CN109245607A - 基于变增益迭代学习的超声波电机转速控制方法及装置 - Google Patents
基于变增益迭代学习的超声波电机转速控制方法及装置 Download PDFInfo
- Publication number
- CN109245607A CN109245607A CN201811169125.1A CN201811169125A CN109245607A CN 109245607 A CN109245607 A CN 109245607A CN 201811169125 A CN201811169125 A CN 201811169125A CN 109245607 A CN109245607 A CN 109245607A
- Authority
- CN
- China
- Prior art keywords
- supersonic motor
- value
- speed
- learning
- iterative learning
- 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.)
- Pending
Links
- 230000013016 learning Effects 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005259 measurement Methods 0.000 claims description 19
- 238000002604 ultrasonography Methods 0.000 claims description 11
- 230000006872 improvement Effects 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims 4
- 230000004044 response Effects 0.000 abstract description 15
- 230000010355 oscillation Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004672 jump response Effects 0.000 description 1
- 230000009021 linear effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009022 nonlinear effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02N—ELECTRIC MACHINES NOT OTHERWISE PROVIDED FOR
- H02N2/00—Electric machines in general using piezoelectric effect, electrostriction or magnetostriction
- H02N2/10—Electric machines in general using piezoelectric effect, electrostriction or magnetostriction producing rotary motion, e.g. rotary motors
- H02N2/14—Drive circuits; Control arrangements or methods
- H02N2/142—Small signal circuits; Means for controlling position or derived quantities, e.g. speed, torque, starting, stopping, reversing
Abstract
本发明涉及一种基于变增益迭代学习的超声波电机转速控制方法及装置，本发明对基于改进P型迭代学习控制器或者基于P型迭代学习控制器的超声波电机转速控制方法做了改进，使其中的学习增益根据超声波电机实际转速进行变化，超声波电机转速实际值越大，学习增益越小，超声波电机转速实际值越小，学习增益越大。本发明在提高了收敛速度的同时，又使响应曲线没有出现振荡的现象，有效改善了超声波迭代学习控制性能。
Description
技术领域
本发明属于超声波电机技术领域，具体涉及基于变增益迭代学习的超声波电机转速控制方法及装置。
背景技术
超声波电机在汽车电子、精密仪器、机器人、航空航天以及武器装备等领域有着广阔的应用前景。但是，由于超声波电机内部压电材料、定转子间机械能摩擦传递等方面的非线性，使超声波电机具有比传统电磁电机更强的时变非线性运行特性。同时，超声波电机驱动电路工作在开关状态，其控制关系也有着非线性的特征，使得超声波电机系统的时变非线性更加明显，不易获得良好的运动控制性能。为改善其控制性能，通常应采用具有自适应特点的控制策略，实时调整控制器参数或结构。
Arimoto等人在上世纪80年代提出了迭代学习控制思想，是一种具有自学习能力的控制方法。该控制器在重复的运行过程中，基于经验知识学习来逐渐趋近期望控制过程，得到更好的控制效果。
“P型迭代学习控制器”是迭代学习控制器的一种简洁形式，《微特电机》2015年第43卷第1期出版的作者为刘玉、史敬灼、黄景涛等的《超声波电动机P与PI型迭代学习转速控制》便将“P型迭代学习控制器”应用于超声波电机转速控制，其控制系统结构如图1所示，图中虚线框内的结构单元是“P型迭代学习控制器”。
如图1所示，“P型迭代学习控制器”的表达式为：
uk+1(t)＝uk(t)+KPek(t) (1)
e(t)＝Nref(t)-n(t) (2)
其中，uk+1(t)为第k+1次迭代学习控制输出量，uk(t)为第k次迭代学习控制输出量；KP为比例环节的比例系数，即学习增益；ek(t)为第k次的超声波电机转速误差值；Nref(t)为超声波电机转速给定值，n(t)为超声波电机转速实际值，e(t)为超声波电机转速值。
迭代学习过程是通过记忆前次控制过程，逐步学习不断改进的过程。图1和式(1)表明，迭代学习控制，在一次次重复的控制过程中，每一次控制器的输出量，都是在前一次控制量的基础上，增加一个修正量，试图减小误差、持续改善控制性能。这个修正量，如式(1)等号右侧第二项所示，与误差值相关，学习增益Kp用来调节修正量的幅度大小，即调节学习进程的快、慢。
显然，学习增益Kp是该P型迭代学习控制器中唯一的控制参数。学习增益Kp的取值，对迭代学习过程及超声波电机转速控制性能有着重要影响。关于学习增益Kp的具体取值，至今没有规范化的设计方法。在超声波电机转速控制系统中的实际应用表明，若学习增益Kp取值稍小，则迭代学习的收敛速度慢，转速控制响应趋近于期望状态的速度也就慢，如图2的转速阶跃响应实验结果所示。图2中，共进行了6次迭代学习，从右至左依次为第1至第6次迭代学习的阶跃响应曲线，随着迭代学习的一次次进行，转速阶跃响应曲线逐渐趋近于图中虚线所示的柔化的阶跃给定值变化曲线，只是趋近的速率较慢。
实际应用中，我们总是期望较快的学习收敛速率以保持较好的控制性能。若学习增益Kp取值稍大，由于超声波电机运行的明显非线性影响，又会导致阶跃响应过程出现振荡，稳态特性较差，如图3所示。
另外，该篇文献还公开了一种将“改进P型迭代学习控制器”应用于超声波电机转速控制的控制方法，其控制框图如图4所示，其中，虚线框内的结构单元为作者提出的“改进P型迭代学习控制器”。
“改进P型迭代学习控制器”的输出控制量的表达式为：
uk+1(t)＝uk(t)+KPek+1(t) (3)
e(t)＝Nref(t)-n(t) (4)
其中，t为时间；uk+1(t)为第k+1次运行过程中t时刻迭代学习控制输出量(这里的迭代学习控制输出量为超声波电机频率的给定值)；uk(t)为第k次运行过程中t时刻迭代学习控制输出量；ek+1(t)为系统第k+1次运行过程中t时刻的超声波电机转速误差值；Kp为比例环节的比例系数，亦为学习增益；e(t)为超声波电机转速误差值，Nref(t)为超声波电机转速给定值，n(t)为超声波电机转速实际值。
该超声波电机转速控制方法也存在上述问题。
发明内容
本发明的目的在于提供一种基于变增益迭代学习的超声波电机转速控制方法及装置，用以解决现有技术无法兼顾收敛速度和稳态特性的问题。
为解决上述技术问题，本发明的技术方案为：
本发明的一种基于变增益迭代学习的超声波电机转速控制方法，包括如下步骤：
将超声波电机转速给定值与超声波电机转速实际值作差，得到超声波电机转速误差值；将超声波电机转速误差值经过P型迭代学习控制器或改进P型迭代学习控制器，得到迭代学习控制输出量，将迭代学习控制输出量作为超声波电机频率的给定值，用以作用于超声波电机；P型迭代学习控制器或改进P型迭代学习控制器中的学习增益与超声波电机转速实际值有关；超声波电机转速实际值越大，学习增益越小，超声波电机转速实际值越小，学习增益越大。
本发明的一种基于变增益迭代学习的超声波电机转速控制装置，包括处理器和存储器，所述处理器用于执行存储在存储器中的指令以实现如下方法：
将超声波电机转速给定值与超声波电机转速实际值作差，得到超声波电机转速误差值；将超声波电机转速误差值经过P型迭代学习控制器或改进P型迭代学习控制器，得到迭代学习控制输出量，将迭代学习控制输出量作为超声波电机频率的给定值，用以作用于超声波电机；P型迭代学习控制器或改进P型迭代学习控制器中的学习增益KP与超声波电机转速实际值有关；超声波电机转速实际值越大，学习增益KP越小，超声波电机转速实际值越小，学习增益KP越大。
本发明的有益效果：
本发明将P型迭代学习控制器中的学习增益进行优化，使学习增益跟随超声波电机转速实际值变化，当超声波电机转速实际值较大时，设置学习增益较小，当超声波电机转速实际值较小时，设置学习增益较大。本发明在提高了收敛速度的同时，又使响应曲线没有出现振荡的现象，有效改善了迭代学习控制性能。
作为方法及装置的进一步改进，将实测超声波电机频率对对应的实测超声波电机稳态转速进行微分，得到与实测超声波电机稳态转速对应的微分值；当超声波电机转速实际值与实测超声波电机稳态转速相同时，取与实测超声波电机稳态转速对应的微分值的绝对值作为与该超声波电机转速实际值相对应的学习增益。采用该方法来确定学习增益的具体取值，能够有效改善迭代学习控制性能。
作为方法及装置的进一步改进，当超声波电机转速实际值小于等于设定转速阈值时，对应的学习增益为：实测超声波电机稳态转速为设定转速阈值所对应的微分值的绝对值。当超声波电机转速实际值较小时，进行限幅，避免动态控制过程中出现过大的超调、失稳等状况。
附图说明
图1是现有技术中的基于P型迭代学习控制器的超声波电机转速控制方法的控制框图；
图2是采用现有技术的基于P型迭代学习控制器的超声波电机转速控制方法的转速阶跃响应曲线图；
图3是采用现有技术的基于P型迭代学习控制器的超声波电机转速控制方法且学习增益较大时的转速阶跃响应曲线图；
图4是现有技术中的基于改进P型迭代学习控制器的超声波电机转速控制方法的控制框图；
图5是本发明的基于变增益迭代学习的超声波电机转速控制方法的控制框图；
图6是本发明的电机频率-稳态转速的稳态特性示意图；
图7是本发明的电机稳态转速-频率的稳态特性示意图；
图8是本发明的电机稳态转速-频率关系的数值微分与拟合示意图；
图9是本发明的学习增益Kp在线更新曲线示意图；
图10是采用本发明的基于变增益迭代学习的超声波电机转速控制方法的阶跃响应曲线图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚，下面结合附图及实施例，对本发明作进一步的详细说明。
方法实施例1
如图1所示，现有技术的基于P型迭代学习控制器的超声波电机转速控制方法为：将超声波电机转速给定值Nref(t)与超声波电机转速实际值n(t)作差，得到超声波电机转速误差值ek+1(t)，将超声波电机转速误差值ek+1(t)经过P型迭代学习控制器，得到迭代学习控制输出量uk+1(t)，将迭代学习控制输出量uk+1(t)作为超声波电机频率的给定值，用以作用于超声波电机。其中，P型迭代学习控制器的表达式见式(1)。
本实施例的方法在图1的基础上做了改进，改进后的控制框图如图5所示，其具体改进点在图5中以虚线框框住。
对于图5，当控制器结构确定之后，控制器参数学习增益Kp数值的选择，主要取决于作为被控对象的超声波电机的性能。超声波电机的运行，具有明显的非线性特性。例如，在不同转速情况下，超声波电机的控制灵敏度是不同的，有必要采取不同的控制参数值(即不同的学习增益Kp)。
对于图5，控制器的输出量为超声波电机频率的给定值。图6为实测的电机频率-稳态转速的稳态特性示意图，图中方型点为测试数据点。从该图中可以看出，在低速、高速情况下，相同的控制量(即迭代学习控制输出量，也即超声波电机频率的给定值)增量对应的转速变化量是不同的，即控制灵敏度不同。高速时，相同频率增量导致的转速变化量大，即控制灵敏度高；低速时，控制灵敏度相对较低。对于图5所示的控制框图所对应的控制系统，学习增益Kp值与迭代学习控制输出量的大小直接相关。由此，为了在全转速范围内得到一致的控制响应性能，设置超声波电机高速运行时的学习增益Kp较小，以避免过大的超调甚至出现如图3所示的失稳状态；而在超声波电机低速运行时，则应增大学习增益Kp值，以加快响应。
下面考虑如何确定学习增益Kp的具体取值。
图6是以频率为自变量、稳态转速为因变量的电机稳态特性示意图，而图5所示的设计，则是根据转速误差计算出合适的频率值，与图6所示稳态特性的自变量、因变量的关系是相反的。将图6中的自变量、因变量互换，得到图7。图7中方型点所示测试数据点，与图6中的测试数据点完全相同。对图7所示的测试数据点做一阶数值微分，得到图8中方型点所示的数据点，用做学习增益Kp值。图8所示的数据点，低速时，数据值(绝对值)较大；随着转速的升高，数据值逐渐减小，该整体规律与前述的学习增益Kp值变化规律一致。
为应对控制过程中可能出现的任意转速情况，需要对图8所示数据点做曲线拟合。采用式(5)所示Gauss函数，对图8所示数据点做曲线拟合，得到图8所示拟合曲线，式(6)给出了对应的拟合函数表达式。
其中，自变量x为超声波电机转速，因变量y为学习增益Kp值。
另一方面，考虑到图8所示数据点来自于稳态的频率-稳态转速关系数据，为避免动态控制过程中出现过大的超调、失稳等状况，在将学习增益Kp值取为图8所示数据时，应进行适当的限幅，以使控制作用不致于过强。如前述，转速越低，图8所示数据绝对值越大。根据实验验证，在转速低于15r/min时，选取学习增益Kp限幅值为图8中转速为15r/min时对应的微分数值。于是，学习增益Kp值与转速之间的对应关系，如图9中实线所示。其中，曲线段符合式(6)，当转速小于等于15r/min时，学习增益Kp值固定不变。这就是图5所示系统中“Kp自适应调节”环节的在线自适应调整规律。
采用上述学习增益Kp在线自适应调节机制，进行超声波电机P型迭代学习控制实验，得到转速阶跃响应曲线如图10所示，其中，从右至左依次为第1次至第6次迭代学习的阶跃响应曲线。与图2对比可以看出，迭代学习进程的收敛速度、转速控制响应趋近于期望状态的速度都明显加快，第4次的阶跃响应曲线已经基本与图中虚线表示的柔化的阶跃给定值曲线重合。而且，随后持续进行的迭代学习控制，阶跃响应曲线始终保持与阶跃给定值曲线重合，控制性能并未下降，更未出现图3所示的失稳状况，表明上述“Kp自适应调节”环节有效改善了超声波电机迭代学习控制性能。
方法实施例2
实施例1不同的是，将本发明的方法应用于如图4所示的基于改进P型迭代学习控制器的超声波电机转速控制中来，也即该控制方法中的学习增益Kp也是自适应调节的。超声波电机转速实际值越大，学习增益越小，超声波电机转速实际值越小，学习增益越大。具体的学习增益Kp的取值方法可参考方法实施例1，这里不再赘述。
装置实施例
该实施例提供了一种基于变增益迭代学习的超声波电机转速控制装置，该装置为计算机等具备数据处理能力的设备，该装置包括处理器和存储器，两者之间直接或间接地电性连接，以实现数据的传输或交互。该处理器用于执行存储在存储器中的指令实现本发明的基于变增益迭代学习的超声波电机转速控制方法。具体该方法的介绍见方法实施例1和方法实施例2，这里不再赘述。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
Claims (6)
1.一种基于变增益迭代学习的超声波电机转速控制方法，包括如下步骤：
将超声波电机转速给定值与超声波电机转速实际值作差，得到超声波电机转速误差值；
将超声波电机转速误差值经过P型迭代学习控制器或改进P型迭代学习控制器，得到迭代学习控制输出量，将迭代学习控制输出量作为超声波电机频率的给定值，用以作用于超声波电机；
其特征在于，P型迭代学习控制器或改进P型迭代学习控制器中的学习增益与超声波电机转速实际值有关；超声波电机转速实际值越大，学习增益越小，超声波电机转速实际值越小，学习增益越大。
2.根据权利要求1所述的基于变增益迭代学习的超声波电机转速控制方法，其特征在于，将实测超声波电机频率对对应的实测超声波电机稳态转速进行微分，得到与实测超声波电机稳态转速对应的微分值；当超声波电机转速实际值与实测超声波电机稳态转速相同时，取与实测超声波电机稳态转速对应的微分值的绝对值作为与该超声波电机转速实际值相对应的学习增益。
3.根据权利要求2所述的基于变增益迭代学习的超声波电机转速控制方法，其特征在于，当超声波电机转速实际值小于等于设定转速阈值时，对应的学习增益为：实测超声波电机稳态转速为设定转速阈值所对应的微分值的绝对值。
4.一种基于变增益迭代学习的超声波电机转速控制装置，包括处理器和存储器，所述处理器用于执行存储在存储器中的指令以实现如下方法：
将超声波电机转速给定值与超声波电机转速实际值作差，得到超声波电机转速误差值；
将超声波电机转速误差值经过P型迭代学习控制器或改进P型迭代学习控制器，得到迭代学习控制输出量，将迭代学习控制输出量作为超声波电机频率的给定值，用以作用于超声波电机；
其特征在于，P型迭代学习控制器或改进P型迭代学习控制器中的学习增益与超声波电机转速实际值有关；超声波电机转速实际值越大，学习增益越小，超声波电机转速实际值越小，学习增益越大。
5.根据权利要求4所述的基于变增益迭代学习的超声波电机转速控制装置，其特征在于，将实测超声波电机频率对对应的实测超声波电机稳态转速进行微分，得到与实测超声波电机稳态转速对应的微分值；当超声波电机转速实际值与实测超声波电机稳态转速相同时，取与实测超声波电机稳态转速对应的微分值的绝对值作为与该超声波电机转速实际值相对应的学习增益。
6.根据权利要求5所述的基于变增益迭代学习的超声波电机转速控制装置，其特征在于，当超声波电机转速实际值小于等于设定转速阈值时，对应的学习增益为：实测超声波电机稳态转速为设定转速阈值所对应的微分值的绝对值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811169125.1A CN109245607A (zh) | 2018-10-08 | 2018-10-08 | 基于变增益迭代学习的超声波电机转速控制方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811169125.1A CN109245607A (zh) | 2018-10-08 | 2018-10-08 | 基于变增益迭代学习的超声波电机转速控制方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109245607A true CN109245607A (zh) | 2019-01-18 |
Family
ID=65055289
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811169125.1A Pending CN109245607A (zh) | 2018-10-08 | 2018-10-08 | 基于变增益迭代学习的超声波电机转速控制方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109245607A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111510020A (zh) * | 2020-04-27 | 2020-08-07 | 广州大学 | 一种针对高相对度压电电机的开闭环迭代学习控制方法 |
| CN113485123A (zh) * | 2021-08-10 | 2021-10-08 | 哈尔滨工业大学 | 一种小行程纳米级运动台的频域自适应迭代学习控制方法 |
| CN114932548A (zh) * | 2022-04-29 | 2022-08-23 | 北京科技大学 | 一种弹性机器人关节角位移跟踪控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11178366A (ja) * | 1997-12-12 | 1999-07-02 | Canon Inc | 振動型アクチュエータの駆動装置、振動型アクチュエータを用いた機器および振動型アクチュエータ装置 |
| JP4585346B2 (ja) * | 2005-03-24 | 2010-11-24 | 太平洋セメント株式会社 | 超音波モータの制御方法 |
| CN102255554A (zh) * | 2011-06-27 | 2011-11-23 | 上海师范大学 | 一种旋转行波超声波电机的摩擦补偿的速度控制方法 |
| CN102694484A (zh) * | 2012-01-14 | 2012-09-26 | 河南科技大学 | 一种超声波电机混沌控制系统及控制方法 |
-
2018
- 2018-10-08 CN CN201811169125.1A patent/CN109245607A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11178366A (ja) * | 1997-12-12 | 1999-07-02 | Canon Inc | 振動型アクチュエータの駆動装置、振動型アクチュエータを用いた機器および振動型アクチュエータ装置 |
| JP4585346B2 (ja) * | 2005-03-24 | 2010-11-24 | 太平洋セメント株式会社 | 超音波モータの制御方法 |
| CN102255554A (zh) * | 2011-06-27 | 2011-11-23 | 上海师范大学 | 一种旋转行波超声波电机的摩擦补偿的速度控制方法 |
| CN102694484A (zh) * | 2012-01-14 | 2012-09-26 | 河南科技大学 | 一种超声波电机混沌控制系统及控制方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘玉: "超声波电动机P与PI 型迭代学习转速控制", 《微特电机》 * |
| 李祥荣: "行波超声电机驱动建模与模糊PID控制系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 潘鹏: "行波型超声波电机驱动和精密伺服特性的研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111510020A (zh) * | 2020-04-27 | 2020-08-07 | 广州大学 | 一种针对高相对度压电电机的开闭环迭代学习控制方法 |
| CN111510020B (zh) * | 2020-04-27 | 2021-04-23 | 广州大学 | 一种针对高相对度压电电机的开闭环迭代学习控制方法 |
| CN113485123A (zh) * | 2021-08-10 | 2021-10-08 | 哈尔滨工业大学 | 一种小行程纳米级运动台的频域自适应迭代学习控制方法 |
| CN114932548A (zh) * | 2022-04-29 | 2022-08-23 | 北京科技大学 | 一种弹性机器人关节角位移跟踪控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109245607A (zh) | 基于变增益迭代学习的超声波电机转速控制方法及装置 | |
| CN103684193B (zh) | 一种交流伺服系统控制器参数整定方法 | |
| Emhemed et al. | Modelling and simulation for industrial DC motor using intelligent control | |
| CN103197596B (zh) | 一种数控加工参数自适应模糊控制规则优化方法 | |
| CN110707981A (zh) | 基于新型扩张状态观测器的永磁同步电机速度控制器 | |
| WO2018145498A1 (zh) | 基于强化学习算法的双馈感应风力发电机自校正控制方法 | |
| CN104901596A (zh) | 基于改进的模糊pid的励磁控制及其方法 | |
| CN111211724B (zh) | 适用于重复性伺服系统的rbf自适应神经网络重复控制器 | |
| Yin et al. | Inertia compensation scheme of WTS considering time delay for emulating large‐inertia turbines | |
| CN102509152A (zh) | 一种基于rbf神经网络的开关磁阻电机在线建模方法 | |
| CN101997471A (zh) | 基于pid预测函数的励磁控制方法 | |
| CN113485123A (zh) | 一种小行程纳米级运动台的频域自适应迭代学习控制方法 | |
| CN106877769A (zh) | 一种伺服电机速度控制器增益参数自整定的方法 | |
| CN110535396A (zh) | 基于bp神经网络的表面式永磁同步电机模型预测控制方法 | |
| Chen et al. | Robust sliding-mode tip position control for flexible arms | |
| CN107037726A (zh) | 一种非同元分数阶系统滑膜干扰观测器设计方法 | |
| CN104234934A (zh) | 一种风力发电机转速控制方法 | |
| CN109150005A (zh) | 一种基于迭代学习的超声波电机转速控制方法及装置 | |
| CN106125551A (zh) | 适用于周期伺服系统的积分滑模重复控制器 | |
| CN114571451A (zh) | 一种可调漏斗边界的自适应滑模控制方法及设备 | |
| CN115133828A (zh) | 一种永磁同步电机控制方法及系统 | |
| CN110011583B (zh) | 基于奇异摄动理论的永磁同步电机滑模控制系统及建模方法 | |
| CN109600094A (zh) | 一种超声波电机转速控制方法、装置和系统 | |
| Chen et al. | Robust vibration control for flexible arms using the sliding mode method | |
| CN111058952A (zh) | 基于自适应模糊技术的电子节气门控制方法、系统及车辆 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |