导读:本文包含了两电机系统论文开题报告文献综述及选题提纲参考文献，主要关键词:两电机系统,支持向量机逆,模糊PID,解耦
两电机系统论文文献综述
张锦,唐友亮,张贞艳,高磊[1]（2018）在《两电机系统模糊PID支持向量机逆控制》一文中研究指出为提高两电机变频系统的鲁棒性及解耦性能,尝试支持向量机逆模型与模糊PID控制相结合的控制策略。先由支持向量机逼近两电机系统逆模型,再将其与两电机系统串接,从而实现系统的解耦线性化,然后引入模糊PID闭环控制以消除建模误差。最后基于由PLC及变频器搭建的多电机变频系统进行了相关试验研究,结果表明:支持向量机逆控制较好地实现了系统的解耦与线性化,引入的模糊PID控制具有较好的同步响应特性,保证了系统高性能控制。(本文来源于《电气传动》期刊2018年12期）
沈翠凤[2]（2010）在《基于S7-300的两电机系统DRNN神经网络PID控制》一文中研究指出针对多输入多输出时变、非线性、耦合的两电机同步系统,文中提出了一种控制系统,其包括:两个DRNN神经网络在线整定参数的智能PID控制器,分别对系统中的速度和张力变量进行控制;神经元解耦补偿器执行对速度和张力两耦合变量的解耦控制。将控制算法编程下载到PLC中,并采用PROFIBUS-DP现场总线实现S7-300PLC和MMV变频器主从站式通讯。实验表明,采用该方法可以实现两电机同步系统中速度和张力的解耦控制,系统对负载的扰动有很强的抑制作用,系统具有良好的动静态性能,可有效跟踪任意给定轨迹。(本文来源于《电气自动化》期刊2010年03期）
王富良[3]（2006）在《基于PLC的神经网络α阶逆系统两电机系统解耦控制》一文中研究指出多电机同步控制系统在现代工业中得到了广泛的应用，本文针对交流感应电机同步系统多变量解耦控制问题，在江苏省自然科学基金的资助下，应用神经网络α阶逆系统方法对由PLC控制的两台交流电机和变频器组成的同步调速系统的速度和张力解耦控制进行了研究。 首先，在对神经网络α阶逆系统进行理论分析的基础上，给出了构造神经网络α阶逆系统的具体方法、步骤、设计原则和注意事项。使用神经网络α阶逆系统方法构造出了两台交流电机和变频器组成的同步调速系统的逆系统，并与原控制系统复合，从而将两电机同步系统线性化和解耦成速度与张力两个相对独立的伪线性子系统，再分别设计线性闭环调节器对速度环和张力环进行控制。 为满足现代工业的需要，我们设计了由PLC和上位机监控组态软件WinCC组成的多电机同步控制系统实验平台，解决了Profibus-DP现场总线通讯、数据采集、Matlab训练及神经网络α阶逆系统控制方法在PLC中的实现等诸多问题，并进行了大量的实验。结果表明：所设计使用的神经网络α阶逆系统控制方法成功实现了速度与张力间的完全解耦，系统对负载的扰动有较强的抑制作用，系统的动静态特性明显改善，可有效跟踪任意给定轨迹。本文提出的在PLC控制系统中使用神经网络α阶逆系统控制方法推进了该方法由理论研究向工程应用的转化，具有良好的发展前景。(本文来源于《江苏大学》期刊2006-04-01）
两电机系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对多输入多输出时变、非线性、耦合的两电机同步系统,文中提出了一种控制系统,其包括:两个DRNN神经网络在线整定参数的智能PID控制器,分别对系统中的速度和张力变量进行控制;神经元解耦补偿器执行对速度和张力两耦合变量的解耦控制。将控制算法编程下载到PLC中,并采用PROFIBUS-DP现场总线实现S7-300PLC和MMV变频器主从站式通讯。实验表明,采用该方法可以实现两电机同步系统中速度和张力的解耦控制,系统对负载的扰动有很强的抑制作用,系统具有良好的动静态性能,可有效跟踪任意给定轨迹。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
两电机系统论文参考文献
[1].张锦,唐友亮,张贞艳,高磊.两电机系统模糊PID支持向量机逆控制[J].电气传动.2018
[2].沈翠凤.基于S7-300的两电机系统DRNN神经网络PID控制[J].电气自动化.2010
[3].王富良.基于PLC的神经网络α阶逆系统两电机系统解耦控制[D].江苏大学.2006