如何對PID實現(xiàn)同步控制，什么樣可以實現(xiàn)呢？

在工業(yè)控制中，PID控制（比例-積分-微分控制）得到了廣泛的應(yīng)用，這是因為PID控制具有以下優(yōu)點：01不需要知道被控對象的數(shù)學(xué)模型。

實際上大多數(shù)工業(yè)對象準(zhǔn)確的數(shù)學(xué)模型是無法獲得的，對于這一類系統(tǒng)，使用PID控制可以得到比較滿意的效果。據(jù)日本統(tǒng)計，目前PID及變型PID約占總控制回路數(shù)的90%左右。

02PID控制器具有典型的結(jié)構(gòu)，程序設(shè)計簡單，參數(shù)調(diào)整方便。

03有較強(qiáng)的靈活性和適應(yīng)性，根據(jù)被控對象的具體情況，可以采用各種PID控制的變種和改進(jìn)的控制方式，如PI、PD、帶死區(qū)的PID、積分分離式PID、變速積分PID等。

隨著智能控制技術(shù)的發(fā)展，PID控制與模糊控制、神經(jīng)網(wǎng)絡(luò)控制等現(xiàn)代控制方法相結(jié)合，可以實現(xiàn)PID控制器的參數(shù)自整定，使PID控制器具有經(jīng)久不衰的生命力。

二，PLC實現(xiàn)PID控制的方法如圖所示為采用PLC對模擬量實行PID控制的系統(tǒng)結(jié)構(gòu)框圖。

用PLC對模擬量進(jìn)行PID控制時，可以采用以下幾種方法：如圖用PLC實現(xiàn)模擬量PID控制的系統(tǒng)結(jié)構(gòu)框圖使用PID過程控制模塊。

這種模塊的PID控制程序是PLC生產(chǎn)廠家設(shè)計的，并存放在模塊中，用戶在使用時只需要設(shè)置一些參數(shù)，使用起來非常方便，一塊模塊可以控制幾路甚至幾十路閉環(huán)回路。

但是這種模塊的價格昂貴，一般在大型控制系統(tǒng)中使用。如三菱的A系列、Q系列PLC的PID控制模塊。

三，FX2N的PID指令PID指令的編號為FNC88，如圖6-36所示源操作數(shù)［S1］、［S2］、[S3]和目標(biāo)操作數(shù)[D]均為數(shù)據(jù)寄存器D，16位指令，占9個程序步。

［S1］和［S2］分別用來存放給定值SV和當(dāng)前測量到的反饋值PV，［S3］~[S3]＋6用來存放控制參數(shù)的值，運(yùn)算結(jié)果MV存放在［D］中。源操作數(shù)［S3］占用從［S3］開始的25個數(shù)據(jù)寄存器。

如圖PID指令PID指令是用來調(diào)用PID運(yùn)算程序，在PID運(yùn)算開始之前，應(yīng)使用MOV指令將參數(shù)（見表6-3）設(shè)定值預(yù)先寫入對應(yīng)的數(shù)據(jù)寄存器中。如果使用有斷電保持功能的數(shù)據(jù)寄存器，不需要重復(fù)寫入。

如果目標(biāo)操作數(shù)[D]有斷電保持功能，應(yīng)使用初始化脈沖M8002的常開觸點將其復(fù)位。表6-3PID控制參數(shù)及設(shè)定ID指令可以同時多次使用，但是用于運(yùn)算的[S3]、[D]的數(shù)據(jù)寄存器元件號不能重復(fù)。

PID指令可以在定。

谷歌人工智能寫作項目：神經(jīng)網(wǎng)絡(luò)偽原創(chuàng)

什么是PID調(diào)節(jié)器，并舉例說明P、I、D的調(diào)節(jié)作用。

PID調(diào)節(jié)器是一個在工業(yè)控制應(yīng)用中常見的反饋回路部件，PID是以它的三種糾正算法而命名的好文案。這三種算法都是用加法調(diào)整被控制的數(shù)值。而實際上這些加法運(yùn)算大部分變成了減法運(yùn)算因為被加數(shù)總是負(fù)值。

以下是PID的調(diào)節(jié)作用舉例：1.比例-來控制當(dāng)前，誤差值和一個負(fù)常數(shù)P（表示比例）相乘，然后和預(yù)定的值相加。P只是在控制器的輸出和系統(tǒng)的誤差成比例的時候成立。

這種控制器輸出的變化與輸入控制器的偏差成比例關(guān)系。比如說，一個電熱器的控制器的比例尺范圍是10°C，它的預(yù)定值是20°C。

那么它在10°C的時候會輸出100%，在15°C的時候會輸出50%，在19°C的時候輸出10%，注意在誤差是0的時候，控制器的輸出也是0。

2.積分-來控制過去，誤差值是過去一段時間的誤差和，然后乘以一個負(fù)常數(shù)I，然后和預(yù)定值相加。I從過去的平均誤差值來找到系統(tǒng)的輸出結(jié)果和預(yù)定值的平均誤差。

一個簡單的比例系統(tǒng)會振蕩，會在預(yù)定值的附近來回變化，因為系統(tǒng)無法消除多余的糾正。通過加上一個負(fù)的平均誤差比例值，平均的系統(tǒng)誤差值就會總是減少。所以，最終這個PID回路系統(tǒng)會在預(yù)定值定下來。

3.微分?-來控制將來，計算誤差的一階導(dǎo)，并和一個負(fù)常數(shù)D相乘，最后和預(yù)定值相加。這個導(dǎo)數(shù)的控制會對系統(tǒng)的改變作出反應(yīng)。導(dǎo)數(shù)的結(jié)果越大，那么控制系統(tǒng)就對輸出結(jié)果作出更快速的反應(yīng)。

這個D參數(shù)也是PID被稱為可預(yù)測的控制器的原因。D參數(shù)對減少控制器短期的改變很有幫助。一些實際中的速度緩慢的系統(tǒng)可以不需要D參數(shù)。

擴(kuò)展資料：用更專業(yè)的話來講，一個PID控制器可以被稱作一個在頻域系統(tǒng)的濾波器。這一點在計算它是否會最終達(dá)到穩(wěn)定結(jié)果時很有用。

如果數(shù)值挑選不當(dāng)，控制系統(tǒng)的輸入值會反復(fù)振蕩，這導(dǎo)致系統(tǒng)可能永遠(yuǎn)無法達(dá)到預(yù)設(shè)值。

有沒有應(yīng)用到飛控上的成熟一點的神經(jīng)網(wǎng)絡(luò)PID控制算法

您好，非常感謝您發(fā)出這個帖子。我現(xiàn)在也在考慮做或者學(xué)習(xí)相關(guān)四軸飛行器的神經(jīng)網(wǎng)絡(luò)控制算法。之前我的飛機(jī)是用雙閉環(huán)PID控制算法實現(xiàn)控制飛行的。

最近在學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，我準(zhǔn)備用神經(jīng)網(wǎng)絡(luò)控制算法來對四軸飛行器姿態(tài)誤差進(jìn)行修正，看看能不能實現(xiàn)穩(wěn)定飛行，或者看是否穩(wěn)定飛行效果會好點。

現(xiàn)在我正處在學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)過程中，之前的基礎(chǔ)就是對四軸飛行器的PID控制算法了解的多一點，自己實現(xiàn)了PID算法的編程，飛機(jī)可以穩(wěn)定飛行，我想以后將神經(jīng)網(wǎng)絡(luò)控制應(yīng)用于四軸飛行器中。

您出了這個帖子，盡管現(xiàn)在沒有人回答，但是我希望您能夠更新一下，畢竟經(jīng)過了這么長時間了，談?wù)勀氖斋@吧。讓我們學(xué)習(xí)學(xué)習(xí)，也可以一起討論討論。謝謝！

要做畢業(yè)設(shè)計了！我就搞不清楚神經(jīng)元控制器跟神經(jīng)元PID控制器有啥區(qū)別呢？

幫忙從cnki上找一篇論文 30

。

留下郵箱吧給你下了幾篇?1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.《自動化儀表》第31卷第2期2010年2月上海市重點學(xué)科建設(shè)基金資助項目(編號:B504)。

修改稿收到日期:2009-08-26。第一作者熊祥,男,1984年生,現(xiàn)為華東理工大學(xué)控制科學(xué)與控制工程專業(yè)在讀碩士研究生;主要從事先進(jìn)控制和自適應(yīng)控制方面的研究。

基于MRAS的交流異步電機(jī)變頻調(diào)速系統(tǒng)研究StudyonMRAS2basedVariable2frequencyDrivingSystemofACAsynchronousMotors熊祥郭丙君(華東理工大學(xué)信息科學(xué)與工程學(xué)院,上海200237)摘要:依據(jù)矢量控制的基本原理和方法,在基于轉(zhuǎn)子磁場定向的旋轉(zhuǎn)坐標(biāo)系下,采用Matlab/Simulink模塊構(gòu)建了一個具有轉(zhuǎn)矩、磁鏈閉環(huán)的交流異步電機(jī)矢量控制系統(tǒng)仿真模型。

在此基礎(chǔ)上,應(yīng)用模型參考自適應(yīng)方法,對無速度傳感器矢量控制系統(tǒng)的轉(zhuǎn)速估計進(jìn)行研究,并針對常規(guī)速度辨識器中的基準(zhǔn)模型易受積分初值和漂移影響的問題,對傳統(tǒng)的MRAS方法進(jìn)行改進(jìn),并對其進(jìn)行建模仿真。

仿真結(jié)果表明,該設(shè)計具有較強(qiáng)的可行性,且其推算轉(zhuǎn)速能夠很好地跟蹤實測轉(zhuǎn)速。

關(guān)鍵詞:Matlab/SimulinkMRAS矢量控制變頻調(diào)速系統(tǒng)神經(jīng)網(wǎng)絡(luò)無速度傳感器中圖分類號:TM343文獻(xiàn)標(biāo)志碼:AAbstract:Inaccordancewiththebasicprincipleandmethodofvectorcontrol,byusingMatlab/Simulinkmodule,asimulationmodelofvectorcontrolsystemthatisofferingtorqueandmagneticlinkforACasynchronousmotorisbuiltbasedonrotorfluxdirectionalrotatingcoordinates.Onthebasis,withmodelreferenceadaptivemethod,therotatingspeedestimationforvectorcontrolsystemwithno2speedsensorisstudied.Inaddition,aimingattheproblemthatthereferencemodeliseasilyinfluencedbytheinitialvalueanddriftofintegralinnormalspeedrecognizer,thetraditionalMRASisimproved,andmodelingsimulationisalsoconducted.Theresultofsimulationverifiesthefeasibilityofthedesignandthecalculatedrotatingspeedcanwelltracethemeasuredrotatingspeed.Keywords:Matlab/SimulinkModelreferenceadaptivesystemVectorcontrolVariable2frequencydrivingsystemNeuralnetworkNo2speedsensor0引言隨著電力電子技術(shù)的發(fā)展,交流異步電機(jī)控制技術(shù)已由標(biāo)量控制轉(zhuǎn)向了矢量控制。

在矢量控制系統(tǒng)中,轉(zhuǎn)速的閉環(huán)控制環(huán)節(jié)一般是必不可少的。為了實現(xiàn)轉(zhuǎn)速閉環(huán)控制和磁場定向,通常采用速度傳感器來進(jìn)行轉(zhuǎn)速檢測。

而速度傳感器在安裝、維護(hù)等方面易受環(huán)境影響,從而嚴(yán)重影響異步電動機(jī)的簡便性、廉價性和可靠性。因此,無速度傳感器的矢量控制系統(tǒng)成為交流調(diào)速的主要研究內(nèi)容。

目前,人們提出了各種速度辨識的方法來取代速度傳感器,如動態(tài)估計法、模型參考自適應(yīng)方法、擴(kuò)展卡爾曼濾波法、神經(jīng)網(wǎng)絡(luò)法等。其中模型參考自適應(yīng)方法的轉(zhuǎn)速觀測具有穩(wěn)定性好、計算量小等特點[1]。

本文從轉(zhuǎn)子磁場定向的矢量控制理論出發(fā),在靜止坐標(biāo)系上提出了一種基于模型參考自適應(yīng)法理論的速度推算法,并利用Matlab/Simulink軟件對系統(tǒng)進(jìn)行了仿真。

1交流異步電機(jī)矢量控制根據(jù)用于定向的參數(shù)矢量的不同,矢量控制可以分為按轉(zhuǎn)子磁場定向和按定子磁場定向的矢量控制。

按轉(zhuǎn)子磁場定向的矢量控制方法是目前應(yīng)用較為廣泛的一種高性能的交流電動機(jī)控制方法[2]。

當(dāng)兩相同步旋轉(zhuǎn)坐標(biāo)系按轉(zhuǎn)子磁鏈定向時,應(yīng)有ψrd=ψr,ψrq=0,即得:Te=npLmLrisqisd=1+TrpLmψrψr=Lm1+Trpisdλ=LmTrψrisq(1)式中:Lm=32M為d2q坐標(biāo)系同軸等效定子與轉(zhuǎn)子繞組間的互感;Lr=Lrl+Lm為d2q坐標(biāo)系等效二相轉(zhuǎn)子繞組的自感;λ為d2q坐標(biāo)系相對于轉(zhuǎn)子的旋轉(zhuǎn)角速度;p為求導(dǎo)算符,即p=d/dt;s表示定子;r表示轉(zhuǎn)子;d表示d軸;q表示q軸;m表示同軸定、轉(zhuǎn)子間的互感;np為極對數(shù);Tr=Lr/Rr為轉(zhuǎn)子時間常數(shù)。

51基于MRAS的交流異步電機(jī)變頻調(diào)速系統(tǒng)研究熊祥,等?1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.PROCESSAUTOMATIONINSTRUMENTATIONVol131No12February20102變頻調(diào)速系統(tǒng)仿真模型圖1為交流異步電動機(jī)無速度傳感器矢量控制系統(tǒng)框圖。

系統(tǒng)由電機(jī)、逆變器、磁鏈觀測器、轉(zhuǎn)速辨識等環(huán)節(jié)組成,是一個帶電流內(nèi)環(huán)的轉(zhuǎn)速、磁鏈閉環(huán)矢量控制系統(tǒng)。

圖1無速度傳感器矢量控制系統(tǒng)框圖Fig.1Blockdiagramofthevectorcontrolsystemwithno2speedsensor基于矢量控制變頻調(diào)速系統(tǒng)的仿真模型,其具體實現(xiàn)步驟是:先將異步電機(jī)在三相坐標(biāo)系下的定子電流Ia、Ib、Ic通過三相/二相(Clarke)變換,再通過二相/二相旋轉(zhuǎn)(Park)變換得到同步旋轉(zhuǎn)坐標(biāo)系d2q下的電流Id、Iq,然后模仿直流電動機(jī)的控制方法,求得直流電動機(jī)的控制量,最后,經(jīng)過相應(yīng)的坐標(biāo)反變換,實現(xiàn)對異步電動機(jī)的控制。

其實質(zhì)是將交流電動機(jī)等效為直流電動機(jī),分別對速度(speedcontrol)、磁場(phircontrol)兩個分量進(jìn)行獨立控制。

通過控制轉(zhuǎn)子磁鏈,分解定子電流而獲得轉(zhuǎn)矩和磁場兩個分量,然后經(jīng)坐標(biāo)變換,實現(xiàn)正交或解耦控制[3]。

2.1基于MRAS的轉(zhuǎn)速辨識2.1.1基本模型參考自適應(yīng)系統(tǒng)要實現(xiàn)按轉(zhuǎn)子磁鏈定向的矢量控制系統(tǒng),磁鏈觀測是非常重要的。

在無速度傳感器控制中,通常采用基于兩相靜止α2β坐標(biāo)系下定子電壓和定子電流的電壓模型對轉(zhuǎn)子磁鏈進(jìn)行估計[4-5]。

根據(jù)兩相靜止坐標(biāo)系下異步電動機(jī)的基本方程,可以得到電壓和電流這兩種形式的轉(zhuǎn)子磁鏈估算模型。

電壓模型計算如下:ψrα=LrLm[∫(usα-Rsisα)dt-σLsisα]ψrβ=LrLm[∫(usβ-Rsisβ)dt-σLsisβ](2)在計算得到電壓模型值后,基本模型參考自適應(yīng)系統(tǒng)的電流模型計算如下:pψrα=LmTrisα-ψrαTr-ωrψrβpψrβ=LmTrisβ-ψrβTr-ωrψrα(3)式中:ψrα、ψrβ分別為兩相靜止α2β坐標(biāo)系下α軸和β軸的轉(zhuǎn)子磁鏈;isα、isβ為兩相靜止α2β坐標(biāo)系下α軸和β軸的定子電流;usα、usβ為兩相靜止α2β坐標(biāo)系下α軸和β軸的定子電壓;σ為漏感系數(shù)。

參考模型與可調(diào)模型輸出(轉(zhuǎn)子磁鏈)的差值定義為:e=ψr-ψ3r(4)利用波波夫超穩(wěn)定理論推導(dǎo)得出估算轉(zhuǎn)子的自適應(yīng)收斂率為[6]:ωr=kp+kiSe(5)式中:kp、ki分別為自適應(yīng)結(jié)構(gòu)PI調(diào)節(jié)器中的比例系數(shù)和積分常數(shù)。

基于MRAS的轉(zhuǎn)速、辨識的具體步驟為:選取電壓模型為參考模型、電流模型為理想模型,構(gòu)造一個模型參考自適應(yīng)系統(tǒng),并選擇合適的自適應(yīng)規(guī)律,使可調(diào)模型的轉(zhuǎn)速逼近真實的電機(jī)轉(zhuǎn)速。該方法結(jié)構(gòu)框圖如圖2所示。

52基于MRAS的交流異步電機(jī)變頻調(diào)速系統(tǒng)研究熊祥,等?1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.《自動化儀表》第31卷第2期2010年2月圖2模型參考自適應(yīng)系統(tǒng)框圖Fig.2BlockdiagramofMRAS自適應(yīng)機(jī)構(gòu)采用PI調(diào)節(jié)器,即選擇比例積分作為自適應(yīng)規(guī)律。

在模型參考自適應(yīng)系統(tǒng)中,參考模型應(yīng)該是理想的,即式(2)應(yīng)能始終映射出電動機(jī)的真實狀態(tài)。該方程中定子電阻Rs是一個變化的參數(shù),Rs若不準(zhǔn)確,對低頻積分結(jié)果影響會很大。

另外,采用低通濾波器來代替純積分環(huán)節(jié),可以有效克服積分器的部分缺陷,如誤差積累或直流漂移問題;但在頻率接近或低于截止頻率時,所產(chǎn)生的幅度和相位偏差會嚴(yán)重影響磁鏈估計的精確性。

2.1.2改進(jìn)型模型參考自適應(yīng)系統(tǒng)模型參考自適應(yīng)結(jié)構(gòu)的優(yōu)勢在于模型的輸出不必是實際的轉(zhuǎn)子磁鏈,只要是與其相關(guān)的輔助變量即可。

因此,可采用新的輔助變量作為模型的輸出,構(gòu)造出其他的MRAS速度辨識方法。將圖2進(jìn)行改進(jìn),可以得出相應(yīng)的原理方框圖,如圖3所示。

圖3改進(jìn)型模型參考自適應(yīng)系統(tǒng)框圖Fig.3BlockdiagramofimprovedMRAS參考模型的定子電壓矢量方程可寫成以下形式,即:LmLr×dψrαdt=usα-Rsisα-σLs×disαdtLmLr×dψrβdt=usβ-Rsisβ-σLs×disβdt(6)式中:Ls=Lsl+Lm為d2q坐標(biāo)系下的等效二相定子繞組的自感。

在基于轉(zhuǎn)子磁場定向的矢量控制中,由其等效電路可以看出,εr=LmLrdψrdt為轉(zhuǎn)子磁鏈?zhǔn)噶可傻母袘?yīng)電壓,于是式(6)可以轉(zhuǎn)換為:εrα=LmLr×dψrαdt=usα-Rsisα-σLs×disαdtεrβ=LmLr×dψrβdt=usβ-Rsisβ-σLs×disβdt(7)2.2轉(zhuǎn)速控制模塊在實際系統(tǒng)中,由于系統(tǒng)狀態(tài)和參數(shù)等發(fā)生變化時,過程中會出現(xiàn)狀態(tài)和參數(shù)的不確定性,系統(tǒng)很難達(dá)到最佳控制效果。

基于上述問題考慮,本文利用RBF神經(jīng)網(wǎng)絡(luò)對PID控制器的參數(shù)進(jìn)行在線調(diào)整。基于RBF神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)如圖4所示。

圖4基于RBF神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)Fig.4PIDcontrolsystembasedonRBFneuralnetwork系統(tǒng)的控制誤差為:e(k)=r(k)-y(k)(8)PID的輸入為:x(1)=e(k)-e(k-1)x(2)=e(k)x(3)=e(k)-2e(k-1)+e(k-2)(9)采用增量式PID的控制算法具體表達(dá)式為:u(k)=u(k-1)+kp[r(k)-y(k)]+ki[e(k)]+kd[e(k)-2e(k-1)+e(k-2)]Du=kp[r(k)-y(k)]+ki[e(k)]+kd[e(k)-2e(k-1)+e(k-2)](10)神經(jīng)網(wǎng)絡(luò)整定性能指標(biāo)函數(shù)為:J(k)=12[r(k)-y(k)]2(11)由梯度下降法,可得[7]:Δkp=-η9J9kp=-η9J9y×9y9Du×9Du9kp=ηe(k)9y9Dux(1)Δki=-η9J9ki=-η9J9y×9y9Du×9Du9ki=ηe(k)9y9Dux(2)Δkd=-η9J9kd=-η9J9y×9y9Du×9Du9kd=ηe(k)9y9Dux(3)(12)式中:η為學(xué)習(xí)速率。

被控對象的輸出對控制輸入變化的靈敏度信息Jacobian陣信息算法為:9y9Du≈9yL(k)9Du=∑mj=1ωjhjcji-u(k)b2j(13)式中:hj為第j個隱含層點輸出;cji為高斯轉(zhuǎn)換函數(shù)的中心位置參數(shù);bj為第j個隱節(jié)點高斯函數(shù)的寬度參數(shù)。

該神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為3-6-1,即輸入層有3個節(jié)點,隱含層有6個節(jié)點,輸出層有1個節(jié)點,學(xué)習(xí)率為53基于MRAS的交流異步電機(jī)變頻調(diào)速系統(tǒng)研究熊祥,等?1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.PROCESSAUTOMATIONINSTRUMENTATIONVol131No12February20100.25,a=0.05,β=0.01,PID初值=[0.03,0.001,0.1],權(quán)重初值=[3,4,1],采樣周期為0.001。

由于RBF神經(jīng)網(wǎng)絡(luò)PID控制器不能直接用傳遞函數(shù)加以描述,若簡單地應(yīng)用Simulink,則將無法對其進(jìn)行仿真。本文中RBF神經(jīng)網(wǎng)絡(luò)PID控制器采用Matlab中的s2function實現(xiàn)[8]。

2.3轉(zhuǎn)矩控制模塊和磁鏈控制模塊轉(zhuǎn)矩控制器和磁鏈控制器均采用PI控制算法,可得:Iq3=kp(T3e-Te)+ki∫(T3e-Te)dt(14)I3d=kp(phir3-phir)+ki∫(phir3-phir)dt(15)式中:kp、ki分別為比例增益系數(shù)和積分增益系數(shù)。

2.4仿真實驗結(jié)果及分析采用上述仿真模型,對矢量控制變頻調(diào)速系統(tǒng)進(jìn)行空載及恒速加載運(yùn)行仿真。當(dāng)負(fù)載轉(zhuǎn)矩值為0時,得到的異步電機(jī)定子電流、轉(zhuǎn)速、轉(zhuǎn)矩仿真圖形如圖5所示。

圖5定子電流、轉(zhuǎn)速、轉(zhuǎn)矩仿真圖形Fig.5Simulationcurvesofcurrent,rotatingspeed,torqueofthestator選用的異步電動機(jī)有關(guān)參數(shù)如下:額定數(shù)據(jù)為41kW、380V、4極、50Hz、轉(zhuǎn)動慣量J=1.662kg·m2、Rs=0.087Ω、Rr=0.228Ω、Ls=Lr=0.8mH、Lm=34.7mH。

逆變器電流直流母線電壓為780V;轉(zhuǎn)子磁鏈參考值取0.96Wb;在powerful中指定所有的狀態(tài)變量初始條件為0,或者對異步電機(jī)設(shè)定初始條件為[1,0,0,0,0,0,0,0],這樣就可以在停止?fàn)顟B(tài)啟動電機(jī)。

為了加快仿真速度,采用ode23t仿真算法。電機(jī)啟動階段,磁鏈和電磁轉(zhuǎn)矩處于上升階段,在開始空載狀態(tài)下,電磁轉(zhuǎn)矩最后下降為0。

在t=0s、1s時,由于轉(zhuǎn)速給定的量從60rad/s瞬間跳到80rad/s,而在啟動時,轉(zhuǎn)子轉(zhuǎn)速在0.5s已經(jīng)趨于穩(wěn)定狀態(tài),因此,定子電流在啟動時有較大的變化,轉(zhuǎn)矩電流和電磁轉(zhuǎn)矩在啟動及給定速度指令改變時有超調(diào)。

在系統(tǒng)的自動調(diào)節(jié)下,轉(zhuǎn)矩電流和電磁轉(zhuǎn)矩量開始慢慢降低并趨于穩(wěn)定。

從仿真可以看出,在該控制系統(tǒng)所采用的控制方法下,系統(tǒng)具有良好的靜態(tài)性能和動態(tài)性能,定子電流正弦度較好;且估計的轉(zhuǎn)速穩(wěn)態(tài)精度好,能準(zhǔn)確地跟蹤電機(jī)轉(zhuǎn)速的變化;電機(jī)的機(jī)械角速度能夠很快跟蹤給定機(jī)械角速度的變化,電機(jī)具有良好的啟動性能。

實際轉(zhuǎn)速與辨識轉(zhuǎn)速仿真圖形比較如圖6所示。

圖6實際轉(zhuǎn)速與辨識轉(zhuǎn)速仿真圖形比較Fig.6Comparisonbetweenactualandidentificationrotatingspeed3結(jié)束語本仿真試驗利用易于測量的電機(jī)定子電壓和電流,結(jié)合矢量控制和MRAS原理,實時辨識電機(jī)轉(zhuǎn)速。

通過理論分析和仿真研究,應(yīng)用模型參考自適應(yīng)方法估算交流異步電機(jī)轉(zhuǎn)子轉(zhuǎn)速,計算量小,收斂速度快。仿真結(jié)果驗證了該系統(tǒng)的可行性和有效性。

參考文獻(xiàn)[1]CirrincioneM,PucciM.AnMRASbasedonspeedestimationmeth2odwithalinearneuronforhighperformanceinductionmotordrivesanditsexperimentation[C]‖IEEEInternationalConferenceonE2lectricMachinesandDrives,IEMDC’03,2003(s1):617-623.[2]陳伯時.電力拖動自動控制系統(tǒng)[M].2版.北京:機(jī)械工業(yè)出版社,2004.[3]王忠禮,段慧達(dá),高玉峰.Matlab應(yīng)用技術(shù)———在電氣工程與自動化專業(yè)中的應(yīng)用[M].北京:清華大學(xué)出版社,2007.[4]王慶龍,張崇崴,張興.交流電機(jī)無速度傳感器矢量控制系統(tǒng)變結(jié)構(gòu)模型參考自適應(yīng)轉(zhuǎn)速辨識[J].中國電機(jī)工程學(xué)報,2007,27(15):70-74.[5]戴瑜興,王耀南,陳際達(dá).基于DSP的模型參考自適應(yīng)無速度傳感器矢量控制[J].信息與控制,2003,32(6):507-511.[6]劉興堂.應(yīng)用自適應(yīng)控制[M].西安:西北工業(yè)大學(xué)出版社,2003.[7]ZhangMingguang,LiWenhui,LiuManqiang.AdaptivePIDcontrolstrategybasedonRBFneuralnetworkidentification[C]‖17thIEEEInternationalConferenceonNeuralNetworkandBrain,2005,ICNN&B,2005:1854-1857.[8]劉金琨.先進(jìn)PID控制及其Matlab仿真[M].北京:電子工業(yè)出版社,2003.54基于MRAS的交流異步電機(jī)變頻調(diào)速系統(tǒng)研究熊祥,等。

各位大大請幫我翻譯下!!!急！！ 50

。

Inthispaper,neuralnetworkPIDalgorithmisthemostsimplestructure-singleneuronadaptivePIDalgorithm,usingtheVBlanguageprogram,onthecommonfirst,secondobjectPIDneuralnetworksimulation,andthesingleneuronadaptivePIDcontrolparametersoncontroleffect,alsoanalyzedthesingleneuronPIDcontrolovertheadvantagesofPID.Themaincontentsarethefollowing:Outlinesthebackgroundtothestudyofthistopic,PIDcontrolanddevelopmentofintelligentcontroltheoryConventionalPIDcontroltheoryandsimulationpresentation,introducestheprincipleandPIDcontroltuningoftheengineeringapproach,anditssimulationusingMATLAB.SingleNeuronAdaptivePIDControl.IntroducesasingleneuronadaptivePIDcontroltheoryandsingleneuronadaptivePIDcontrolalgorithm,writeVBprogramanditssimulation,onthefirstorder,secondordersystemsaresingleneuronadaptivePIDcontrolandconventionalPIDContrastcontrolsimulation,andanalysisofsingleneuronadaptivePIDcontrolproportional,integral,differentiallearningrateonsystemperformance.ThesingleneuronadaptivePIDalgorithmPIDcontrolalgorithmwiththetraditionalcomparativeanalysisshowedthatthesingleneuronadaptivePIDcontrolalgorithm,ingeneral,betterthantraditionalPIDcontrolalgorithm,whichisconducivetotheimprovementofthequalitycontrolsystemofcontrolbytheenvironmentlittleeffectonthecontrolofstrongrobustness,isapromisingcontroller.終于翻譯完了。

。。。。。。。。。

?

總結(jié)

以上是生活随笔為你收集整理的基于神经网络的PID控制,pid神经网络什么原理的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。