為提高永磁直線同步電動機（PMLSM）位置跟蹤性能,采用遞歸函數(shù)鏈模糊神經(jīng)網(wǎng)絡(luò)控制（RFLFNN）方法。RFLFNN結(jié)合了函數(shù)鏈神經(jīng)網(wǎng)絡(luò)（FLNN）和遞歸模糊神經(jīng)網(wǎng)絡(luò)（RFNN）的優(yōu)點,利用FLNN實現(xiàn)函數(shù)擴展,提高系統(tǒng)的非線性逼近能力并對參數(shù)進行辨識;RFNN可實時更新調(diào)整神經(jīng)網(wǎng)絡(luò)的參數(shù)值,估計并抑制不確定性因素的影響。實驗結(jié)果表明,與RFNN相比,該方法極大地改善了PMLSM伺服系統(tǒng)的位置跟蹤性能和魯棒性能。 

【文章來源】：電氣傳動. 2020,50(09)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

基于RFLFNN的PMLSM伺服系統(tǒng)結(jié)構(gòu)框圖

RFLFNN結(jié)構(gòu)圖

由于RFLFNN作為系統(tǒng)位置控制器需要根據(jù)系統(tǒng)位置誤差實時調(diào)整神經(jīng)網(wǎng)絡(luò)參數(shù)，從而抑制不確定性因素對系統(tǒng)的影響，因此必須確保RFLFNN的參數(shù)調(diào)整能力。為驗證所提方法對參數(shù)的估計與辨識能力，首先以PMLSM的電感為例進行仿真驗證。已知電機d,q軸電感Ld和Lq均為41.4 m H，電感參數(shù)辨識曲線如圖3所示。由圖3可看出，通過RFLFNN辨識出的電感與實際值十分接近，說明該方法辨識準確，具有強大的逼近能力，可保證電機參數(shù)收斂于真實值。

【參考文獻】：
期刊論文
[1]基于模糊神經(jīng)網(wǎng)絡(luò)補償控制器的H型平臺同步控制[J]. 張佳媛,王麗梅.  電氣工程學(xué)報. 2015(09)
[2]永磁同步直線電機磁阻力分析及抑制措施[J]. 韓雪巖,祁坤,張哲,賈建國.  電工技術(shù)學(xué)報. 2015(06)
[3]永磁同步電機動態(tài)模糊神經(jīng)網(wǎng)絡(luò)控制器設(shè)計[J]. 劉鳳春,段征宇,牟憲民.  電氣自動化. 2013(03)
[4]基于模糊神經(jīng)網(wǎng)絡(luò)的異步電機DTC研究[J]. 徐保友,周浩,黃摯雄.  變頻器世界. 2012(02)
[5]基于RBF神經(jīng)網(wǎng)絡(luò)整定PID的PMLSM控制研究[J]. 曹文霞,汪永華,錢多德.  安徽農(nóng)業(yè)大學(xué)學(xué)報. 2012(01)



本文編號：3297299