摘要：船用永磁同步电机是一种非线性、强耦合、多变量的复杂系统,使用常规的pid对其进行速度控制时难以达到理想的效果。为了改善船用永磁同步电机调速系统的性能,设计了一种新的速度控制器-径向基(RBF)神经网络分数阶pi~αd~β控制器。利用径向基神经网络的自学习和自训练的功能,对控制器的参数进行在线优化,以便使控制器在未知的系统中能够具有快速的适应能力和较好的控制性能。将设计的控制器应用于船用永磁同步电机的速度控制回路中,并在高速度、大负载扰动的条件下对其进行仿真实验。结果表明,使用了RBF神经网络分数阶pi~αd~β控制器的电机控制系统,具有良好的动态响应能力和较强的扰动抑制能力。

摘要：本文以永磁同步电机为研究对象,针对其非线性、强耦合、多变量的特性导致在使用常规的pid对其控制时难以达到理想的效果,提出了一种基于径向基(RBF)神经网络的分数阶pi~αd~β控制策略。利用径向基神经网络的自学习和自训练的功能,对控制器的参数进行在线优化,以便使控制器在未知的系统中能够具有快速的适应能力和较好的控制性能。将设计的控制器应用于永磁同步电机的速度环路中,并在高速度,大负载扰动的条件下对其进行仿真实验。结果表明,使用了RBF神经网络分数阶pi~αd~β控制器的电机控制系统,具有良好的快速响应能力和较强的扰动抑制能力。