模糊小波網絡及其在永磁同步電機控制中的應用.pdf

1、有許多復雜的系統(tǒng)是無法用傳統(tǒng)方法對它定義，特別是那些非線性的動態(tài)時變系統(tǒng)，還不能建立有效的數學模型和控制方法。目前，模糊技術和神經網絡是智能控制理論中的一個十分活躍的分支，具有處理抽象信息、強大的自學習和自整定功能。同時，小波分析技術由于對信號具有時頻局部化性質和多分辨率功能，一出現便得到了迅速的發(fā)展。為此，本文研究了基于小波分析、模糊邏輯技術和神經網絡相結合的一種新的模型—模糊小波網絡。 永磁同步電動機內部是參數變化、非線性、

2、強耦合和多變量高階復雜系統(tǒng)。利用矢量控制可以簡化電機模型，解耦控制，保持快速響應。然而高性能控制系統(tǒng)，不僅要求快速和準確性，而且要求在未知擾動和參數變化時具有快的恢復能力。因此，本文在模糊小波網絡基礎上，提出了幾種永磁同步電動機的高性能控制方法。 本文的研究工作主要包括以下幾個方面： 首先將小波技術與模糊神經網絡結合，研究了一種隸屬函數為小波函數的模糊小波網絡模型和一種模糊后件為小波函數的模糊小波網絡模型。建立了這兩種模

3、型的基本結構及對小波函數的要求，分析了模型的特性，提出了拓展出的三種典型的網絡模型及在B樣條函數下三種典型模型在結構上等效性。從網絡泛化能力的角度，給出了模型結構的初始化設計方法，研究了基于BP的學習算法和擴展卡爾曼濾波器與最小二乘法相結合的混合學習方法。從理論上，證明了該模型對非線性函數的萬能逼近能力，使模糊小波網絡能以任意精度逼近任意非線性函數。對兩種模糊小波網絡模型進行靜態(tài)系統(tǒng)的仿真研究，表明了所研究的模糊小波網絡模型在非線性系統(tǒng)

4、建模上，不僅具有多分辨能力，而且逼近精度好和泛化能力強。 然后，將動態(tài)遞歸神經網絡與前面所研究的靜態(tài)模糊小波網絡結合，研究了兩種動態(tài)遞歸模糊小波網絡。證明了其逼近性；該模型采用BP學習算法對動態(tài)系統(tǒng)進行辨識，對其穩(wěn)定性進行了分析；仿真表明兩種動態(tài)遞歸神經網絡具有小波多分辨率特點，有較簡單的網絡結構和對動態(tài)系統(tǒng)具有很好的響立。 其次，對模糊小波網絡在系統(tǒng)控制中的應用進行了研究，提出了兩類非線性系統(tǒng)的模糊小波滑?？刂破?。研究

5、了兩種控制器的設計方法，基于Lyapunov函數，給出了在線調節(jié)參數的自適應率，證明了閉環(huán)系統(tǒng)的穩(wěn)定性和跟蹤誤差的收斂性。對一個混沌系統(tǒng)和車桿控制系統(tǒng)進行仿真的結果，證明了所提出方法的有效性。 最后，研究了模糊小波網絡在永磁同步電機控制中的應用。在論述了的數學模型和矢量控制原理基礎上，先提出了一種模糊小波自適應復合控制器。應用模型參考自適應技術，用動態(tài)遞歸模糊小波網絡作為補償器，從而補償擾動的影響，達到實時跟蹤參考模型輸出的目的

6、。在磁場定向控制的永磁同步電動機數學模型上，利用一種增廣的數學模型，將滑模變結構和二次型最優(yōu)方法結合進行位置控制。提高了系統(tǒng)在外部負載干擾和系統(tǒng)參數變化下的魯棒性和控制精度；同時證明了該控制方式下系統(tǒng)的穩(wěn)定性。另外，提出了基于模糊小波網絡辨識器的永磁同步電機滑模伺服控制系統(tǒng)。利用模糊小波網絡補償器，估計滑?？刂频牟淮_定邊界，有效克服了參數變化和負載擾動等不確定因素的影響，增強了系統(tǒng)的魯棒性。 通過仿真和基于TMS32OF240電