基于递归函数链模糊神经网络的永磁直线同步电动机位置控制

摘要：

针对高精度永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM)存在参数变化、负载扰动、摩擦力等不确定性因素而影响电机伺服性能的问题,提出递归函数链模糊神经网络控制(RFLFNN)保证系统的伺服性能.首先在磁场定向控制下建立PMLSM伺服系统动态数学模型.其次,将函数链神经网络(FLNN)和递归模糊神经网络(RFNN)相结合设计RFLFNN控制策略,利用FLNN实现神经网络的函数扩展,提高系统的非线性逼近能力并对系统参数进行辨识;RFNN采用反向传播算法实时更新并调整神经网络的参数值,对系统中存在的不确定性因素进行估计以抑制不确定性因素对系统的影响.最后,通过系统实验证明所提方法的有效性,实验结果表明,与RFNN相比,该方法极大地改善了PMLSM伺服系统的位置跟踪性能.

关键词：永磁直线同步电动机、不确定性、辨识、跟踪性

所属期刊栏目：19

分类号：TP273(自动化技术及设备)

资助基金：北京市自然科学基金3182015;国网浙江省科技项目5211SX1700R6

在线出版日期：2019-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：199-203