• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Asian Journal of Control >NEURON PID CONTROL FOR A BPMSM BASED ON RBF NEURAL NETWORK ON-LINE IDENTIFICATION
【24h】

NEURON PID CONTROL FOR A BPMSM BASED ON RBF NEURAL NETWORK ON-LINE IDENTIFICATION

机译：基于RBF神经网络在线识别的BPMSM神经网络PID控制

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The ability to improve the dynamic performance and control accuracy of the bearingless permanent magnet synchronous motor (BPMSM) is critical to developing and maintaining a high application. BPMSM, however, is a nonlinear system with unavoidable and unmeasured disturbances, in addition to having parameter variations. Traditional control strategies cannot attain good performance. Thus, it is important to propose a new design procedure in order to construct a robust controller with good closed-loop capability. This paper presents a neuron proportional-integral-derivative (PID) controller based on radial basis function neural network (RBFNN) on-line identification to regulate optimal parameters using the approximated ability of RBFNN. Through the RBFNN algorithm, the current model of the system is automatically extracted for updating the PID controller parameters. This scheme can adjust the PID parameters in an on-line manner even if the system has nonlinear properties. Simulations and experiments demonstrate that the new method has better control system performance than conventional PID controllers.
机译：提高无轴承永磁同步电动机（BPMSM）的动态性能和控制精度的能力对于开发和维持高应用至关重要。但是，BPMSM是一个非线性系统，除了具有参数变化之外，还具有不可避免的无法测量的干扰。传统的控制策略无法获得良好的性能。因此，重要的是提出一种新的设计程序，以构建具有良好闭环能力的鲁棒控制器。本文提出了一种基于径向基函数神经网络（RBFNN）在线辨识的神经元比例积分微分（PID）控制器，以利用RBFNN的近似能力调节最优参数。通过RBFNN算法，可自动提取系统的当前模型以更新PID控制器参数。即使系统具有非线性特性，该方案也可以在线方式调整PID参数。仿真和实验表明，该新方法具有比常规PID控制器更好的控制系统性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号