无刷直流电机BP神经网络控制的研究

论文摘要

无刷直流电机利用电子换相代替机械换相,克服了传统直流电机由于电刷摩擦而产生的一系列问题,并且具有调速性能好、体积小、效率高等优点,因而广泛用于国民经济产生的各个领域及人们的日常生活中。在无刷直流电机的控制策略方面,人工神经网络有较大的应用潜力。本文在阐述了神经网络的发展、现状、基本原理及其在自动控制中的应用的基础上,主要研究BP神经网络在PID控制中的应用。将BP神经网络运用于PID控制中,能够有效克服经典PID控制器在被控对象具有非线性、时变不确定性和难以建立精确的数学模型时出现的参数整定不良和性能欠缺等缺陷。本文设计了一种自适应PID控制器,采用改进共轭梯度算法对PID控制器参数进行在线整定。利用此控制器对无刷直流电机进行控制,仿真结果表明:应用神经网络对常规PID控制器进行改造后提高了系统的鲁棒性和动态性能。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.1.1 无刷直流电机的产生
• 1.1.2 无刷直流电机的发展
• 1.1.3 无刷直流电机的应用
• 1.1.4 无刷直流电机研究中的主要问题
• 1.1.5 无刷直流电机的控制方法
• 1.2 本课题研究工作及内容安排
• 1.2.1 本课题研究内容
• 1.2.2 本文工作与章节安排
• 第二章 无刷直流电机的基本结构和原理
• 2.1 无刷直流电机的基本结构
• 2.1.1 结构框图
• 2.1.2 电动机本体
• 2.1.3 转子位置检测器
• 2.1.4 驱动控制电路
• 2.2 无刷直流电机的工作原理
• 2.3 无刷直流电机的数学模型
• 第三章 人工神经网络基本原理及模型
• 3.1 神经网络构成的基本原理
• 3.1.1 神经网络概念的提出
• 3.1.2 神经网络发展史
• 3.1.3 神经元结构模型
• 3.2 典型的神经网络结构
• 3.3 神经网络的学习方式
• 3.4 神经网络的学习规则
• 3.5 人工神经网络的发展趋势
• 第四章 BP 神经网络的基本原理及算法的研究
• 4.1 神经网络BP 算法的数学描述
• 4.1.1 BP 神经网络的结构
• 4.1.2 BP 神经网络的学习算法
• 4.2 BP 算法的缺陷
• 4.3 提高训练速度的方法——几种改进的BP 算法
• 4.3.1 附加动量项法概述
• 4.3.2 自适应学习率法
• 4.3.3 附加动量项与自适应学习率结合的快速BP 算法
• 4.4 BP 算法的一种改进——改进的共轭梯度BP 算法
• 4.4.1 共轭梯度法
• 4.4.2 改进共轭梯度法
• 4.5 仿真研究
• 第五章 BP 神经网络的结构设计及参数选择分析
• 5.1 BP 神经网络结构的设计
• 5.1.1 BP 神经网络层数的确定
• 5.1.2 BP 神经网络中节点数的确定
• 5.2 BP 神经网络参数的选择
• 5.3 BP 神经网络样本的选择
• 5.4 神经网络初始权值的选择
• 5.5 神经网络转移函数的选择
• 第六章 基于BP 神经网络算法的无刷直流电机转速控制器的设计
• 6.1 常规 PID 控制器的设计
• 6.1.1 PID 简介
• 6.1.2 常规PID 控制原理
• 6.1.3 PID 控制器各校正环节的作用
• 6.1.4 常规PID 参数整定的方法
• 6.2 基于BP 网络的PID 控制器的设计
• 6.2.1 基于BP 网络PID 控制器的原理及设计步骤
• 6.2.2 神经网络的构建
• 6.3 仿真及结果分析
• 结束语
• 致谢
• 参考文献