关于PMSM的MATLAB simulink仿真
在研究PMSM的控制算法 目前有FCMAC(模糊小脑模型)和重复补偿控制，有没有做过类似的仿真的？想把两者结合起来 大家看看这个可不可行1.CMAC(Cerebellar model articulation controller)是一种模拟小脑功能的神经网络模型，它通过局部逼近方法来学习复杂的非线性函数映射。它的突出特点是学习速度快，且不存在局部极小问题，因而适合于实时控制，是在机器人学习控制上用得最多的神经网络方法之一〔96]。本章采用cMAc控制思想，提出了一种基于模糊CMAC神经网络的船舶航向智能自适应控制算法。为进一步改善控制性能，便于更好地寻出最优参数，将GA算法、遗忘因子法和BP算法相结合，提出了一种基于混合学习算法的船舶航向智能自适应控制方案，以改善控制效果。
CMAC是J.5.AlbuS在1975年提出的一种模拟小脑功能的神经网络模型。CMAC是一种联想网络，对每一输出只有少部分神经元(由输入决定)与之相关，它的联想具有局部泛化(Generalization亦称推广)能力，即相似的输入将产生相似的输出，而远离的输入将产生几乎独立的输出。虽然每个神经元是一种线性关系，但从总体看它是一种非线性的映射，其本质是具有局域联想和学习能力的非线性映射(函数)的表格系统。由于它的自适应调节(学习)是在线性映射部分，其学习算法收敛速度快，所以非常适合在线学习。
FCMAC结构
2.重复补偿PID
重复补偿控制来源于内模原理，即如果参考信号的发生器包含在一个稳定的闭环系统中，被控输出就能够无误差地跟踪参考信号。日本的Inoue 等人基于上述思想提出了重复补偿控制理论，利用内模原理，在稳定闭环系统内设置一个可以产生与参考输入同周期的内部模型，从而使系统实现对外部周期参考信号的渐近跟踪。
重复补偿控制系统中，加到被控对象上面的输入信号除了偏差信号之外，还叠加了上一周期同时刻的控制偏差，把上一次运行的偏差反映到现在，和当前的控制偏差叠加到一起对被控对象进行控制，如图2所示。其中R(s)为输入信号，Y(s)为系统输出，E(s)为误差信号，U(s)为控制器输出，exp(－Ls)为周期性延时环节，Q(s)和T(s)为补偿器，P(s)为被控对象。由于存在一个延迟因子exp(－Ls)，系统的开环传递函数在虚轴上含有无数个极点，所以对任何阶输入或干扰的系统误差是渐近趋于零，系统鲁棒性较强。为了保证系统的稳定性，Q(s)常取接近于1的常数或类似低通滤波器形式的函数，虽不能保证系统完全无静差，但跟踪精度足以满足要求。
重复补偿PID结构
做的simulink仿真
为何重复补偿PID没有仿真成功？ xieyi 发表于 2014-11-14 08:56
为何重复补偿PID没有仿真成功？
可能PID参数没调好吧 szy494468597 发表于 2014-11-16 20:40
可能PID参数没调好吧
楼主的PID参数如何？
页:
[1]