CN106452242B - 基于串并联估计模型的永磁同步电机混沌模糊控制方法 - Google Patents
基于串并联估计模型的永磁同步电机混沌模糊控制方法 Download PDFInfo
- Publication number
- CN106452242B CN106452242B CN201610600736.1A CN201610600736A CN106452242B CN 106452242 B CN106452242 B CN 106452242B CN 201610600736 A CN201610600736 A CN 201610600736A CN 106452242 B CN106452242 B CN 106452242B
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- control
- error
- constant
- defining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 27
- 238000013461 design Methods 0.000 claims abstract description 24
- 230000000739 chaotic effect Effects 0.000 claims abstract description 17
- 230000008859 change Effects 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000033228 biological regulation Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000009795 derivation Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000004880 explosion Methods 0.000 abstract description 8
- 238000013528 artificial neural network Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012938 design process Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/001—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using fuzzy control
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Feedback Control In General (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
一种基于动态面滑模的永磁同步电机混沌模糊自适应控制方法，包括：建立永磁同步电机混沌系统的动态模型，初始化系统状态、采样时间以及控制参数；定义滑模面，结合动态面控制技术，在每一步设计中引入虚拟控制量，并依次通过一阶低通滤波器，避免传统反演控制法所带来的复杂度爆炸问题；采用模糊神经网络控制的自学习与自适应能力，补偿机械臂系统中的未知非线性不确定项；同时，基于串并联估计模型，定义变量预测值并设计相关变化律，提高控制系统的鲁棒性与稳态控制精度。本发明提供一种能够有效改善永磁同步电机混沌系统控制性能的基于动态面滑模的模糊自适应控制方法，实现系统的精确快速跟踪。
Description
技术领域
本发明涉及一种基于串并联估计模型的永磁同步电机混沌模糊控制方法，特别是存在未知非线性不确定项的永磁同步电机混沌系统的控制方法。
背景技术
永磁同步电机是一种典型的多变量、强耦合的高阶非线性系统，在诸如机器人、数控机床、航空飞行器以及伺服转台控制等高性能系统中得到了广泛的应用。然而，近年来的研究表明，永磁同步电机在一些特定参数和工作条件下，会出现复杂的不规则运动，即混沌行为。混沌行为的存在将会产生不规则的电流噪声，不仅会影响系统运行的稳定性和安全性，严重情况下会致使系统崩溃。而在工业自动化生产中，保证永磁同步电机系统的稳定性和安全性至关重要。因此，基于电机系统非线性的本质，如何有效控制永磁同步电机系统中的混沌行为已成为国内外学者的研究热点。
滑模控制在解决系统不确定性和外部扰动方面被认为是一个有效的鲁棒控制方法，拥有算法简单、参数摄动鲁棒性强和响应速度快等优点。然而，滑模控制在设计过程中需要满足匹配条件，实际系统匹配条件的不确定性成为了滑模控制设计的障碍。反演法具有改善滑模控制器性能，放松匹配条件的优点，因此结合滑模与反演控制方法，成为同步电机一种有效的控制方法。然而，反演控制过程中往往会产生对虚拟控制反复求导所带来的“复杂性爆炸”问题，这对控制实现产生了阻碍。
模糊自适应控制在控制领域里已经成为一个研究热点，已成为一种处理不确定性、非线性和其他不确定问题的有力工具。其中，模糊系统能有效地对知识抽取与表达，并具有较强的自学习与自适应能力，能有效地补偿非线性不确定项并实现自适应控制。
发明内容
为了克服现有永磁同步电机混沌系统存在未知非线性不确定项，反演法带来的复杂度爆炸以及系统鲁棒性差等问题，本发明提出一种基于串并联估计模型的永磁同步电机混沌模糊控制方法，并结合滑模与动态面控制技术，避免传统反演控制方法所带来的“复杂度爆炸”问题，利用模糊自适应控制技术与串并联估计模型，通过定义预测误差、状态变量预测值以及其变化律，结合李雅普诺夫理论设计方法，能有效地减小神经网络或模糊系统的逼近误差，在此基础上设计参数自适应律与控制律，实现了系统快速稳定跟踪。
为了解决上述技术问题提出的技术方案如下：
一种基于串并联估计模型的永磁同步电机混沌模糊控制方法，包括以下步骤：
步骤1：建立永磁同步电机混沌模型，初始化系统状态、采样时间以及控制参数，过程如下：
1.1永磁同步电机混沌模型的运动方程表达式为
其中，与为状态变量，分别为电机角速度、交轴定子电流及直轴定子电流；与分别为直轴和交轴的定子电压，满足 为外部扭矩，满足σ和γ为常值参数；
1.2定义：式(1)改写为
其中，u为控制律，y为系统输出信号；
1.3将式(1)描述的系统分解为如下两个子系统
和
其中，式(4)认为是式(2)的内动态方程，只需设计控制器u，使得式(3)中的两个状态x1与x2收敛至零点；
步骤2：针对式(3)，计算控制系统跟踪误差及滑模面，利用模糊系统逼近复杂非线性项，设计系统状态预测误差以及预测变量的变化律，设计虚拟控制量，并通过一阶低通滤波器输出，最后更新模糊系统权值，过程如下：
2.1定义系统的角速度跟踪误差
其中，yr为期望轨迹，λ为常数，且λ>0；
2.2为了逼近复杂的非线性不确定项σ(x2-x1)-x2，定义以下模糊系统
其中，为理想权重；ε1为模糊逼近误差，εN1为逼近误差上界，满足|ε1|≤εN1； 的表达式为
其中，μl(xj)为隶属度函数，其表达式为 为常数，exp(·)为指数函数；
2.3设计虚拟控制量
其中,k1为常数且满足k1>0，为yr的一阶导数，为的估计值；
2.4定义一个新的变量让虚拟控制量通过时间常数为τ2的一阶低通滤波器，得
2.5定义滤波误差为消除滤波误差对控制效果的影响，定义第一补偿信号z1，其变化律表达式为
其中，z2为第二补偿信号；
2.6定义预测误差
其中，为系统状态x1的预测值；
2.7设计串并联估计模型
其中，β1为常数且满足β1>0
2.8定义跟踪误差补偿信号
v1＝s1-z1 (13)
2.9设计模糊系统权重估计值的调节规律为
其中，δ1与rz1为常数，且δ1>0，rz1>0，γ1为对称正定矩阵；
步骤3：设计控制器输入，过程如下：
3.1定义误差变量
3.2为了逼近复杂的非线性不确定项-x2-x1x3+γx1，定义以下模糊系统
其中，为理想权重；ε2为模糊逼近误差，εN2为逼近误差上界，满足|ε2|≤εN2；ψ(X2)＝[ψ1(X2),ψ2(X2),…,ψ11(X2)]T，ψl(X2)(l＝1,2,…,11)的表达式为
3.3设计控制器输入为u
其中，k2为常数且满足k2>0，为的估计值；
3.4定义补偿信号z2，设计其变化律表达式
3.5定义预测误差
其中，为系统状态x2的预测值；
3.6设计串并联估计模型
其中，β2为常数且满足β2>0；
3.7定义跟踪误差补偿信号
v2＝s2-z2 (22)
3.8设计模糊系统权重估计值的调节规律为
其中，δ2，rz2为常数，且δ2>0，rz2>0，γ2为对称正定矩阵；
步骤4：设计李雅普诺夫函数
对式(24)进行求导得：
如果则判定系统是稳定的。
本发明的技术构思为：动态面控制技术作为非线性自适应控制的重要手段，通过每一步反演过程引入一阶低通滤波器，能有效避免上述“复杂性爆炸”问题，成为了一个重要的研究方向。
模糊自适应控制在控制领域里已经成为一个研究热点，已成为一种处理不确定性、非线性和其他不确定问题的有力工具。其中，模糊系统能有效地对知识抽取与表达，并具有较强的自学习与自适应能力，能有效地补偿非线性不确定项并实现自适应控制。
串并联估计模型是基于自适应控制基础上提出来的一种控制方法，通过定义预测误差、状态变量预测值以及其变化律，结合李雅普诺夫理论设计方法，能有效地减小神经网络或模糊系统的逼近误差，从而提高控制系统的鲁棒性。
针对永磁同步电机混沌系统，利用模糊模型较强的自学习能力与自适应能力逼近系统中复杂的非线性不确定项。结合积分滑模与动态面控制技术，在每一步设计过程中加入虚拟控制量，并通过依次通过一阶低通滤波器，其低通性能有效避免传统反演控制方法所带来的“复杂度爆炸”问题。设计低通滤波器滤波误差相应补偿信号，进一步提高控制精度。最后，基于串并联估计模型，定义系统状态预测量并设计相应控制律，以此提高系统的鲁棒性。本发明提供中能有效克服非线性不确定项，提高系统鲁棒性并实现动态补偿的模糊自适应控制方法，实现系统位置信号的稳定快速跟踪。
本发明的优点为：避免传统反演控制方法所带来的“复杂度爆炸”问题，补偿系统未知模型复杂非线性项问题，减小模糊自适应控制误差，能提高系统的鲁棒性，有效提高了系统的稳态误差，实现对伺服系统位置轨迹的稳定快速跟踪。
附图说明
图1为电机角速度x1的受控曲线示意图；
图2为交轴定子电流x2的受控曲线示意图；
图3为直轴电子电流x3的受控曲线示意图；
图4为控制器u的作用曲线示意图；
图5为本发明的控制流程图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1–图5，一种基于串并联估计模型的永磁同步电机混沌模糊控制方法，所述控制方法包括如下步骤：
步骤1：建立永磁同步电机混沌模型，初始化系统状态、采样时间以及控制参数，过程如下：
1.1永磁同步电机混沌模型的运动方程表达式为
其中，与为状态变量，分别为电机角速度、交轴定子电流及直轴定子电流；与分别为直轴和交轴的定子电压，满足 为外部扭矩，满足σ和γ为常值参数；
1.2定义：式(1)改写为
其中，u为控制律，y为系统输出信号；
1.3为便于控制器设计，将式(1)描述的系统分解为如下两个子系统
和
其中，式(4)认为是式(2)的内动态方程，只需设计控制器u，使得式(3)中的两个状态x1与x2收敛至零点；
步骤2：针对式(3)，计算控制系统跟踪误差及滑模面，利用模糊系统逼近复杂非线性项，设计系统状态预测误差以及预测变量的变化律，设计虚拟控制量，并通过一阶低通滤波器输出，最后更新模糊系统权值，过程如下：
2.1定义系统的角速度跟踪误差
其中，yr为期望轨迹，λ为常数，且λ>0；
2.2为了逼近复杂的非线性不确定项σ(x2-x1)-x2，定义以下模糊系统
其中，为理想权重；ε1为模糊逼近误差，εN1为逼近误差上界，满足|ε1|≤εN1； 的表达式为
其中，μl(xj)为隶属度函数，其表达式为 为常数，exp(·)为指数函数；
2.3设计虚拟控制量
其中,k1为常数且满足k1>0，为yr的一阶导数，为的估计值；
2.4定义一个新的变量让虚拟控制量通过时间常数为τ2的一阶低通滤波器，得
2.5定义滤波误差为消除滤波误差对控制效果的影响，定义第一补偿信号z1，其变化律表达式为
其中，z2为第二补偿信号；
2.6定义预测误差
其中，为系统状态x1的预测值；
2.7设计串并联估计模型
其中，β1为常数且满足β1>0
2.8定义跟踪误差补偿信号
v1＝s1-z1 (13)
2.9设计模糊系统权重估计值的调节规律为
其中，δ1与rz1为常数，且δ1>0，rz1>0，γ1为对称正定矩阵；
步骤3：设计控制器输入，过程如下：
3.1定义误差变量
3.2为了逼近复杂的非线性不确定项-x2-x1x3+γx1，定义以下模糊系统
其中，为理想权重；ε2为模糊逼近误差，εN2为逼近误差上界，满足|ε2|≤εN2；ψ(X2)＝[ψ1(X2),ψ2(X2),…,ψ11(X2)]T，ψl(X2)(l＝1,2,…,11)的表达式为
3.3设计控制器输入为u
其中，k2为常数且满足k2>0，为的估计值；
3.4定义补偿信号z2，设计其变化律表达式
3.5定义预测误差
其中，为系统状态x2的预测值；
3.6设计串并联估计模型
其中，β2为常数且满足β2>0；
3.7定义跟踪误差补偿信号
v2＝s2-z2 (22)
3.8设计模糊系统权重估计值的调节规律为
其中，δ2，rz2为常数，且δ2>0，rz2>0，γ2为对称正定矩阵；
步骤4：设计李雅普诺夫函数
对式(24)进行求导得：
如果则判定系统是稳定的。
本发明针对永磁同步电机混沌系统，基于模糊自适应控制技术和串并联估计模型，结合滑模与动态面控制技术，设计一种基于串并联估计模型的永磁同步电机混沌模糊控制方法，克服非线性不确定项对控制效果的影响，实现对系统的位置轨迹的跟踪控制，并提高了系统的鲁棒性与系统的稳态控制精度，为验证所提方法的有效性，本发明给出了所提控制方法的镇定控制效果图。
仿真控制参数设置：采样时间取0.005s，系统初始化参数为[x1,x2,x3]T＝[1,1,1]T，[z1NN,z2NN]T＝[0,0]T，[z1,z2]T＝[0,0]T，串并联估计模型参数：[β1,β2]＝[0.1,0.1]；模糊系统参数为： 自适应控制律参数为γ2＝0.1I11，I11为11阶单位方阵，γ4＝0.1I11，δ2＝0.01，δ4＝0.01；一阶低通滤波器的时间常数为τ2＝0.2；系统模型参数为σ＝5,λ＝20；控制器参数为k1＝5，k2＝5。
本发明针对永磁同步电机混沌系统的镇定问题，故期望信号为零输入，其表达式为yr＝0。从图1可以看出，电动机角度x1输出在0.6秒内能达到期望值10％的误差带内，并于2秒后完全镇定，误差为0；从图2可以看出，交轴定子电流x2输出在1.1秒内能达到期望值10％的误差带内，并于2秒后完全镇定，误差为0；从图3可以看出，直轴定子电流x3输出在2.4秒内能达到期望值10％的误差带内，并于5秒后完全镇定，误差为0；从图4可以看出，控制器输出前2秒内控制输出在-40到+15范围内有小波动，2秒后控制输出呈稳定输出为0。因此，本发明提供一种能够有效补偿未知非线性不确定项，有效提高系统鲁棒性以及避免反演方法带来的“复杂度爆炸”问题的基于串并联估计模型的永磁同步电机混沌系统模糊控制方法，实现系统的稳定快速跟踪。
以上阐述的是本发明给出的一个实施例表现出的优良优化效果，显然本发明不只是限于上述实施例，在不偏离本发明基本精神及不超出本发明实质内容所涉及范围的前提下对其可作种种变形加以实施。
Claims (1)
1.一种基于串并联估计模型的永磁同步电机混沌模糊控制方法，其特征在于：包括以下步骤：
步骤1：建立永磁同步电机混沌模型，初始化系统状态、采样时间以及控制参数，过程如下：
1.1 永磁同步电机混沌模型的运动方程表达式为
其中，与为状态变量，分别为电机角速度、交轴定子电流及直轴定子电流；与分别为直轴和交轴的定子电压，满足 为外部扭矩，满足σ和γ为常值参数；
1.2 定义：式(1)改写为
其中，u为控制律，y为系统输出信号；
1.3 将式(1)描述的系统分解为如下两个子系统
和
其中，式(4)认为是式(2)的内动态方程，只需设计控制器u，使得式(3)中的两个状态x1与x2收敛至零点；
步骤2：针对式(3)，计算控制系统跟踪误差及滑模面，利用模糊系统逼近复杂非线性项，设计系统状态预测误差以及预测变量的变化律，设计虚拟控制量，并通过一阶低通滤波器输出，最后更新模糊系统权值，过程如下：
2.1 定义系统的角速度跟踪误差
其中，yr为期望轨迹，λ为常数，且λ>0；
2.2 为了逼近复杂的非线性不确定项σ(x2-x1)-x2，定义以下模糊系统
其中，为理想权重；ε1为模糊逼近误差，εN1为逼近误差上界，满足|ε1|≤εN1； 的表达式为
其中，μl(xj)为隶属度函数，其表达式为 为常数，exp(·)为指数函数；
2.3 设计虚拟控制量
其中,k1为常数且满足k1>0，为yr的一阶导数，为的估计值；
2.4 定义一个新的变量让虚拟控制量通过时间常数为τ2的一阶低通滤波器，得
2.5 定义滤波误差为消除滤波误差对控制效果的影响，定义第一补偿信号z1，其变化律表达式为
其中，z2为第二补偿信号；
2.6 定义预测误差
其中，为系统状态x1的预测值；
2.7 设计串并联估计模型
其中，β1为常数且满足β1>0
2.8 定义跟踪误差补偿信号
v1＝S1-z1 (13)
2.9 设计模糊系统权重估计值的调节规律为
其中，δ1与rz1为常数，且δ1>0，rz1>0，γ1为对称正定矩阵；
步骤3:设计控制器输入，过程如下：
3.1 定义误差变量
3.2 为了逼近复杂的非线性不确定项-x2-x1x3+γx1，定义以下模糊系统
其中，为理想权重；ε2为模糊逼近误差，εN2为逼近误差上界，满足|ε2|≤εN2；ψ(X2)＝[ψ1(X2),ψ2(X2),…,ψ11(X2)]T，Ψl(X2)(l＝1,2,…,11)的表达式为
3.3 设计控制器输入为u
其中，k2为常数且满足k2>0，为的估计值；
3.4 定义补偿信号z2，设计其变化律表达式
3.5 定义预测误差
其中，为系统状态x2的预测值；
3.6 设计串并联估计模型
其中，β2为常数且满足β2>0；
3.7 定义跟踪误差补偿信号
v2＝s2-z2 (22)
3.8 设计模糊系统权重估计值的调节规律为
其中，δ2，rz2为常数，且δ2>0，rz2>0，γ2为对称正定矩阵；
步骤4：设计李雅普诺夫函数
对式(24)进行求导得：
如果则判定系统是稳定的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610600736.1A CN106452242B (zh) | 2016-07-27 | 2016-07-27 | 基于串并联估计模型的永磁同步电机混沌模糊控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610600736.1A CN106452242B (zh) | 2016-07-27 | 2016-07-27 | 基于串并联估计模型的永磁同步电机混沌模糊控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106452242A CN106452242A (zh) | 2017-02-22 |
| CN106452242B true CN106452242B (zh) | 2019-02-05 |
Family
ID=58184435
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610600736.1A Active CN106452242B (zh) | 2016-07-27 | 2016-07-27 | 基于串并联估计模型的永磁同步电机混沌模糊控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106452242B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107065540A (zh) * | 2017-03-15 | 2017-08-18 | 东北电力大学 | 一种基于神经网络的自适应动态面分布控制方法 |
| CN108390606B (zh) * | 2018-03-28 | 2020-08-11 | 淮阴工学院 | 一种基于动态面的永磁同步电机自适应滑模控制方法 |
| CN108873690B (zh) * | 2018-08-29 | 2021-06-01 | 东北大学 | 一种二阶严反馈混沌系统的轨迹跟踪方法 |
| CN109067275A (zh) * | 2018-09-11 | 2018-12-21 | 广东工业大学 | 一种基于解耦自适应滑模的永磁直线电机混沌控制方法 |
| CN110347036B (zh) * | 2018-09-30 | 2022-12-23 | 哈尔滨工业大学 | 基于模糊滑模控制的无人机自主抗风智能控制方法 |
| CN109445280B (zh) * | 2018-10-31 | 2021-08-10 | 东北大学 | 一种基于改进极点配置的三阶严反馈混沌轨迹跟踪方法 |
| CN109742941B (zh) * | 2019-01-16 | 2020-05-22 | 武汉工程大学 | 基于超扭曲控制的dc-dc变换器混沌控制方法、系统及介质 |
| CN109782589B (zh) * | 2019-03-29 | 2021-05-25 | 东北大学 | 一种基于主动积分滑模的混沌轨迹跟踪方法 |
| CN111241749B (zh) * | 2020-01-13 | 2023-04-07 | 广西师范大学 | 一种基于储备池计算的永磁同步电动机混沌预测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104218853A (zh) * | 2014-08-15 | 2014-12-17 | 浙江工业大学 | 一种双永磁同步电机混沌系统的滑模同步控制方法 |
| JP2016144389A (ja) * | 2015-02-03 | 2016-08-08 | 三菱電機株式会社 | 誘導モーターのローター角速度を制御するための方法及びシステム |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1200468C (zh) * | 2003-01-09 | 2005-05-04 | 清华大学 | 用激光脉冲沉积法制备室温正巨磁阻效应的铁碳薄膜材料 |
-
2016
- 2016-07-27 CN CN201610600736.1A patent/CN106452242B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104218853A (zh) * | 2014-08-15 | 2014-12-17 | 浙江工业大学 | 一种双永磁同步电机混沌系统的滑模同步控制方法 |
| JP2016144389A (ja) * | 2015-02-03 | 2016-08-08 | 三菱電機株式会社 | 誘導モーターのローター角速度を制御するための方法及びシステム |
Non-Patent Citations (1)
| Title |
|---|
| 基于扩张状态观测器的永磁同步电机混沌系统自适应滑模控制;陈强等;《物理学报》;20140925;第63卷(第22期);第220506-1至220506-8页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106452242A (zh) | 2017-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106452242B (zh) | 基于串并联估计模型的永磁同步电机混沌模糊控制方法 | |
| CN107121932B (zh) | 电机伺服系统误差符号积分鲁棒自适应控制方法 | |
| CN110572093B (zh) | 基于电机位置伺服系统期望轨迹和干扰补偿的arc控制方法 | |
| CN106113040B (zh) | 基于串并联估计模型的柔性机械臂系统模糊控制方法 | |
| CN110687787A (zh) | 一种基于时变非对称障碍李雅普诺夫函数的机械臂系统自适应控制方法 | |
| CN107544256A (zh) | 基于自适应反步法的水下机器人滑模控制方法 | |
| CN105450120B (zh) | 基于动态面滑模控制的永磁同步电机混沌镇定控制方法 | |
| CN107045285B (zh) | 一种带有输入饱和的伺服系统自适应参数辨识与控制方法 | |
| Pan et al. | Online data‐driven composite adaptive backstepping control with exact differentiators | |
| CN104901599A (zh) | 基于扩张状态观测器的永磁同步电机混沌系统全阶滑模控制方法 | |
| CN106113046B (zh) | 基于死区和摩擦补偿的机械臂伺服系统动态面瞬态控制方法 | |
| CN106054606B (zh) | 基于级联观测器的无模型控制方法 | |
| Koo et al. | Adaptive nonlinear control of a ball and beam system using the centrifugal force term | |
| CN106208857B (zh) | 保证瞬态性能的永磁同步电机混沌系统神经网络动态面控制方法 | |
| CN114035436B (zh) | 一种基于饱和自适应律的反步控制方法、存储介质及设备 | |
| Mousavi et al. | Dead‐zone model based adaptive backstepping control for a class of uncertain saturated systems | |
| Liu et al. | Finite-time-prescribed performance-based adaptive command filtering control for MIMO nonlinear systems with unknown hysteresis | |
| CN112068446B (zh) | 一种基于离散时间模糊模型的直流电机系统抗干扰控制方法 | |
| Zheng et al. | Multiple Observer Adaptive Fusion for Uncertainty Estimation and Its Application to Wheel Velocity Systems | |
| CN110957952B (zh) | 一种基于事件触发机制的直流电机系统抗干扰控制方法 | |
| CN115047760B (zh) | 一种直流电机伺服系统的ftairtsm控制方法 | |
| Zeng et al. | A generalized multivariable adaptive super-twisting control and observation for amphibious robot | |
| CN104734591B (zh) | 汽车电动转向电机磁场定向控制的串级系统稳定调速方法 | |
| CN112286125B (zh) | 电机驱动风扇事件触发固定时间容错控制方法及系统 | |
| Chen et al. | Sliding mode adaptive control for DC motors using function approximation form |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |