基于改进RLS算法的永磁同步电机参数辨识

永磁同步电机(permanent magnet synchronous motor, PMSM)参数的在线准确辨识是实现电机高性能控制的基础,也为系统故障诊断提供了依据。传统递推最小二乘(recursive least square, RLS)法在辨识PMSM的d轴、q轴电感参数时对系统噪声、状态变化较为敏感,动态辨识稳定性不佳。文章在建立离散化辨识模型的基础上,提出了一种改进递推RLS算法,用于d轴、q轴电感参数的在线辨识。该算法在动态辨识过程中引入电流变化率,同时改进算法中的增益矩阵K,减小d轴、q轴辨识误差对电感修正产生的耦合影响。通过一台20 kW的PMSM仿真及实验,验证了改进的辨识算法能够有效提高参数的动态辨识效果。     

基于双STF-UKF算法的永磁同步电机参数联合估计

针对永磁同步电机参数辨识问题,分析了永磁同步电机的可辨识模型.将参数看成缓慢的变化状态,同时考虑系统噪声和测量噪声,提出了一种基于强跟踪滤波器的无迹卡尔曼滤波算法.该算法能够同时辨识定子电阻、直轴和交轴电感、永磁体磁链,讨论分析了该算法的稳定性.为了减少算法的计算量,将4个参数分成2部分,采用2个STF-UKF滤波器交替运行辨识全部参数.仿真结果表明,该算法在PMSM不同的工况下能够有效地辨识电机的全部参数.     

一种永磁同步电机的滑模控制

永磁同步电动机(PMSM)是一个多变量、非线性、强耦合的系统,传统的PID调节器不能满足高性能的控制要求.本文在同步电机数学模型的基础上首先提出自适应的滑模观测器,以在静止坐标下的电压、电流为变量计算电机转速,并利用滑模变结构控制的方法对q轴电流进行检测,利用Lyapunov证明了方法的收敛性.仿真结果表明:该方案比传统的PID控制具有超调小,过渡时间短、鲁棒性强的特点,表明了该策略的有效性.     

考虑铁耗时永磁同步电机的转子磁场定向矢量控制

提出了基于Matlab考虑铁耗的永磁同步电机(PMSM)控制系统仿真建模方法.在Matlab/Simulink环境下,构建了考虑铁耗时永磁同步电机转子磁场定向矢量控制的仿真模型.仿真结果证明了该系统模型的可行性,并验证了其控制算法,为实际的永磁同步电机控制系统设计和调试提供了一种新的方法和手段.     

基于改进SPBO算法的水下推进永磁同步电机参数辨识

精确的永磁同步电机(permanent magnet synchronous motor，PMSM)模型是集成电机水下推进器恒转矩控制的关键。为了提高水下推进PMSM参数辨识的精度，提出一种融合Tent映射与t分布变异策略的改进学生心理优化算法辨识水下推进PMSM参数。该算法在标准学生心理优化算法的基础上，引入Tent映射策略增加初始种群多样性，引入t分布变异策略平衡算法的前期与后期搜索能力，提高了算法的收敛速度和收敛精度。仿真和实验结果表明，该算法的辨识误差可达1%以内，且具有更快的收敛速度和更好的辨识稳定性。     

考虑温度影响的永磁同步电机参数辨识方法

参数辨识精度对永磁同步电机的工作性能和控制方法有着重要的影响,目前大多数参数辨识方法未能考虑温度对参数的影响,导致参数辨识精度低,控制性能差.为此,文中通过理论计算与样机实验,分析了温度变化对永磁同步电机参数的影响,并证明了温度对参数辨识结果具有较大的影响.在此基础上,建立了考虑温度影响的永磁同步电机参数辨识模型,提出了一种同时考虑电阻和电感随温度变化的改进的参数辨识方法.仿真实验结果表明,文中提出的方法可以提高参数辨识的收敛速度和精度,减小辨识误差.     

永磁同步电机无速度传感器的直接转矩控制系统

提出了一种基于降阶观测器的无速度传感器控制方法,用于永磁同步电机直接转矩控制系统的转速辨识.该方法将永磁同步电机的降阶运动电动势观测器与模型参考自适应系统(model reference adaptivesystem,MRAS)进行有机的结合,选取永磁同步电机电压方程作为参考模型,永磁同步电机降阶状态方程作为可调模型.理论分析和仿真结果表明,所提出的永磁同步电机无速度传感器直接转矩控制系统的转速辨识方法具有较强的鲁棒性和优越的动静态性能.     

基于改进型自抗扰控制器的永磁同步电机的低速控制

为了实现永磁同步电机(PMSM)低速时的精确控制,提出了一种基于模糊PID的ADRC控制策略.即用模糊PID控制器取代传统ADRC的非线性误差反馈律(NLSEF)来抑制系统的误差,进行最优永磁同步电机低速域的控制.通过对基于模糊PID的自抗扰(ADRC)控制策略的永磁同步电机低速域的仿真,结果表明该控制策略具有更好的抗干扰能力和鲁棒性.     

基于IP控制和扩展卡尔曼滤波的PMSM转速控制

为实现永磁同步电机(PMSM)的无速度传感器转速控制,提出一种基于积分比例(IP)转速控制和扩展卡尔曼滤波(EKF)转速估计的PMSM调速控制策略.以αβ坐标系下定子电压和电流为观测量,采用EKF算法对电机转速和转子位置进行实时预测和最优估计.估计转速作为反馈项与给定转速比较,所得误差值作为IP控制器的输入,对q轴电流分量进行控制,实现PMSM无传感器速度控制.针对不同电机转速和多种负载状态进行大量仿真研究,实验结果表明,该转速控制策略抗负载扰动能力强、超调量小.     

基于MATLAB永磁同步电机矢量控制的仿真研究

提出了基于MATLAB的永磁同步电机(PMSM)矢量控制系统仿真建模方法.在Matlab/Simulink环境下,构建了永磁同步电机转子磁场定向矢量控制的仿真模型.仿真结果证明了该系统模型的有效性,验证了其控制算法,为永磁同步电机控制系统设计和调试提供了理论基础.     

基于人工神经网络的污染源数据预测

通过神经网络在污染源自动监测系统中建立预测模型,对污染源数据进行预测,对环保决策、管理工作有着重要的意义。利用Elman神经网络在大气中的SO2浓度及其历史数据、影响因子之间建立预测模型,仿真结果表明所建立的模型对样本数据有着较准确的预测能力,具有一定的参考价值。     

基于小波包和Elman神经网络的异步电机转子断条故障诊断方法

提出了一种基于小波包分析(WPA)和Elman神经网络的异步电机转子断条故障诊断方法.针对异步电机转子断条故障时定子电流出现的边频分量进行小波包分析,提取动态条件下各频带能量作为故障特征向量,削弱了负载变化及噪声对诊断准确性的影响.采用Elman神经网络对故障进行识别,并对Elman网络进行改进,在关联层增加了自反馈增益因子,提高了网络性能.以频带能量作为Elman神经网络识别故障的特征向量,建立从特征向量到电机转子断条故障之间的映射.试验结果表明:基于小波包分析提取的故障特征明显,由WPA和Elman神经网络构成的诊断系统,能有效地识别出转子断条故障,故障诊断准确率高.     

基于PCA与Elman网络的机械产品质量建模

多源多工序是现代制造过程的一个显著特征,针对该特征提出了一种基于主成分分析,和Elman网络的机械产品质量建模的方法。通过对样本数据空间的主成分分析,能够保证在信息损失最少的情况下,对高维变量空间进行降维处理,减少样本数据间的相关性。应用典型的动态回归Elman神经网络,实现复杂非线性系统进行建模和预测;还将其应用于冷轧带肋钢筋的机械性能预测中。     

基于改进Elman网络的燃气负荷预测

为提高燃气负荷预测的精度,分析了燃气小时负荷的变化规律和影响因素,建立了燃气小时负荷预测模型,采用具有输出-输入反馈机制的改进Elman(OIF Elman)网络对燃气小时负荷进行预测.与传统的Elman网络比较,OIF Elman网络不仅计入了隐层节点的反馈,而且考虑输出层节点的反馈,以便从有限的训练样本中获得更多的信息.预测结果表明,在样本点较少时,无论在训练速度上,还是在预测精度上,OIF Elman网络明显优于Elman网络.OIF Elman网络提高了网络的泛化能力,既降低了对训练样本个数的需求,又能提高预测精度,在燃气负荷预测中得到成功的应用.     

浅论利用Elman神经网络实现图书流通量预测

图书流通量是评价图书馆工作的重要指标。为解决图书流通量预测问题,提出基于反馈神经网络Elman网络的预测模型。结合历史数据进行MATLAB仿真,结果表明,该方法可以完成预测功能。     

固定结构单元权值对基本Elman网络性能影响

基本Elman网络采用一阶导数形式的权值修正方法会导致结构单元连接权的稳定性变差．针对这一特点,提出了将Elman网络结构单元的前馈权值固定为1的改进方法,理论分析和仿真实验证明,该改进方法不仅能提高Elman网络收敛后的稳定性和精度,而且有效地降低了网络训练算法的计算复杂度。     

基于Elman组合预测模型的瓦斯涌出量预测

为提高矿井瓦斯涌出量的预测精度,基于Elman回归神经网络原理,以指数型线性回归、双曲线型线性回归及灰色预测三种方法得到的瓦斯涌出量预测值为样本数据,建立Elman组合预测模型,并利用MATLAB软件进行预测。结果表明,Elman组合预测结果的拟合曲线更接近实际情况。该模型有效提高了瓦期涌出量的预测精度,为煤矿安全生产提供了理论支持。     

冷轧机HAGC系统非线性模型辨识

分析了冷轧机液压自动厚控系统（HAGC）的非线性动力学模型特性．采用改进的Elman网络,建立了某冷轧平整机HAGC系统的动态模型,试验结果表明,Elman网络利用内部状态反馈描述系统的非线性动力学行为,适合于高阶非线性动态系统的实时辨识。     

改进Elman网络在锂离子电池容量预测中的应用

为了准确估算锂离子电池的荷电状态(SOC),在分析影响锂离子电池剩余容量时变特性的基础上,综合国内外几种常用的预测锂离子电池方法,将改进Elman网络应用到锂离子电池的容量预测和模型建立中。实验结果表明:该网络不仅局部泛化能力好,而且有较好的动态性能和逼近能力,能够满足电池容量预测的误差要求。     

Elman回归神经网络在大坝安全监控中的应用

给出了E1man回归神经网络的网络结构和学习方法。基于E1man回归神经网络能够逼近任意非线性函数的特点，提出了一种基于E1man回归神经网络建立安全监控模型的方法。实验表明，所建立E1man神经网络模型收敛速度快，并且其拟合及预报精度高于统计模型和BP网络模型。