基于BP神经网络控制+Simulink双闭环直流调速系统仿真

    最近一个月的时间没有更博,跟随老师出差谈项目了。前段时间学习了电机的智能控制,这次把设计好的基于BP神经网络PID控制器应用于双闭环直流调速系统。双闭环直流调速系统的动态数学模型如下图所示:

    外环为转速环,内环为电流环。本次转速调节器采用基于BP神经网络PID控制器,其参数由神经网络自学习调整得到,从而克服系统运行过程中各种不利因素对系统所造成的影响,以达到较好的控制效果。电流调节器仍采用PID调节器,以提高系统的响应速度,实现对电流的限幅,电流调节器采用工程设计的方法设计。如下图所示:

直流电动机参数如下:

    直流电动机:220V,136A,1460r/min,Ce=0.132V.min/r,允许过载倍数为1.5

    晶闸管装置放大系数:Ks=40

    电枢回路总电阻:R=0.5

    时间常数:Tl=0.03s,Tm=0.18s

    反馈系数:B=0.05V/A(10V/1.5In),a=0.00684V.min/r(10V/nN)

    由上述参数建立双闭环直流调速系统如下图所示:

    仿真结果为:

   基于工程设计的双闭环直流调速仿真模型已上传,如有需要自行下载:

    https://download.csdn.net/download/weixin_42650162/11226302

    下面把转速PI调节器换为BP_PID控制器,如下图所示:

    BP_PID控制器仿真设计已在我以前博客所写:

   基于BP神经网络PID控制+Simulink仿真_小师兄1995的博客-CSDN博客_基于神经网络的pid控制

    BP_PID控制器仿真下载:

   https://download.csdn.net/download/weixin_42650162/11216367

 转速调节器换为BP_PID控制器,其余参数不变BP_PID控制器如下图所示:

 BP_PID控制算法用S函数编写,如何编写和函数下载请参考上面链接

 BP_PID控制器学习参数设置如下:

   给定额定转速1460的仿真结果如下图所示:

     黄线为转速,蓝线为电流 .

    给定额定转速1460并在15s时加入50的负载,如下所示:

     给定额定转速1460并在15s减速为600,仿真结果如下图所示:

    目前为止,只能做到这种程度,如果想要进一步达到理想的控制效果,需要对BP神经网络进一步训练学习,以后有时间会继续训练模型以期达到更理想的效果。

    基于BP_PID控制的双闭环直流调速系统的仿真模型已上传,如有需要可自行下载:

    https://download.csdn.net/download/weixin_42650162/11338497

模型及代码工程获取: 

  • 28
    点赞
  • 186
    收藏
    觉得还不错? 一键收藏
  • 16
    评论
基于bp神经网络pid控制的双闭环直流调速系统,是一种应用于直流电机调速控制的高级控制算法。该系统由两个闭环组成,分别是速度环和电流环。其中,速度环控制目标为使电机达到预设的转速,电流环用于控制电机输出的电流。 该系统中采用了bp神经网络作为pid控制器的优化方法,通过对训练数据的学习和拟合,神经网络能够自动调节pid控制器的参数,提高系统的响应速度和控制精度。神经网络通过反向传播算法来更新权重和偏置值,使得控制器能够更好地适应不同的工况和负载变化。 在双闭环控制系统中,速度环通过测量电机转速,与预设的转速进行比较,计算出速度误差,并经过神经网络pid控制器得到修正的电流指令。电流环根据修正的电流指令与电机输出电流进行比较,计算出电流误差,并通过pid控制器得到最终的控制信号,用于驱动电机。 基于bp神经网络pid控制的双闭环直流调速系统具有以下优点:首先,通过神经网络的优化,pid控制器的参数能够自动调节,适应不同的工况和负载变化。其次,系统具有较高的响应速度和控制精度,能够快速稳定地达到预设的转速。此外,神经网络的学习能力和自适应性能使得系统具有较好的鲁棒性。 综上所述,基于bp神经网络pid控制的双闭环直流调速系统是一种高级控制算法,能够有效地调节直流电机的转速,并具有良好的控制性能和鲁棒性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 16
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值