基于RBF神经网络的PMSM滑模控制

来源 :制造业自动化 | 被引量 : 0次 | 上传用户:hellen
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对永磁同步电机(PMSM)系统中经典滑模控制器产生的抖振现象对机械结构带来的损耗问题,设计了基于径向基(RBF)神经网络的滑模控制算法.采用RBF神经网络实时调节滑模控制中指数趋近律的切换增益,通过梯度下降法优化RBF神经网络的权值,增强电机的动态特性与抗干扰能力.与滑模控制进行对比仿真实验,仿真实验结果表明,该控制算法的跟踪性能更好,且能够有效降低滑模控制器的抖振.
其他文献
常规方法定义机器人避障奖赏函数时,仅在机器人到达目标位置后给出奖励,避障奖励稀疏,导致避障路径规划时间和长度较长、规划成功率较低.提出基于深度强化学习的工业机器人避障路径规划方法.利用传感器,探测机器人与障碍物和目标点之间的距离方位,构成状态空间,定义机器人避障决策奖赏函数,包括机器人与目标点的方位奖赏、距离奖赏、到达奖赏、每个避障动作奖赏,将状态空间信息输入神经网络,通过深度强化学习,输出下一时刻奖赏值最大的避障动作,形成最优避障路径.选择工厂厂房作为测试环境,改变障碍物数量和位置,布置工业机器人移动的
本文构建了一套引导机器人抓取物料的机器视觉定位系统.该系统以机器人,AGV和相机为硬件基础,借助软件平台对目标进行检测、识别及偏移误差计算等研究,在机器人程序内进行二次运算,根据相机软件运算的数据与机器人示教工件坐标系的数据建立偏移坐标模型,给出mark点偏移量与工件抓取点偏移量的转换关系,从而引导机器人精确抓取物料.经过实验数据验证,该系统具有较高的精度,可以精准有效的控制机器人对物料进行操作,对类似的作业类型有较好的参考价值.
随着国民经济的快速发展,家庭汽车持有量不断增加,城市小区停车位不足、停车难的问题日显突出,智能立体停车库成为解决该问题的重要途径.本文设计的智能立体车库以PLC为控制系统的核心,对检测元件、变频器等硬件进行选型,对软件程序进行设计与编写,利用组态王6.60等软件模拟仿真,最后通过组装实物进行演示.该智能立体车库具有占地面积少、空间利用率高、建设周期短、成本低、操作简便、自动化程度高等优点,值得在住宅小区、旅游区等停车辆较多的地方推广应用.