基于RBF神经网络在线辨识的永磁无刷直流电机单神经元自适应PID控制.rar

永磁无刷直流电机是一种性能优越、应用前景广阔的电机，其传统的理论部分分析和设计方法已经比较成熟。它的进一步推广应用，在很大程度上有赖于对控制策略的研究。 常规的PID控制以其结构简单、可靠性高、易于工程实现等优点至今仍被广泛采用。在系统模型参数变化不大的情况下，PID控制性能优良，但当被控对象具有高度非线性和不确定性时，仅靠PID调节无法实现精确快速的控制。对于永磁无刷直流电机而言，它是一个多变量、强耦合的非线性系统，固定参数的PID调节器无法得到很理想的控制性能指标。基于以上原因，论文提出了一种基于RBF神经网络在线辨识的永磁无刷直流电机单神经元自适应PID控制方法。该方法针对永磁无刷直流电机的非线性，由具有自学习和自适应能力的单神经元构成永磁无刷直流电机的单神经元自适应控制器来完成控制器参数的自学习，并构造了一个RBF神经网络对系统进行在线辨识，建立其在线参考模型。该算法兼顾了单神经元自适应PID控制器和RBF神经网络的优越性和特点。RBF神经网络控制器改善了单神经元控制器在优先满足系统稳定性条件下响应迟滞的缺点，提高了系统响应的快速性；同时在误差较小范围内用单神经元控制器的自适应能力达到了控制精确的目的。系统较好地实现了给定速度参考模型的自适应跟踪，结构简单，能适应环境变化，具有较强的鲁棒性。 数字信号处理器(DSP)是一种高速的信号处理芯片，近几年在电机控制领域得到了广泛的应用。本文以TI公司的TMS320LF2407DSP为基础，开发了无刷直流电机驱动和控制系统，并针对硬件系统通过软件实现了电流采样、转子位置检测、速度调整、电流调整等功能。

点击标签浏览更多相关技术资料资源：