基于神经元和直接转矩控制技术的高性能交流调速系统研究

针对传统的异步电动机直接转矩控制系统中,电机在低速时存在较大的转矩脉动问题,提出了一种新的解决方法.在传统直接转矩控制系统的基础上,应用神经网络自适应控制能力,采用神经元控制器取代传统PlD(proportion integration differentiation)控制器,并利用Matlab/simulink软件进行仿真.仿真实验结果表明该方法能够有效地解决直接转矩控制系统转矩脉动问题,在低速时系统依然具有较好的动静态性能.     

直接转矩控制系统定子电阻的神经网络辨识

在研究异步电机直接转矩控制的基础上 ,提出了基于神经网络方法的定子电阻辨识 为了缩短学习时间 ,保证系统收敛 ,采用了自适应调整学习率 选取实时递归网络 ,对不同隐含层单元数和训练次数进行比较 ,获得合适的单元数和训练次数 仿真结果证明 ,应用该辨识可以进一步改善直接转矩控制系统的动态性能     

直接转矩控制系统定子电阻的神经网络辨识

在研究异步电机直接转矩控制的基础上,提出了基于神经网络方法的定子电阻辨识。为缩短学习时间,保证系统收敛,采用了自适应调整学习率。选取实时递归网络,对不同隐含层单元数和训练次数进行比较,获得合适的单元数和训练次数。仿真结果证明,应用该辨识可以进一步改善直接转矩控制系统的动态性能。     

基于神经元和直接转矩控制技术的高性能交流调速系统研究

针对传统的异步电动机直接转矩控制系统中,电机在低速时存在较大的转矩脉动问题,提出了一种新的解决方法。在传统直接转矩控制系统的基础上,应用神经网络自适应控制能力,采用神经元控制器取代传统PID(proportion integration differentiation)控制器,并利用Matlab/simulink软件进行仿真。仿真实验结果表明该方法能够有效地解决直接转矩控制系统转矩脉动问题,在低速时系统依然具有较好的动静态性能。     

直接转矩控制的异步电动机转矩脉动最小化

针对异步电动机直接转矩控制低速转矩脉动大的问题,充分利用模糊控制吸收人的经验思维,以及神经网络对信息的处理具有自组织、自学习的特点,提出一种新的模糊神经网络控制方法.该方法实现了逆变器开关周期的占空比控制,使感应电动机的转矩脉动达到最小.其中,模糊神经网络的训练采用最小二乘法,解决了常规的BP算法容易陷入局部极小的问题.将传统的直接转矩控制方案和模糊神经网络占空比控制方案进行了比较研究,仿真结果校验了模糊神经网络占空比控制方案的有效性.     

基于三电平逆变器下的高速电主轴建模与仿真

目的研究多电平逆变器、拓扑结构及转矩控制器的原理,解决电主轴直接转矩控制中存在转矩脉动较大的问题.方法基于电主轴定子磁链及转矩控制基本原理,提出了一种基于三电平逆变器的新型方案.采用三电平逆变器及基于神经网络的多层滞环转矩控制,建立电主轴直接转矩控制系统.利用MATLAB/Simulink搭建三电平逆变器,多层滞环转矩调节器及电气系统,建立电主轴直接转矩控制的仿真模型.结果建立了电主轴直接转矩控制系统仿真模型,在转矩负载恒定和转矩负载跳变的情况下,得到电主轴转矩波形,并对几种不同的仿真模型进行了对比及分析.结论在电主轴直接转矩控制系统上采用三电平逆变器及多层滞环转矩调节器可减少转矩脉动,改善了系统的响应特性,优化了系统的响应速度.     

一种非线性系统神经网络直接控制器的设计

提出了一种使用神经网络作为非线性对象直接控制器的设计方法 ,该控制器由一个常规控制器和一个神经网络控制器组成 .常规控制器对系统给出粗略控制 ,神经网络控制器给出补偿信号来进一步减小系统输出跟踪误差 .该方法对被控非线性对象类型的限制很少 .在该方法中 ,径向基函数 (RBF)神经网络被用来进行训练 ,训练后系统具有较好的稳定性 .仿真结果表明 ,该方法非常有效 ,对非线性系统能取得比较满意的控制效果     

基于模糊神经网络空间矢量调制的直接转矩控制

为了改善基于空间矢量调制的直接转矩系统的动态性能及低速性,分析了传统SVM-DTC中采用两个PI控制器来产生参考电压矢量,存在PI控制器参数难以确定的问题,提出了一种基于模糊-神经网络空间矢量调制(SVM)的异步电机直接转矩控制(DTC)策略.阐述了产生磁链参考电压矢量的模糊控制器和产生转矩参考电压矢量的神经网络控制器...     

船舶电力推进中开关磁阻电机直接转矩控制策略

采用基于电压矢量的直接转矩控制策略对转矩进行控制,电压矢量控制器采用Bang-Bang滞环控制,磁链观测器采用在线估算同时提高定子电压、电流测量的精度以提高磁链精度,转矩观测器采用自适应神经网络的智能辨识方法获得瞬时转矩.仿真和实验结果表明,直接转矩控制策略在保证电机可靠运行的前提下,实现了转矩在一定范围内的恒定,一定程度上有效抑制了转矩脉动.     

基于GA的转速辨识器的设计及应用

研究了小波理论与神经网络的特点,并在此基础上设计了小波网络,用其建立了异步电动机直接转矩控制转速辨识模型,由于辨识器的在线调节能力,小波网络的输出能够跟随系统转速的各种变化情况.为了提高网络的收敛速度,本文采用了遗传算法(GA)与BP算法相结合的混合学习算法,用于网络的学习,训练.在控制系统模型中,用MATLAB软件进行仿真研究,取得了良好的控制效果,表明该算法收敛速度快,控制精度高,是一种有效的优化算.     

利用人工神经网络进行感应电动机解耦控制

为了使感应电动机具有象直流电动机一样优良的转矩与转速控制性能,提出了一种基于人工神经网络的感应电动机解耦控制方法。由于实时递归网络具有较强地表达和处理瞬态信息的能力,适合解决非线性动态系统问题,因此用递归网络构成的解耦控制器具有良好的动态特性。为减少这种神经网络解耦控制器的学习时间,提出了一种自适应学习算法,通过在网络学习的过程中不断地调整学习速率,从而加快了网络学习速度。仿真计算结果表明,这种神经网络解耦控制方式具有优良的动态响应特性。     

基于神经网络的感应电机矢量控制系统

根据感应电机矢量变换控制原理,提出了一种由人工神经网络磁链与转矩估计器、神经网络解耦控制器和神经网络转矩控制器组成感应电机的矢量控制系统。文中介绍了感应电机矢量变换控制的基本方程,并根据这些基本方程分别建立了人工神经网络磁链与转矩估计器、神经网络解耦控制器和神经网络转矩控制器,并给出了部分测试结果。最后从系统的仿真计算结果可以看出,这种基于多个神经网络控制环节组成的感应电机矢量控制系统具有良好的性能     

基于小波神经网络的自适应控制器设计

针对一类未知非线性系统,设计了一种基于小波神经网络的自适应控制器,并提出了一种适合在线学习的参数混合训练算法。根据离线和在线学习系统的特性,得到小波神经网络控制器的初始参数,使用混合训练算法在线修正控制律,实现了自适应控制。仿真结果验证了该控制方案的有效性。     

船舶航迹保持的神经网络控制器研究

提出一种船舶航迹保持在线神经网络控制器。该控制器能解决精确的船舶动态模型难以建立的问题,能用舵角同时控制航迹偏差和航向偏差,能通过对控制精度的直接计算来自动地在线训练学习而不需离线训练学习过程。计算机仿真结果表明了该控制器训练方法的有效性和控制的鲁棒性。     

一种改进的提升机同步电机直接转矩控制

为克服提升机同步电机传统直接转矩控制存在的转矩、转速、磁链脉动大等缺陷,提出一种改进的同步电机直接转矩控制方法。设计基于神经网络的定子磁链观测器和基于模糊控制的逆变器状态开关选择器,利用人工鱼群-粒子群混合算法优化神经网络结构参数,应用转矩、磁链误差以及磁链位置角的模糊分级实现逆变器开关分级控制。仿真及试验结果表明,所设计的控制策略与传统直接转矩控制相比,转矩、转速、磁链动态响应速度快、响应脉动小,能更好地满足提升机的运行要求。     

神经网络自适应模糊控制器设计与应用

把神经网与模糊系统相结合，提出一种基于神经网络的自适应模糊控制器，这种控制系统由模糊神经网络控制器和模糊网络组成，具有自适应学习能力，仿真结果以及应用于温度控制系统中，其鲁棒性明显优于一般Ｆｕｚｚｙ控制。     

三温区电加热炉的神经网络模型参考自适应控制

提出了一种基于神经网络非线性系统的模型参考自适应控制方法，通过在线训练获得反映对象动态持性的神经网络辨识器和神经网络控制器，对三温区电加热炉进行实时控制，仿真结果表明该方法的有效性及其优良性能。     

分布式驱动电动方程式赛车扭矩分配策略

本文旨在提高分布式驱动电动方程式赛车在高速转弯时的操纵稳定性,提出一种基于模糊神经网络算法的驱动扭矩分配策略。首先,基于车辆二自由度模型设计质心侧偏角观测器获取实际质心侧偏角;其次,以横摆角速度和质心侧偏角作为控制变量,基于模糊神经网络算法设计扭矩分配控制器来控制车辆行驶状态。运用Matlab/Simulink和Carsim仿真软件建立车身稳定性控制系统的联合仿真模型,并对蛇行绕桩与双移线工况进行仿真分析和实车测试。试验结果验证了所提扭矩控制策略的可行性和有效性。