基于模糊自适应ADRC的无刷直流电机控制技术

无刷直流电机是一种非线性变化、参数变量较多、高耦合的运动系统。在车辆运行过程中,无刷直流电机容易受到未知扰动的影响。针对此问题,将模糊自适应+自抗扰控制应用到车辆无刷直流电机中来,既可以有效减小各种干扰对于无刷直流电机平稳性驱动的干扰,同时又能够提高转速响应。通过仿真和实验,该方案能够较为明显地改善无刷直流电机在车辆行驶过程中的操控性和转速调测性。     

基于神经PID的永磁无刷直流电机调速控制器设计

在分析永磁无刷直流电机(BLDCM)数学模型的基础上,建立了相应的仿真模型。设计了用于BLDCM转速控制的神经PID控制器。通过仿真计算,验证了神经PID响应快、跟随性好、鲁棒性强的特点,能够满足干式双离合器式自动变速器中对离合器作动控制系统的要求。     

简述无刷直流电机

介绍无刷直流电机的原理结构和特点,发展趋势和相关的研究进展。介绍无刷电机在汽车中燃油泵、电子转向、发动机控制和电动车辆控制的应用现状,可达到的主要参数和性能指标。     

基于LIN总线的车用无刷直流电机控制器设计

设计基于LIN总线的无刷直流电机控制器,给出控制器的总体结构以及软硬件的应用。试验结果表明该控制器稳定、可靠,满足设计要求。     

无刷直流电机助力式EPS控制器设计与试验

基于无刷直流电机(BLDCM)模型和汽车电动助力转向(EPS)动力学模型,构建了BLDCM控制仿真模型和EPS性能仿真模型;设计了以ARM7LPC2131为控制器内核和以MC33034P120为驱动模块的EPS控制器硬件;分析了EPS的助力、回正和阻尼控制对控制器硬件的要求,给出了EPS控制软件的主程序和A/D、速度信号采集与中断服务子程序流程;最后将BLDCM助力式EPS及其控制系统装车进行原地转向试验和蛇形试验,试验结果表明,所设计的EPS控制器与整车匹配良好,性能稳定。     

车用无刷直流电机启动过程策略及仿真

对于无位置传感器无刷直流电机(Brushless DC Motor,BDCM)的启动控制而言,其核心在于观测或估计电机定子绕组电感参数,并根据其与转子的位置关系来实现电机的正确启动。首先简要介绍电感法原理,并分析电感参数随转子位置变化的规律,然后制定基于电感变化规律的脉冲注入法控制策略,最后建立了一种基于Matlab/Simulink,Ansoft Simplorer和Ansoft Maxwell的多软件联合仿真模型,对提出的控制策略进行仿真验证,仿真结果准确可靠。     

SWX—188高速无刷永磁直流电机

我们最近开发了一种新型SWX－188电动自行车用高速无刷永磁直流电动机。该电机与现在市场上的电动自行车用电机相比较，具有效率高、功率大、动力性能好、过载能力大、爬坡能力强、噪声小、使用寿命长、维护量小、运转平稳、结构紧凑、安装方便等特点。     

摩托车无刷启动电机

2005年12月中国知识产权局公布了一项摩托车行业内的新专利,它叫“摩托车无刷启动电机”。这是一项有我国自主知识产权的高科技新产品,是摩托车领域中的一项新的突破。它打破了过去和现在摩托车启动用有刷直流电机的传统,提供了一种高度可靠的无刷直流电机来启动摩托车。现用摩     

基于PID控制的电动汽车直流驱动电机调速研究

无刷直流电机作为驱动电机广泛应用于电动汽车中,具有结构简单,使用寿命长,可靠性高等特点。电动汽车电机功率的控制一般是通过驾驶员加速踏板位置计算所需功率,VCU依据功率计算出电机转速。PID控制广泛应用于工业控制领域,具有算法简单,鲁棒性好的特点。文章通过设置PID的参数,探讨电动汽车直流电机调速响应状态。     

PWM模式切换引起无刷直流电机转矩波动的抑制方法

鉴于无刷直流电机不同PWM调制模式下电流变化的特点,为提高汽车电动助力转向系统助力过程的平顺性及系统的回正性能,有必要在不同助力工况下选用最佳的调制模式。文中提出的在模式切换时采用电流平均斜率不变的方法,有效地抑制了不同调制模式间切换所产生的转矩波动,同时切换前后电流变化趋势保持一致,也有利于助力电流的快速跟踪,提高系统的响应速度。仿真和试验结果验证了该方法的有效性。     

基于神经网络实现交叉口多相位模糊控制

根据城市交叉口交通流的特点，给出了一种交叉口多相位自适应控制算法，综合考虑相邻车道上的车队长度，利用多层BP神经网络实现了道路交叉口多相位模糊控制。仿真结果表明，所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误，具有较强的学习和泛化能力。     

高速公路入口匝道模糊神经网络ACO控制

针对入口匝道控制中局部需求大于高速公路主线容量情况下Alinea控制算法不能有效反馈的问题,结合模糊控制和神经网络的优点,通过神经网络来训练模糊控制规则,提出蚁群算法优化的模糊神经网络控制器,并对控制器应用于入口匝道控制进行了详细设计。仿真结果表明,基于蚁群优化算法的模糊神经网络控制器学习次数远小于Alinea控制算法,且收敛速度快,运算效率高,控制品质好,能够更好地稳定主线交通流密度。     

基于模糊神经网络的智能车辆循迹控制

为提高智能车辆自主循迹控制的精度,提出了一种基于模糊神经网络控制( FNNC)和神经网络预测( NNP)的智能循迹控制策略。转向控制器的输入量有3个：预瞄点处的横向循迹误差、汽车横摆角速度和侧向加速度。车速控制器的输入量有4个：预瞄点处的面积误差、侧向加速度、汽车侧偏角和转向盘转角。网络训练采用误差反向传播法。仿真与试验结果表明,所设计的循迹控制器通过对驾驶员操作样本的训练,能实现对车辆的车速与转向控制,横向循迹误差和目标车速均比较理想。     

基于自适应模糊神经网络的故障诊断方法

对模糊逻辑和神经网络的优缺点进行分析,提出一种基于自适应模糊神经网络的故障诊断方法。它把模糊逻辑和神经网络有机结合起来,生成自适应模糊神经推理系统(ANFIS);文中给出了该系统的原理及实现算法,最后使用M atlab Fuzzy工具箱对柴油发动机喷油泵柱塞故障数据进行建模,结果表明该方法是可行的,并且有较高的诊断效率。     

基于神经网络的柴油机轨压模型补偿容错控制研究

电控柴油机高压共轨燃油喷射系统具有很强的非线性、时变性和扰动性,传统的控制方式难以精确控制系统的轨压。基于BP神经网络辨识得到了非线性柴油机燃油喷射系统模型,提出了一种模型补偿容错控制方法。该方法在PID参数模糊自整定控制的基础上,通过加入一个基于梯度下降算法的误差补偿控制器修正输出偏差,实现了对柴油机燃油喷射系统时变性和扰动性的控制。仿真结果证明了该方法的有效性,与传统PID控制和模糊PID控制相比具有更好的鲁棒性和抗扰动性。     

汽车ABS中的模糊神经网络模型参考自适应控制策略

针对汽车制动的特点以及汽车防抱死制动系统的性能要求,建立了汽车的数学模型,提出一种模糊神经网络的自适应控制方案,构建了基于模糊神经网络的控制器和辨识器的结构模型。通过对网络参数的离线训练得出其初值,在控制过程中对网络参数进行在线微调,实现对汽车制动过程的有效控制。仿真结果表明:在不同的路面,汽车均能保持在最佳滑移率附近进行制动,制动时间及距离比较理想,满足ABS的安全性能要求。     

基于模糊神经网络的氢燃料汽车发动机最优控制模型

在试验研究的基础上，提出了氢发动机的优化控制策略，建立以点火提前角、喷氢提前角和喷氢量为控制变量，分别以动力性、经济性为性能指标泛函，以模糊神经网络为求解工具的最优控制模型。     

高速公路入口匝道动态响应调节算法设计

论文在模糊神经网络内部引入递归环节,设计了入口匝道的动态响应调节算法,介绍了算法的模糊神经网络结构、隶属度函数、模糊规则。由于递归神经元有内部反馈连接,可以捕获系统的动态响应,能简化网络模型,网络各个参数具有明确的物理意义,可根据经验选择初始值,且其是一个动态映射网络,比普通模糊神经网络更适于描述动态系统。最后分别通过数值仿真试验和交通TSIS模拟实验,详细分析了入口匝道智能控制的效果,仿真结果表明论文设计的入口匝道模糊神经网络控制算法在控制效果上比常规定时、Alinea控制显示了较大的优势,在重要指标上优于定时控制策略和Alinea控制策略。     

基于模糊PID的遥控转向技术

结合车辆行驶过程中转向控制的特点,将模糊PID控制策略用于车辆遥控转向技术研究,并且搭建了实验台, 做了大量的实验,验证了该方法的可行性和有效性。     

基于模糊聚类BP 神经网络在边坡稳定性评价中的应用研究

利用边坡样本之间存在的相似性,采用模糊聚类分析方法对边坡样本进行分类,并根据择近原则将预测样本划归为贴近度最大的聚类模式,运用该模式对预测样本的稳定系数进行BP神经网络预测。通过实例证明了该方法的可靠性和有效性。