等优势使其逐渐在工业应用中扮演了重要角色。然而，由于感应电机驱动系统为高阶、强耦合、参数时变的非线性系统，使其在运行过程中容易受负载扰动和参数时变的影响而降低运行效率。所以，研究新颖有效的控制

2、方法来提升感应电机驱动系统的动态和静态特性，是一个具有重要理论意义与实际生产价值的研究方向。针对经典的感应电机控制策略中存在的一些不足，本文结合命令滤波自适应反步原理研究了感应电机的神经网络速度调节和位置跟踪控制方法。运用神经网络逼近感应电机系统中的非线性项，通过引入命令滤波技术和自适应反步原理，实现了对感应电机驱动系统的有效控制。论文的主要研究成果如下：1.研究了具有严格反馈结构的非线性系统模型的命令滤波自适应反步控制策略。利用神经网络系统逼近系统中的非线性项，通过引入命令滤波器有效地避免了“计

3、算爆炸”问题，根据反步原理构造RBF网络自适应控制器，并使用李雅普诺夫方法给出了系统的稳定性证明。2.研究了基于命令滤波神经网络自适应反步技术的感应电动机速度调节和位置跟踪控制问题。利用神经网络系统逼近感应电动机系统中的非线性项，通过引入命令滤波技术来避免对虚拟控制信号的反复求导问题，采用反步法构造整个系统模型的真实控制器，根据李雅普诺夫原理对其稳定性进行分析。本文构造出的真实控制律只有一个自适应参数，因此更容易应用于工程实际，并且能够克服参数不确定及负载扰动的影响，模型中的每个状态信号都是有界的

4、。最后在MATLAB仿真环境下，对所提策略的有效性给出了直观证明。3.研究了基于滤波误差补偿机制的命令滤波自适应神经网络速度调节控制器。利用RBF网络逼近感应电机驱动模型中的非线性项，命令滤波器被用来解决由于对虚拟控制律反复求取导数而大大增加计算负担的不足，通过引入误差补偿信号，对命令滤波器的滤波误差进行有效补偿，从而减少了滤波器误差对控制系统产生的影响，同时运用反步原理构造整个系统的真实控制器。所构造的控制器可以使感应电机的转子速度快速准确地对期望信号进行有效跟踪，且所有状态变量均有界。从仿真的

5、结果可以看出，在参数未知和负载扰动的影响下，所提出的控制方法仍能使系统获得很好的鲁棒性和跟踪效果。关键词：感应电动机；命令滤波技术；反步法；神经网络；自适应控制第一章绪论AbstractInductionmotors(IMs)haveplayedmoreandmoreimportantroleinindustrialapplicationsbecauseoftheirsimplestructure,lowmanufacturingcost,highreliabilityandeffectivene

6、ss.However,sincetheIMs’drivesystemisahigh-order,stronglycouplingandparametertime-varyingnonlinearsystem,whichwilleasilyreducetheIMsrunningefficiencyundertheinfluenceofloaddisturbanceandparametertime-varying.Therefore,theresearchofadvancedandeffectivec

7、ontrolstrategytoimprovethedynamicandstaticperformanceofIMsdrivesystemisavaluableresearchdirectionintheoreticalandpracticalapplications.InordertoovercomethedrawbacksoftheclassicalcontrolmethodofIMs,inthispaper,theneuralnetworkadaptivespeedregulationcon

8、trolandpositiontrackingcontrolstrategyofIMsarestudiedbasedoncommandfilteredadaptivebacksteppingtheorem.Duringthedesignprocess,neuralnetworksystemsareusedtoapproximatethenonlinearfunctionsinthesystem,andbyusingcommandfilteringtechniqueandadapti