基于瞬时速度辨识的无速度传感器矢量控制系统

采用同步瞬时速度辨识的方法,以数字信号处理单元（DSP）为核心控制器件来实现无速度传感器矢量控制的交流调速系统。给出了系统的控制方案。实验结果表明,该同步瞬时速度辨识的方法和控制方案具有良好的速度辨识性能和控制效果。     

基于简化模型参数自适应方法的无速度传感器矢量控制系统

本文提出了一种基于矢量控制和简化MRAS理论的交流导步电动机无速度传感器矢量控制调速系统，该系统包括同步旋转坐标系下的转子磁通观测器和转速观测器，仿真和试验结果验证了该系统的可行性。     

基于MATLAB的无速度传感器矢量控制仿真

设计了参数自调整模糊控制代替常规的PI调节器,构建无速度传感器异步机矢量控制系统,并运用Matlab＼Simulink工具构造异步电动机的矢量控制解藕数学模型、自适应神经网络速度辩识模型和参数自调整模糊控制器,对无速度传感器矢量控制系统进行了仿真．仿真结果表明：自适应神经网络速度辨识具有较高的辨识精度,且该系统具有良好动、静态性能．     

遗传神经网络无速度传感器DTC系统的研究

利用交流电动机的磁链方程和定子电压方程构造神经网络速度观测器来获得电动机的转速,观测器简单易行,通过遗传算法来优化神经网络的权值,使神经网络的权值达到最优。最后通过Madab／Simulink仿真和实验研究,验证了系统设计的有效性和可行性。     

无速度传感器矢量控制系统转速辨识方法研究

转速辨识是无速度传感器矢量控制系统的关键问题之一.介绍了当前研究的具有代表性的异步电动机无速度传感器矢量控制系统速度辨识方法,利用MATLAB/SIMULINK建立了异步电动机无速度传感器矢量控制系统模型,对动态速度估计器、模型参考自适应、滑模观测器等几种速度辨识方法进行了仿真、比较和分析.     

基于MRAS的无速度传感器矢量变换控制系统的设计与仿真

为了能精确控制和检测异步电机的转速,设计了一款无速度传感器的转速控制系统,采用矢量控制对电机转速进行控制,并且利用MRAS方法对电机转速进行推算．本文利用Matlab／simlink构建了本系统的模型并进行仿真,仿真结果表明本文设计的转速控制系统能精确地控制并检测到电机转子的速度,并且转速对负载扰动有良好的抗干扰性．     

启发式神经网络在异步电机矢量控制速度估计中的应用

研究了三相感应电机矢量控制系统中的速度估计部分,引入了BP神经网络进行预测控制.在分析其数学模型之后,针对神经网络输入与输出频率存在的不匹配情况,通过改进BP神经网络解决黑箱问题时的输入参数,使用启发式算法对网络的输入参数进行预处理,取代了以电机定子电压电流参数作为训练输入的方法.仿真研究表明,该改进方法具有良好的跟踪性能与静动态性能,且具有更小的超调量.     

无速度传感器感应电机矢量控制方法的研究

给出了感应电机在两相静止坐标系下的数学模型,提出了一种基于转子磁场定向的无速度传感器矢量控制系统设计方案。详细介绍了系统的控制原理,并通过仿真研究验证了该系统模型和控制方案的正确性。     

异步电机转子磁场定向无速度传感器矢量控制方法

为解决低速下无速度传感器矢量控制速度辨识效果差的缺点,基于一种电压直接控制的矢量控制结构,设计了一种无速度传感器的控制方案.该结构采用转子磁场定向,实现磁链与转矩的解耦控制,利用模型参考自适应方法的原理,对转矩的误差项采用此例积分自适应机制,获取速度信号,实现速度闭环控制.实验结果表明,该方法实用简单,在低速下可获得良好的性能.     

基于DSP的无速度传感器异步电机矢量控制系统

为提高异步电机控制系统的可靠性和适应性 ,提出了一种基于 DSP(TMS32 0 C32 )的无速度传感器异步电机矢量控制系统 ,介绍了异步电机矢量控制的基本方程式 ,并根据这些基本方程式分别建立了改进的电压型转子磁链的估算模型和 PI自适应速度估计算法 ,并给出了部分仿真结果。系统的实验结果表明 ,这种基于 DSP的无速度传感器异步电机矢量控制系统具有良好的性能     

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。     

基于神经网络PID控制器在交流调速系统中的应用

针对PID控制和神经网络控制在交流调速系统中的局限性,利用其各自的优点,采用神经网络和PID控制相结合的方法构建神经网络PID控制器,实现变频调速控制,得到了神经网络控制器模型和神经网络控制方法运行的结果。仿真结果充分表明了神经网络模型具有良好的稳定性、鲁棒性和跟随性,而且改善了原系统的动态特性,证明了该方法在交流调速系统中的应用价值。     

基于BP网络的异步电机无定子电阻的转速估算

根据异步电机的数学模型,经过一定的变换,消除异步电动机定子电阻的影响,利用电机易于检测到的定子电压和电流,通过Simulink模块和S-函数建立起自适应神经网络辨识模型．该方法适应范围宽、响应速度快．仿真结果表明：采用该模型估算出的转速具有较高的精度．     

一种新的基于自组织神经网络的运动估计算法

提出了一种新的基于自组织网络的CFSSOM-VQ运动估计算法,新的帧间预测编码方案采用基于自组织特征映射算法(SOM)的矢量量化(VQ)作为帧间预测,以取代目前常用的运动补偿帧间预测(ME MC).并对SOM算法进行了改进,提出了一种分类频率敏感自组织特征映射(CFSSOM)算法.将该算法应用到会议电视视频编码的实验结果表明,与ME MC算法相比,CFSSOM-VQ算法具有更好的预测编码性能.     

基于RBF神经网络逆系统的注射速度控制

为了实现注射速度的精确控制,针对其非线性时变的动态特性,提出了基于神经网络逆系统的控制方法.采用M.Rafizadeh模型描述注射速度系统特性,通过求解该系统的相对阶证明了系统的可逆性.由于注射速度系统逆模型的解析形式难以获得,因此构造了基于RBF神经网络的注射速度逆系统,并将该系统与常规PID控制相结合,对注射速度实现复合控制,解决了基于RBF神经网络逆系统的开环控制效果不理想的问题.仿真实验表明,该控制系统具有良好的跟踪性能及抗干扰性能.     

基于BP神经网络的发动机怠速模型

发动机怠速模型是发动机怠速控制的基础.发动机怠速工况具有非线性特性.利用BP人工神经网络建立了发动机怠速模型,并利用实际发动机系统测得的怠速转速数据作为神经网络学习样本数据.理论分析和仿真研究均表明了该方法的有效性.