首页下载资源行业研究永磁同步电机ADRC 自抗扰控制 SIMULINK仿真模型

ZIP永磁同步电机ADRC 自抗扰控制 SIMULINK仿真模型

shendingposb13.33MB需要积分:1

资源文件列表:

ADRC 自抗扰控制资料.zip 大约有32个文件
  1. ADRC 自抗扰控制资料/adrc/
  2. ADRC 自抗扰控制资料/adrc/ADRC_2015/
  3. ADRC 自抗扰控制资料/adrc/ADRC_2015/ADRC_PMSM_NLSEF_2015a.slx 38.39KB
  4. ADRC 自抗扰控制资料/adrc/ADRC_2015/ADRC_PMSM_NLSEF_2015a.slx.r2015a 36.93KB
  5. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/
  6. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_jitprj/
  7. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_jitprj/jitEngineAccessInfo.mat 726B
  8. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_jitprj/s7Rpo23eaQD6jW54fsKMCxD.l 9.78KB
  9. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_jitprj/s7Rpo23eaQD6jW54fsKMCxD.mat 693B
  10. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/
  11. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/ADRC_PMSM_NLSEF_2015a/
  12. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/ADRC_PMSM_NLSEF_2015a/_self/
  13. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/ADRC_PMSM_NLSEF_2015a/_self/sfun/
  14. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/ADRC_PMSM_NLSEF_2015a/_self/sfun/info/
  15. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/ADRC_PMSM_NLSEF_2015a/_self/sfun/info/binfo.mat 820B
  16. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/EMLReport/
  17. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/EMLReport/emlReportAccessInfo.mat 726B
  18. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/EMLReport/s7Rpo23eaQD6jW54fsKMCxD.mat 29.81KB
  19. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/EMLReport/s7Rpo23eaQD6jW54fsKMCxD/
  20. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/precompile/
  21. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/precompile/autoInferAccessInfo.mat 781B
  22. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/precompile/kTD3KkjvALM18iPNZqxa1B.mat 619B
  23. ADRC 自抗扰控制资料/adrc/ADRC_2015/slprj/_sfprj/precompile/VEZOMWanDhQbtnNVyUakn.mat 600B
  24. ADRC 自抗扰控制资料/adrc/参考论文/
  25. ADRC 自抗扰控制资料/adrc/参考论文/基于跟踪微分器的非线性PID控制器设计.pdf 455.42KB
  26. ADRC 自抗扰控制资料/adrc/参考论文/基于自抗扰控制器的无刷直流电机调速系统的建模与仿真.nh 3.93MB
  27. ADRC 自抗扰控制资料/adrc/参考论文/斩波串级调速系统自抗扰控制策略研究.kdh 2.13MB
  28. ADRC 自抗扰控制资料/adrc/参考论文/自抗扰控制及其在一类热工控制系统中的应用研究.nh 3.67MB
  29. ADRC 自抗扰控制资料/adrc/参考论文/自抗扰控制器的动态参数整定及其应用.pdf 163.24KB
  30. ADRC 自抗扰控制资料/adrc/参考论文/自抗扰控制器设计方法应用研究.nh 3.44MB
  31. ADRC 自抗扰控制资料/adrc/参考论文/自抗扰控制系统参数整定方法的研究.kdh 1.18MB
  32. ADRC 自抗扰控制资料/从PID技术到自抗扰控制技术.pdf 226.26KB

资源介绍:

及其相关的参考论文
2010 第 02 期
测试测量技术
基于跟踪微分器的非线性 PID 控制器设计
Nonlinear Tracking-differentiator-based PID Controller Design
高天龙，秦开宇，何衡湘（电子科技大学空天科学技术研究院，四川 成都 610054）
!ao Tian-long, Qin Kai-yu, He Heng-xiang (School of Aerospace Science and Technology Research Institute,
University of Electronic Science and Technology of China, Sichuan Chengdu 610054
）
摘 要：
文章介绍了基于跟踪微分器的非线性 PID 控制系统，并做出算法仿真。仿真结果表明，跟踪微分器具
有较好的滤波特性，并且基于跟踪微分器的非线性
PID 控制器，在噪声扰动下，体现了较强的抗噪声能力，
并可无超调的跟踪原始信号。
关键词：
跟踪微分器；PID 控制器；非线性
中图分类号：
TP214
文献标识码：
A
文章编号：
1003-0107(2010)02-0001-03
Abstract: This article describes the nonlinear tracking-differentiator-based PID control system, and to make Algorithm Simulation. Simulation
results show that tracking differentiator has good filtering properties, and the nonlinear tracking-differentiator-based PID controller. The noise
disturbance, the expression of strong anti-noise capability, and can not track the original signal overshoot.
Key words: Tracking differentiator; PID controller; non-linear
CLC number: TP214 Document code:A Article ID：1003-0107(2010)02-0001-03
测试测量技术
1 引言
在光电跟踪系统的一些重要应用中，对跟踪瞄准精度提
出极高的要求，这时，负载惯性距的变化，摩擦力矩和扰动力
矩的影响可能是不可轻视的误差源。这些误差源的性质一般
是非线性的﹑非平稳的和具有随机的性质，用线性控制理论难
以分析和提供满意的解决办法。在此，本文在以音圈电机为致
动器的快速反射镜模型基础上，提出了基于跟踪微分器算法
原理的无模型控制器的设计，无模型控制器不仅继承了 PID
控制器的优点，而且还具备智能控制器和自适应控制器的重
要特点，所以此控制器对非线性﹑大时滞、时变、强耦合系统有
良好的控制效果。
2 跟踪微分器
跟踪微分器是由韩京清提出的提取微分信号的方法，它
具有较好的滤波性能、安排过渡过程和相位超前等功能，跟踪
微分器最初提出的目的是为了较好的解决由不连续或带噪声
的量测信号合理提取连续信号及微分的问题，并逐渐发展成
便于计算的跟踪微分器。
二阶跟踪微分器的方程为：
"
1
=x
2
"
2
=- Rsat[x
1
- v(t)+
x
2
│x
2
│
2R
!
]
(1)
式中 v(t)为它的输入信号，x
1
是跟踪 v(t)，x
2
为 v(t)的近似微
分，其中
sat(x,%)=
A
&
, │A│≤’,(>0
sign(A), )>
!
0
跟踪微分器的离散化公式如式（2）所示
x
1
(k+1)=x
1
(k)+*x
2
(k)
x
2
(k+1)=x
2
(k)++S
r
(x
1
,x
2
,v,r,h
!
)
(2)
式中，r 是决定跟踪快慢的参数，, 为数值的积分步长，
S
r
定义如下
-=rh,.
0
=/h,
y=x
1
- v+hx
2
,w
0
=
d
2
+8r│y│
"
w=
x
2
+0.5(w
0
- 0)sign(y) │y│>1
0
x
2
+y/h │y│≤2
0
!
S
r
=
- rsign(w)
│w│>3
- rw/4 │w│≤
!
5
#
%
%
%
%
%
%
%
%
%
$
%
%
%
%
%
%
%
%
%
&
取 r=2000,h=0.02,采样时间 t
s
=0.001s,输入幅值为 1，频率
为 1H
Z
的正弦波，加入 0.1rands(1)的随机噪声，滤波后的仿真
图如图 1 所示。
仿真结果表明，二阶跟踪微分器具有较好的滤波效果，虽
然在通带内有较小相移，但没产生谐振现象。
图 1 滤波后的仿真波形图
.
.
1
100+评论
captcha

    相关资源

    1. VS开发工具，ODOO环境

      tds_tang#信息化管理ZIP1.2MB7月前
      资源摘要:ODOO环境需要用到，省得下载

    2. JAVA 班主任管理系统(源代码+论文).zip

      weixin_44259230#后端ZIP11.49MB7月前
      资源摘要:这是“JAVA 班主任管理系统(源代码+论文)”，仅供学习参考，请勿商用。

    3. java+毕业设计+扫雷（程序）.zip

      weixin_44259230#后端ZIP151.68KB7月前
      资源摘要:这是“java+毕业设计+扫雷（程序）”，仅供学习参考，请勿商用。

    4. Keil的驱动的dll文件

      thebestleo#硬件开发ZIP6.33MB7月前
      资源摘要:Keil的驱动的dll文件

    5. weapp-qrcode-canvas-2d

      moumouguo#前端ZIP62.86KB7月前
      资源摘要:weapp-qrcode-canvas-2d在微信小程序中生成二维码，新版canvas-2d接口

    6. MATLAB汉字定位检测识别（GUI界面）.zip

      2401_86539719#大数据ZIP833.08KB7月前
      资源摘要:在MATLAB中进行汉字定位检测和识别，可以使用以下步骤：1. 预处理：使用图像处理函数对输入的图像进行预处理，包括灰度化、二值化等。可以使用`rgb2gray`函数将彩色图像转为灰度图像，使用`imbinarize`函数进行二值化。2. 字符定位：使用图像处理技术找到图像中的汉字位置。可以使用边缘检测算法（如Canny算法）检测汉字的边缘，然后使用形态学操作（如腐蚀、膨胀）去除噪声并连接字符边缘，最后使用连通区域分析找到汉字的位置。3. 字符识别：对于定位到的汉字区域，可以使用基于特征的方法或深度学习方法进行识别。基于特征的方法可以提取汉字区域的特征，如垂直和水平投影、方向梯度直方图等，然后使用分类器（如支持向量机、K近邻）进行识别。深度学习方法可以使用卷积神经网络（CNN）对汉字进行端到端的识别。4. 结果展示：将识别的汉字和其位置标注在原图像上，并进行展示。需要注意的是，以上步骤只是一个简单的流程，具体的实现方法和参数设置需根据具体的需求进行调整和优化。

    7. MATLAB的车牌识别系统（GUI界面）

      2401_86539719#大数据ZIP159.22KB7月前
      资源摘要:MATLAB是一种强大的数值计算和拟合工具，可以用于开发车牌识别系统。以下是一个使用MATLAB开发车牌识别系统的基本步骤：1. 数据采集：收集一批包含不同车牌的图像数据，包括正常、模糊、倾斜等不同情况下的车牌图像。2. 数据预处理：对采集的车牌图像进行预处理，包括灰度化、二值化、去噪等，以便于后续的图像处理操作。3. 车牌定位：利用图像处理技术，如边缘检测、形态学操作等，对预处理后的图像进行车牌定位，找出图像中车牌的位置。4. 字符分割：对定位到的车牌图像进行字符分割，将每个字符分离开来。可以使用基于图像处理的技术，如投影法、边缘检测等，将字符分割为单个的字母或数字。5. 字符识别：利用图像分类和模式识别的算法，对分割得到的字符进行识别。可以使用机器学习算法，如支持向量机（SVM）、卷积神经网络（CNN）等，对字符图像进行训练，建立字符识别模型。6. 结果输出：将识别得到的字符信息输出为车牌号码，并进行后续的处理和应用。可以将结果保存到文件中，或者在系统界面上显示出来。以上是一个简单的车牌识别系统的基本步骤，实际开发中还可以根据需求进行扩展和优化。使用MA

    8. matlab设计车牌识别系统设计实现.zip

      m0_59833680#音视频ZIP720.57KB7月前
      资源摘要:MATLAB可以用于车牌识别的流程如下：1. 图像预处理：首先，加载车牌图像并对其进行预处理。可以使用MATLAB提供的图像处理函数进行图像灰度化、图像增强、图像二值化等操作，以提高车牌图像的质量。2. 车牌定位：使用图像处理算法或机器学习算法在预处理后的图像中进行车牌定位。这可以通过检测车牌的形状、颜色、纹理等特征进行。3. 字符分割：将定位到的车牌图像进行字符分割，将每个字符分割为单独的图像。可以使用MATLAB的图像处理函数进行字符分割，如字符二值化、字符定位等。4. 字符识别：对每个字符图像进行特征提取和分类，以实现字符识别。可以使用MATLAB的机器学习工具箱来训练字符分类器，如支持向量机、神经网络等。5. 结果输出：根据字符识别的结果，将识别出的字符进行组合，得到最终的车牌号码。可以使用MATLAB的图像处理函数将字符图像组合起来，生成最终的识别结果。需要注意的是，车牌识别是一个复杂的任务，可能涉及到多个图像处理和机器学习的算法。此外，车牌的种类和样式在不同的国家和地区可能有所不同，识别算法也需要相应的调整和修改。具体的实现方法和效果需要根据实际情况
    站长QQ:九六九五七三七