三相异步电动机软起动

三相电动机应有非常广泛，而三相异步电动机的起动，会对电网产生较强的干扰，有时可能对设备构成严重威胁。因而对三相异步电动机起动改造越来越受到有关人员的重视。     

异步电动机的软起动技术

软起动技术可以解决异步电动机直接起动的弊端问题,软起动器是集软起动、软停车和轻载节能和多种保护于一体的新型控制装置,具有许多传统起动方式所不具备的优点,应用前景日益广泛。     

异步电动机软起动的模糊控制器的仿真研究

针对异步电动机直接启动会产生很大电流的特性,提出了一种基于模糊控制原理的异步电动机软起动控制方法。利用MATLAB/SIMULINK对此控制系统建立了仿真模型并进行了仿真实验。仿真结果表明采用模糊控制的软起动方法可以有效地限制异步电动机的起动电流,因此该方法是正确有效的。     

三相异步电动机的软起动

对三相异步电动机软起动方法进行研究.采用AT89C2051微处理芯片为核心的电子电路,实现三相异步电动机平稳软起动,降低起动电流,限制起动转矩;并对电动机的欠流、过载等进行监测报警.延长了电动机的使用寿命.     

异步电动机软起动系统控制数学模型的研究

通过利用单片机控制的异步电动机软起动系统,给出了系统建立的数学模型及软件的设计方法,通过分析得出它与传统起动装置相比,具有起动电流小,对电网冲击小、节能及多功能保护等优点,具有可靠性高,使用方便特点.     

三相异步电动机的软起动控制系统

以AT89C2051单片机核心,通过单片机输出时序脉冲序列,控制双向晶闸管导通角的大小,来改变电动机起动电压的大小实现电动机软起动。起动结束后,用接触器短接晶闸管,电动机投入正常运行,此时单片机控制系统实时检测电动机电压电流,实现电动机的各种保护和故障报警,从而提高电动机起动性能,并保证电动机安全可靠地运行。     

高压异步电动机软起动技术的研究

阐述了晶闸管调压电路的原理,研究了异步电动机功率因数角随转速变化的规律以及功率冈数角的检测方法．运用限流开环控制方法和功率因数角闭环控制方法分别对高压异步电动机软起动过程进行了仿真．仿真结果表明,采用功率因数角闭环控制可使起动过程中定子电流和转矩的振荡得到很好的抑制,比限流开环控制起动效果要好．     

神经网络在异步电动机矢量控制中的应用

本文讨论了将神经网络用于异步电动机矢量控制以替代DSP运算部件实现磁通观测的方法，并给出了仿真结果。     

电动机软起动的途径探讨

本文探讨了电动机软起动的途径。     

交流异步电动机的软起动及其应用

本文对比了交流电动机各种起动方式的特性,介绍了软起动的运行特点,起、停模式。并简单介绍了软起动器的应用及注意事项。     

模糊神经网络在超声马达位置控制中的应用

提出了利用模糊神经网络控制器 (FNN)实现对超声马达位置进行控制的方法 ,并提出适应法则进行在线训练 ,以减小由于参数的不确定性和外部干扰对超声马达所产生的影响 ,提供了FNN控制器的结构图。仿真与实验研究表明 ,FNN控制器能够实现对超声马达位置的精确控制     

基于模糊方法的异步电机轻载降压节能控制研究

针对异步电机轻载时运行效率低的缺点,阐述了异步电机降压节能的原理。利用采样后的信号,采用校正的全周波傅氏算法算出电压、电流的相位,从而算出功率因数角。提出了电机轻载降压节能模糊控制方法。实验室测试结果表明,该方法在电机轻载运行时起到了很好的节能效果。     

粒子群算法优化神经网络的异步电机转速估计

在异步电机的矢量控制系统中,电机的转速检测是必不可少的,并且转速检测的精度直接影响磁场定向的准确性。讨论了各种无传感器速度辨识方法的特点,利用BP神经网络对异步电机转子转速进行辨识,通过粒子群算法优化使BP神经网络获得更好的网络初始权值和阀值,在此基础上利用Matlab/Simulink建立一个异步电机矢量控制系统,仿真结果表明这种方法能较好地辨识异步电机转子转速,系统具有良好的动态性能,对系统参数变化具有较强的鲁棒性。     

基于补偿模糊神经网络的BLDCM伺服控制

为了实现无刷直流电机(BLDCM)位置伺服系统的高精度位置跟踪控制,针对系统多变量、非线性、强耦合、时变的特点,提出了一种基于补偿模糊神经网络控制器(CFNNC)的设计方法.该控制器将补偿模糊逻辑和神经网络相结合,引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.仿真和在DSP控制系统上的实验结果表明,采用补偿模糊神经网络控制器,系统响应快、精度高、鲁棒性强,动态特性明显优于传统PID控制.     

基于BP神经网络的直流电机PID控制系统研究

以直流电动机为控制对象,建立数学模型,并在传统PID的基础上结合神经网络算法,充分利用神经网络自学习功能,实现对PID参数的实时在线自整定.克服了PID控制参数难以确定和控制过程无法随环境等变化而自适应的缺点,体现了神经网络较好的智能性与较强的鲁棒性.利用Matlab软件进行仿真研究,结果表明神经网络PID较传统PID更精准,更具适应性,控制效果优越.     

基于TSK型递归模糊神经网络的加工中心双直线电机交叉耦合同步控制

为解决高精密龙门移动式镗铣床加工中心X轴的两台直线电机的同步跟踪问题,采用一种TSK型递归模糊神经网络(TSK-type recurrent fuzzy neural network,TSKRFNN)与交叉耦合控制(cross-coupled control,CCC)相结合的控制方法。利用TSKRFNN解决单轴PMLSM受到参数变化和外界扰动等不确定性影响的问题,估计并补偿总不确定性因素并在线调整网络参数,从而抵抗外界干扰,提高系统的鲁棒性和跟踪性。其次,为解决双直线电机运行时存在的参数不匹配性和耦合问题,将CCC与TSKRFNN相结合,CCC可以将单轴跟踪误差按照一定比例分配给两台永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM),以抑制由不同步问题引起的不平衡扭矩,从而使系统高精度同步运行。最后,通过双直线电机平台上证明所提方法的有效性,实验结果表明该方法鲁棒性及跟踪性优良,可以较好地满足加工中心同步控制的要求。     

模糊神经网络技术用于结构主动控制的研究

提出了一种基于神经网络调整规范化因子的模糊神经网络控制策略，并以表面布置压电片的梁结构为控制对象进行了仿真．实验结果表明，该控制策略适用于不精确被控对象模型和非线性系统的控制．     

基于模糊神经网络的无刷直流电动机的速度调节器

提出了一种作为无刷直流电动机的速度调节器的参数自校正模糊神经网络控制器。重点研究了模糊控制器的设计、系统增益参数的确定方法和BP神经网络的实现方法。采用双模控制方法，提高了系统的性能。通过数字仿真，证明了采用模糊神经网络控制方法的速度调节器能够提高系统的动、静态特性，减小转矩脉动并使系统具有较强的鲁棒性和抗干扰能力，同时提高了系统的实时性。     

小波网络异步电机转速辨识器的设计

为实现无速度传感器异步电机控制,有时采用神经网络转速辨识器,但前馈神经网络结构难以确定,运用BP算法时又极易陷入局部解。因此,偿试利用小波网络构造转速辨识器,并将遗传算法和BP算法结合起来作为小波网络的学习算法。该算法首先采用混合编码的遗传算法优化网络的结构及网络初始权值,其次再利用BP算法对网络权值进行精确调节;这种将遗传算法与BP算法相结合的GA BP算法,实现了遗传算法的全局搜索能力与BP算法的局部寻优性能的互补结合.将所设计的网络转速辨识器运用到直接转矩控制系统当中,利用MATLAB/SIMULINK实现无速度传感器控制系统的仿真实验结果表明,该方法具有良好辨识效果。