| 【中文题名】 | 基于神经网络的磁轴承系统辨识和控制研究 |
| 【英文题名】 | Research on the AMB's Indentification and Control Based on Neural Networks |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-9-10 |
| 【中关键词】 | 磁轴承,神经网络,遗传算法,系统辨识,PID控制, |
| 【英关键词】 | active magnetic bearing,neural network,genetic algorithm,system identification,PID control, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
主动磁轴承(AMB，以下简称磁轴承)是一种新型高性能轴承，它是由转子、轴承及位置控制器构成的机电一体化系统，具有无摩擦、无磨损、无需润滑及寿命长等一系列优点，被公认为是极有前途的新型轴承。在磁轴承系统的研究中，控制器的设计是其中至关重要的一环，控制器性能的好坏直接影响到转子的动态性能和控制精度，直接关系到磁轴承技术能否成功应用于实践。
目前，国内外对磁轴承系统的控制多采用线性控制理论，采用的数学模型也是经过了近似和线性化后得到的模型。然而，由于磁轴承具有本质不稳定性、非线性和参数不确定性，如果把它近似成为一个线性模型，当转子偏离平衡位置较远时，线性化模型将无法体现实际系统本身的动态特性，也无法满足更高的控制精度的要求。本文试图采用神经网络手段直接对磁轴承非线性特性进行建模，并寻求基于神经网络和遗传算法的控制方法对磁轴承非线性系统进行控制。
神经网络能以任意精度逼近任意非线性连续函数，逐渐成为处理非线性系统的重要工具，在系统辨识和控制领域中越来越受到重视。本论文尝试在磁轴承转子的机理分析的基础上，结合神经网络基本理论，设计一种反映磁轴承动态特性的神经网络作为它的数学模型，对实际的磁轴承... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-9 |
|
第1章 绪论 |
9-16 |
|
1.1 磁轴承概述 |
9 |
|
1.2 磁轴承的研究现状 |
9-11 |
|
1.3 磁轴承的特点及发展趋势 |
11-12 |
|
1.4 神经网络控制的研究史和现状 |
12-14 |
|
1.5 本文的研究内容 |
14-15 |
|
1.6 本论文的课题资助 |
15-16 |
|
第2章 磁轴承的组成原理和数学模型 |
16-26 |
|
2.1 磁轴承的工作原理 |
16-17 |
|
2.2 磁轴承系统的结构 |
17-18 |
|
2.3 磁轴承的数学模型 |
18-23 |
|
2.3.1 电磁场 |
19-20 |
|
2.3.2 电磁力 |
20-21 |
|
2.3.3 磁路中的电感 |
21-22 |
|
2.3.4 电磁力的线性化 |
22-23 |
|
2.4 磁轴承转子的运动方程 |
23-25 |
|
2.5 本章小结 |
25-26 |
|
第3章 神经网络基础理论 |
26-45 |
|
3.1 神经网络的基本理论 |
26-32 |
|
3.1.1 神经元模型 |
28-29 |
|
3.1.2 神经网络的结构 |
29-30 |
|
3.1.3 神经网络的学习算法 |
30-32 |
|
3.2 BP网络介绍 |
32-38 |
|
3.2.1 BP网络结构 |
32-33 |
|
3.2.2 BP算法原理 |
33-36 |
|
3.2.3 BP算法的不足和改进 |
36-38 |
|
3.3 Elman网络及其改进 |
38-44 |
|
3.3.1 基本Elman网络 |
39-43 |
|
3.3.2 改进的Elman网络 |
43-44 |
|
3.4 本章小结 |
44-45 |
|
第4章 磁轴承的神经网络辨识 |
45-53 |
|
4.1 基于神经网络的系统辨识原理 |
45-48 |
|
4.1.1 系统辨识的定义 |
45-46 |
|
4.1.2 辨识精度 |
46-47 |
|
4.1.3 两种辨识结构 |
47-48 |
|
4.2 输入输出数据的采集 |
48 |
|
4.3 基于BP网络的磁轴承辨识 |
48-50 |
|
4.4 基于Elman网络的磁轴承辨识 |
50-51 |
|
4.5 基于改进的Elman网络的磁轴承辨识 |
51-52 |
|
4.6 本章小结 |
52-53 |
|
第5章 磁轴承控制器的研究与仿真 |
53-72 |
|
5.1 传统PID控制 |
53-59 |
|
5.1.1 PID控制原理 |
53-56 |
|
5.1.2 PID控制器设计与仿真 |
56-58 |
|
5.1.3 传统PID算法的不足 |
58-59 |
|
5.2 基于BP网络的PID控制器 |
59-63 |
|
5.2.1 基于BP网络的PID结构形式及控制算法 |
59-62 |
|
5.2.2 基于BP网络的PID控制器的仿真研究 |
62-63 |
|
5.3 遗传算法整定的PID控制器设计 |
63-71 |
|
5.3.1 遗传算法的基本原理 |
64-65 |
|
5.3.2 遗传算法的构成要素 |
65-67 |
|
5.3.3 遗传算法整定PID控制器设计原理 |
67-69 |
|
5.3.4 仿真分析 |
69-71 |
|
5.4 本章小结 |
71-72 |
|
第6章 总结与展望 |
72-74 |
|
参考文献 |
74-77 |
|
作者在攻读硕士学位期间发表的学术论文 |
77-78 |
|
致谢 |
78 |
|
| 【DOI】 | LunWen.ID:2.2008.388926 |
