基于RFLFNN的PMLSM控制系统仿真与实验

发布时间：2021-07-22 14:08

　　为提高永磁直线同步电动机（PMLSM）位置跟踪性能,采用递归函数链模糊神经网络控制（RFLFNN）方法。RFLFNN结合了函数链神经网络（FLNN）和递归模糊神经网络（RFNN）的优点,利用FLNN实现函数扩展,提高系统的非线性逼近能力并对参数进行辨识;RFNN可实时更新调整神经网络的参数值,估计并抑制不确定性因素的影响。实验结果表明,与RFNN相比,该方法极大地改善了PMLSM伺服系统的位置跟踪性能和鲁棒性能。 

【文章来源】：电气传动. 2020,50(09)北大核心

【文章页数】：5 页

【部分图文】：

基于RFLFNN的PMLSM伺服系统结构框图

RFLFNN结构图

由于RFLFNN作为系统位置控制器需要根据系统位置误差实时调整神经网络参数，从而抑制不确定性因素对系统的影响，因此必须确保RFLFNN的参数调整能力。为验证所提方法对参数的估计与辨识能力，首先以PMLSM的电感为例进行仿真验证。已知电机d,q轴电感Ld和Lq均为41.4 m H，电感参数辨识曲线如图3所示。由图3可看出，通过RFLFNN辨识出的电感与实际值十分接近，说明该方法辨识准确，具有强大的逼近能力，可保证电机参数收敛于真实值。

【参考文献】：
期刊论文
[1]基于模糊神经网络补偿控制器的H型平台同步控制[J]. 张佳媛,王丽梅.  电气工程学报. 2015(09)
[2]永磁同步直线电机磁阻力分析及抑制措施[J]. 韩雪岩,祁坤,张哲,贾建国.  电工技术学报. 2015(06)
[3]永磁同步电机动态模糊神经网络控制器设计[J]. 刘凤春,段征宇,牟宪民.  电气自动化. 2013(03)
[4]基于模糊神经网络的异步电机DTC研究[J]. 徐保友,周浩,黄挚雄.  变频器世界. 2012(02)
[5]基于RBF神经网络整定PID的PMLSM控制研究[J]. 曹文霞,汪永华,钱多德.  安徽农业大学学报. 2012(01)



本文编号：3297299