摘要：针对主被动混合隔振系统中次级通道的非线性因素和时变特性,设计一种基于有源非线性自回归神经网络(Nonlinear Auto-regressive With Exogenous Inputs Neural Network,NARX-NN)的次级通道系统辨识的方法,并成功应用于振动主动控制系统中。首先,使用NARX神经网络对次级通道进行辨识得到准确的次级通道模型;其次,采用FIR滤波器重构初级通道的输出,从而获得作动器的输出信号,基于重构得到数据对辨识的网络进行在线学习,可以避免由白噪声激励在系统中带来的随机振动对控制效果的影响;最后搭建仿真模型以及实验平台,仿真结果表明,该控制算法可以克服次级通道的时变性导致的次级通道失真问题;实验结果表明,该算法对15、20 Hz的线谱分别取得30.1、40.4 dB的能量衰减效果,能够有效地实现振动主动控制。

摘要：将模糊径向基函数(f-RBF)神经网络算法用于永磁同步电机(PMSM)的速度控制。针对电机的动态和非线性特点,结合PMSM驱动的矢量控制方法,设计了f-RBF在线辨识器和速度控制器。在Matlab/Simulink下将该方法与传统的PID控制PMSM进行了仿真比较。实验结果表明了该方法的有效性,且系统响应速度快,动态性能优异,鲁棒性好。