神经网络逆系统非线性励磁控制器的设计

利用逆系统方法,设计出同步发电机非线性励磁控制律,并加入系统中.把控制与过程状态样本作为非线性导师信号,以训练神经网络控制器,设计一种基于BP神经网络的非线性励磁控制器.仿真结果表明,对于小干扰,神经网络控制器和逆系统控制显示出相同的控制效果;而对于大干扰,两种控制方式的暂态响应曲线也基本相同.逆系统控制与其训练出的神经网络控制器控制,都显示出基本相同的暂态和稳态性能,但神经网络控制比逆系统控制具有控制规律简单,以及实时性、可靠性和鲁棒性好的特点.     

一种正弦信号发生器的设计方法

基于正弦脉宽调制（SPWM）理论，提出适合于数字电路实现的，抗干扰性强，可靠性较高的一种正弦信号发生器构想，给出了滤除3次和3的倍数次谐波的简单方法，以及5次、7次谐波的滤除方法。电路仿真表明，该信号发生器较常规的DDS方法实现的正弦信号发生器易于实现电压和频率的调整，且调试和使用成本较低。它与查表法的正弦信号发生器相 比，频率范围宽、容易调整，文中同时给出了相应的频谱分析。     

发电机励磁最优控制对控制线路惯性的静稳适应性

本文讨论了发电机励磁最优控制线路中存在的惯性对系统静态稳定性的影响。计算结果表明、控制线路中的惯性对发电机励磁最优控制系统的静态稳定性有较大的影响、而对常规励磁控制系统的静态稳定性的影响很小。     

11相无刷励磁机故障工况的谐波分析

采用快速傅里叶变换(FFT),分析11相无刷励磁机样机故障工况的谐波问题,给出输出负载电压的直流分量、基波和25次以下的谐波计算结果.结果表明,断相故障下,负载电压各次谐波有相似的变化规律,但断开的相数不同,总谐波畸变率不相同;一相断开运行,负载电压与一个二极管支路断开负载电压的谐波变化规律不同;二极管支路短路时,负载电压总谐波畸变率相当严重.     

TMS320LF2407芯片数字逆变控制器的建模与仿真

以一个基于数字信号处理(DSP)的TMS320LF2407芯片的数字逆变控制器的设计为例,分析利用Embedded Target for TI C2000 DSP 模块与Matlab的Simulink产品中的其他模块合并,实现对逆变控制器进行仿真和编程下载的应用.建模和仿真结果表明,可以避开繁琐的编程步骤,直接进行在线算法验证,获取最优的控制程序,所产生C语言程序代码可在TMS320LF2407A处理器上运行.     

自适应小波算法的电力有源滤波器

利用小波变换的正交线性性质，设计基于小波算法自适应滤波器。同时，将它有效地应用于电力有源滤波器，Matlab仿真结果表明，基于自适应小波算法的电力有源滤波器，在消除高次谐波、噪声和补偿工频无功电流方面，具有较好的性能、较快的收敛速度。     

同步发电机监督学习神经网络励磁控制器

应用神经网络的监督学习控制(SNC)方法,在线性最优励磁控制的基础上,利用神经网络对同步发电机的励磁控制过程进行监督学习,设计出基于SNC的同步发电机励磁控制律。仿真结果表明,所设计的SNC在系统运行方式较大的变化范围内,都能提供很好的阻尼特性和良好的控制性能,并且控制结构简单,有较强的实时性和适应能力。     

换相重叠角的计算机仿真及辩识

为避免繁杂的等效电抗测量计算,在确定发电机无刷励磁系统换相重叠角时,将其作为系统辨识的一个待估参数.在估计出电枢电感参数的基础上,从二极管的广义牛顿拉夫逊迭代模型与储能元件的离散化伴随模型出发,对无刷励磁系统的三相不可控整流电路进行仿真.并与换相重叠角的近似解析公式比较.经验证,仿真结果与解析式相对误差均值在1%以内,说明模型在这两个参数变动范围内有良好的泛化与逼近能力,可作为进一步发电机评估建模基础.仿真程序可以代替实际的无刷励磁模型,参与换相重叠角的辩识及可行的重叠值范围估计.     

径向基网络的主动噪声控制系统

针对传统的LMS在信号处理中的不足，提出利用RBF网络实现自适应滤波，并将其应用于管道噪声控制．仿真结果表明，与LMS算法和WLMS算法相比，此方法具有良好的非线性噪声抑制能力．     

一种神经网络非线性噪声消除方法

针对阶数的增加,Volterra滤波器的滤波系数个数呈几何级数增长,实现困难的问题,提出采用基于Levenberg-Marquardt(LM)算法的BP神经网络逼近Volterra滤波器,实现神经网络非线性滤波,使计算简化。采用的方法是,先离线调整Volterra滤波器的系数,再用调整好的Volterra滤波器监督训练LM-BP神经网络,然后用训练好的LM-BP神经网络进行非线性自适应滤波。仿真实验结果表明,LM-BP神经网络滤波器较其学习导师———Volterra滤波器具有更好的噪声滤除效果。