基于小波网络的永磁无刷直流电机无位置传感器控制

通过对永磁无刷直流电机的无位置传感器检测原理和小波网络特性的分析，提出了基于小波神经网络的永磁无刷直流电机无位置传感器控制新方法．该方法构建小波网络模型，采用梯度下降法对网络进行训练．网络训练分为离线训练和在线训练，由离线训练初步确定网络隐层节点的小波平移因子、尺度因子及网络输出层权值．以滤波和逻辑处理后的网络输出信号为教师对网络输出层连接权进行在线调整．从而由电机的相电流、端电压映射出电机的换相信号，取代了传统的位置传感器．最后仿真及实验结果表明，该方法能得到准确的永磁无刷直流电机的换相信号．     

基于二阶滑模观测器的无刷直流电机转子位置估计

针对一阶滑模观测器(F-SMO)存在的抖振和相位延迟问题,提出了基于二阶滑模观测器(S-SMO)的线反电势(LBEMF)估计策略,将不连续控制作用在滑模变量的高阶微分上,采用超螺旋算法设计控制率,能较好地削弱抖振,得到连续光滑且无滞后的反电势估计值.针对相反电势法存在的相移问题,采用线反电势过零点直接作为换相点的换相策略.仿真和实验结果表明,所提策略能够准确估计无刷直流电机线反电势,获得准确的转子位置换相点,实现无刷直流电机的无位置传感器控制.     

无位置传感器开关磁阻电机的转矩波动抑制

针对开关磁阻电机驱动系统中位置传感器及转矩脉动的存在限制其应用范围的问题,提出利用网络结构简单、学习效率高的柔性神经网络对其进行建模,进而对开关磁阻电机无位置传感器控制下的转矩波动抑制方法进行了研究.建立了2个柔性神经网络:第1个完成由电机绕组的相电流、相磁链到转子位置之间的非线性映射,将离线训练好的网络用于转子位置的在线估计;第2个完成由电机期望转矩、转子位置到期望的优化电流之间的非线性映射,通过电流跟踪控制,使电机相电流跟随优化电流变化,实现转矩波动抑制.仿真和实验结果显示,柔性神经网络的收敛速度为传统神经网络的6倍,从而实现了转子位置快速的估算,估算误差控制在[-4,°4°]内,同时转矩波动降低1000/,验证了该控制策略较之于传统控制方法的优势.     

基于神经网络的开关磁阻电机自适应控制

针对开关磁阻电机显著的非线性特性，将具有非线性映射能力及自适应能力的误差反向传播（BP）神经网络应用于开关磁阻电机驱动系统（SRD），并结合传统比例、积分和微分（PID）控制的优点，提出一种基于BP神经网络的开关磁阻电机在线辨识与自适应PID控制方法．该方法利用BP神经网络实时观测系统输出，优化PID控制参数，对于解决开关磁阻电机由于非线性严重而导致控制困难的问题具有较强的针对性．实验结果证明了该方法的有效性，且系统适应性强，稳定性好，响应速度和控制精度均令人满意。     

基于混合遗传算法的开关磁阻电机模型参数辨识

将开关磁阻电机（SRM）的建模问题作为一类非线性约束优化问题进行参数辨识研究,对模拟退火遗传算法进行了改进,提出一种带有退火精确罚函数的自适应混合遗传算法（HGA）,给出了算法的具体实现方法．建立了基于DSPTMS320F2812的磁链特性检测系统,通过实验获取开关磁阻电机的磁化曲线族,利用改进的混合遗传算法在测得的实验数据基础上对电机模型进行参数辨识．基于辨识得到的模型,对电机在两种不同工况下的运行特性分别进行了研究,仿真结果与实验结果的对比验证了该方法的有效性和准确性．辨识得到的电机模型可以作为电机性能估计及优化控制的基础．     

双馈风力发电机混合粒子群优化设计

针对双馈风力发电机交流励磁电磁特性和变速恒频运行特点,从转子电压、转子容量、转子铁耗等方面探讨了该电机的电磁设计特点,并结合风力发电应用领域特点及要求,分别选取电机有效材料成本、额定效率及效率曲线平坦性为优化目标,建立了电机优化设计模型,继而提出了一种混合粒子群优化算法,通过引入基于适应度值的个体模糊惯性权重和基于种群多样性的自适应变异,提高算法处理多峰值非线性优化问题的能力,以实现双馈风力发电机优化设计．电机优化设计实例结果表明,与标准粒子群算法相比,提出的混合粒子群算法动态平衡了全局和局部搜索能力,收敛速度较快,寻优精度较高且不易陷入局部最优,同时各种优化目标下的双馈风力发电机设计优化结果较为理想,对于多峰值非线性优化问题不失为一种新的解决方法．     

同步发电机定子绕组匝间短路下电磁转矩和振动分析

在考虑气隙偏心的情况下,分析了定子绕组匝间短路后同步发电机气隙磁场的变化特征,得到该内部故障前后电磁转矩和振动的变化规律,特别是瞬时转矩中的脉冲转矩分量幅值和频率的变化特征．应用场路耦合法分析了内部故障与偏心双重条件下的电机端电流第17阶和第19阶分量特征．通过动模实验实测了一台容量为7．5kVA的发电机定子绕组匝间短路时的定子垂直方向振动加速度信号并对其进行了离散频谱分析．结果表明,发电机定子绕组匝间短路后,其2倍基频振动加速度变化大,第17阶和第19阶谐波电流幅值可作为检测未发生或发生内部故障的电机的动态偏心严重程度的特征值     

永磁球形电动机转矩特性的数值计算与分析

提出了一种新型永磁球形电动机的基本结构与运行机理,建立了其三维有限元分析模型;针对驱动电机自转的转矩进行了数值仿真,得到了永磁球形电动机的电磁转矩特性曲线和磁阻转矩特性曲线．通过比较分析球形电机不同转子极充磁方式、定子线圈铁心磁导率以及定子外壳是否采用铁磁材料时电磁转矩特性的变化,得出了提高球形电机输出转矩的有效途径．系统地分析了球形电机主要参数的变化对电机转矩的影响,得到了永磁球形电动机最大静转矩随定子极高度、定子铁心半径、永磁含量系数、线圈安匝数以及气隙长度等参数的变化规律．分析结果为永磁球形电动机的优化设计提供了依据．     

无刷直流电机无位置传感器控制下的转矩波动抑制新策略

永磁无刷直流电机位置传感器和转矩波动的存在限制了它的应用范围．为扩大无刷直流电机在精度较高的伺服系统中的应用，提出在实现无位置传感器控制的同时，减少转矩波动的新策略．无刷直流电机转子位置与电机的电压、电流之间以及电机电流与转子位置、转矩之间都存在着一定的非线性对应关系，通过对两个径向基函数(RBF)神经网络按自适应训练算法进行训练，训练后的两个RBF神经网络分别实现了无刷直流电机转子位置和最大转矩运行时参考电流的在线估计．根据估计的参考电流对绕组的实际电流进行调节，最大限度地抑制了因电流波形不理想引起的转矩波动，为无刷直流电机在高性能伺服系统中的应用提供了保证．实验结果表明了此控制策略的有效性．     

无刷直流电机免疫反馈自适应学习人工神经网络控制

针对BP神经网络收敛速度较慢、学习时间较长的缺陷，提出了基于免疫反馈规则的神经网络控制器用于无刷直流电机的转速控制中．该规则根据免疫系统中的T细胞的生物免疫反馈机理而总结出来，包括决定应答速度的激活环节和决定稳定效果的抑制环节．将免疫反馈规则应用于BP神经网络训练中学习速率的自适应调节，加快了神经网络的收敛速度，缩短了学习时间．无刷直流电机控制系统采用双闭环控制，内环为电流环，外环为速度环．MATLAB仿真和实验表明，采用该方法的系统超调量小、速度响应快，而且速度响应受电机参数变化影响小，各种外界干扰也得到了很好的抑制，具有较高的控制精度和较好的动、静态性能．