开关磁阻发电机系统的故障仿真研究

开关磁阻发电机(SRG)系统出现各种故障模式,为研究多电飞机开关磁阻发电系统的容错性能,建立了关于开关磁阻发电机系统的仿真模型,通过对所建模型施加不同的故障条件,研究了系统在功率变换器故障、负载故障、原动机转速异常、电枢绕组开路、短路等故障下的电压、电流输出波形,仿真了故障运行机理,并对其中的破坏性故障进行了规避处理。研究结果表明,开关磁阻发电系统具有较高的容错性能,适合应用于多电飞机主电源系统。所采用的故障通过建模分析方法也为开关磁阻发电系统的故障诊断和容错研究提供了一定参考。     

基于RMxprt Maxwell的SRG低速电流斩波控制研究

基于Ansoft/RMxprt和Maxwell的仿真环境,建立开关磁阻发电机仿真模型,采用有限元分析,研究其静态和动态特性;研究旋转电机优化设计方法,指导开关磁阻发电机及其控制系统优化设计。采用低速段电流斩波控制,得到最佳开通角、关断角、转速、和电流滞环控制宽度等参数,指导样机发电实验,增加发电输出功率,提高SRG发电系统稳定性。     

基于FLC的SRG非线性仿真实现

针对三相8／6结构开关磁阻发电机,在分析其发电运行的基础上,对开关磁阻发电机的非线性系统分析,采用模糊逻辑控制器,对开关角θon和关断角θoff进行闭环系统控制。搭建基于MATLAB的开关磁阻发电机非线性数学模型,仿真实验结果验证模糊逻辑控制的可行性和优越性。     

基于三电平逆变的开关磁阻发电系统的研究

新型开关磁阻发电机具有发电容量大、效率高、起动和发电组合容易等优点,三电平逆变器具有能减少开关损耗和滤波电感损耗并有降低开关应力等特点。利用三电平逆变器转换效率高的优势,结合新型开关磁阻发电机低风速发电特点,降低开关损耗和开关器件电压应力,提高装置可靠性。仿真实验结果表明:用三电平逆变器能够很好的实现开关磁阻发电机的逆变要求。     

开关磁阻风力发电系统研究

针对传统的基于异步发电机、双馈发电机和永磁同步发电机的风力发电系统稳定性较差,风力发电系统的实验研究需要诸多条件、不易实现的问题,提出了一种在不具备风场实验条件情况下进行基于开关磁阻发电机的风力发电系统研究的方法,即采用直流电动机模拟风力机来进行开关磁阻发电系统的实验。建立了直流电动机模拟风力机的仿真模型,介绍了基于该模型的开关磁阻风力发电系统最大输出功率闭环控制方案。仿真结果表明,该控制方案能使所建立的发电系统快速进行功率调节并进入稳态工作。     

小型开关磁阻风电系统优化仿真研究

研究风力发电系统优化问题,传统小型风力发电存在发电率低,稳定性差的缺陷。为解决上述问题,提出开关磁阻风力发电系统,开关磁阻发电机发出的直流电不经蓄电池,可直接由增加的两级式逆变器逆变成交流电,以减轻蓄电池的负担,优化发电系统。为简化逆变器的控制,开关磁阻发电机采用电压反馈控制以稳定输出电压,采用开关磁阻发电机非线性数学模型,给出其总体控制框图,分析两级式逆变器主电路拓扑结构及选取重要元件参数,建立由开关磁阻发电机和两级式逆变器组成的子系统模型,仿真结果表明,子系统静动态性能好,得到的交流电质量较好,并验证了方法的可行性,为优化风力发电提供了科学依据。     

一种开关磁阻电机建模方法的研究与实现

由于开关磁阻电机的非线性特点,难以建立一个精确的开关磁电机的模型,为了精准建立开关磁阻电机模型,利用径向基函数神经网络良好的非线性映射能力在获取准确磁链样本数据基础上训练神经网络,利用训练的径向基神经网络构建开关磁阻电机非线性模型.在此基础上,采用角度位置控制和电压脉宽调制控制相结合的方法搭建开关磁阻电机驱动控制系统的仿真框架.仿真结果表明:利用径向基函数神经网络的方法可以克服开关磁阻电机的非线性问题,所建立的开关磁阻电机模型可以正常稳定运行.从而证明上述方法的合理有效性.     

小型汽车ISAD方案设计与仿真研究

本文提出了新型六相12/10结构开关磁阻电机的方案.根据小型客车三缸汽油发动机对电机起动、发电及助动的要求,设计了一台2.5 kW六相12/10结构开关磁阻起动/发电机,进行系统仿真,分析结果表明所设计方案能够很好地满足要求,能够改善小汽车的运行性能.     

基于角度优化的开关磁阻轮毂电机发电回馈控制策略研究

开关磁阻轮毂电机简单、工作可靠、效率高,应用于电动汽车具有很大应用潜力,但由于其严重的非线性,数学模型难以建立。通过分析开关磁阻轮毂电机制动发电和能量回馈工作原理,找到影响发电效率的主要因素,通过模糊控制调节开通角、关断角度实现角度优化,提高开关磁阻轮毂电机发电效率。     

基于改进BP网络8/6极SRM非线性建模的研究

针对开关磁阻电机(SRM)磁化曲线高度饱和、非线性的特点,提出一种基于改进的BP神经网络建立开关磁阻电机模型的方法。该方法构造了一个将连接权值变为参数可调函数的BP神经网络。通过分析开关磁阻电机磁链与转矩特性获得神经网络的训练样本,经过训练,实现开关磁阻电机非线性建模,并在Matlab/Simulink中建立开关磁阻电机控制系统(SRD)仿真模型。仿真与实验结果的对比,证明了此建模方法可行。与传统BP神经网络建模相比,该方法节约了计算时间,具有很强的泛化能力和较高精度,有效地提高了收敛速度。     

基于小波神经网络建立虚拟仪器非线性软校正模型

神经网络具有良好的学习特性,小波变换有良好的时频局部化性质,将二者结合在一起构成小波神经网络兼有神经网络和小波变换的优点。本文提出了解决虚拟仪器系统非线性校正问题的小波神经网络算法。最后通过一个应用实例表明,采用小波神经网络建立软校正模型,不仅可以使系统获得高精度,而且在相同的误差条件下,其收敛速度也要远远快于传统的BP神经网络。     

小波神经网络自抗扰控制器在水下机器人深度控制中的应用

本文主要实现对水下机器人的深度控制。针对BP神经网络的缺点,根据小波神经网络的优越性,设计小波神经网络自抗扰控制器。利用Matlab simulink对控制器进行仿真测试,表明该控制器控制效果良好,具有较高的鲁棒性。     

模糊小波神经网络的研究及其应用

针对小波神经网络训练时间较长且易陷入局部极小值的缺点,文章提出了将小波神经网络融合模糊算法的方法,并建立了模糊小波神经网络模型及其训练算法,给出了该模型在变频调速系统故障预测中的应用实例。应用结果表明,模糊小波神经网络提高了网络训练速度,达到了优良的函数逼近效果。     

小波网络和RBF网络的抗噪语音识别

针对目前在噪音环境下语音识别系统性能较差的问题,利用小波神经网络融合了小波变换良好的时频局域化性质和RBF神经网络具有最佳分类能力和辨识能力等特性。构建了一个用小波基替代RBF网络中激活函数的小波-RBF神经网络结构,并采用全监督训练算法,实现了基于小波-RBF网络的抗噪语音识别系统。实验结果表明该系统比RBF网络具有更好的识别效果,尤其在噪声环境下,具有更强的鲁棒性。     

基于BP神经网络的模拟电路故障诊断

BP神经网络因其良好的模式分类能力而被广泛用于模拟电路故障诊断中,但故障分辨率不高,用BP神经网络和其它技术相结合的小波神经网络和量子神经网络进行故障诊断,通过仿真证明故障分辨率得到很大提高。     

多分辨小波过程神经网络及其应用研究

以小波多分辨分析为理论基础,结合过程神经网络模型,建立了具有分层、多分辨和局部学习特性的多分辨小波过程神经网络.该网络充分利用小波函数和尺度函数互补的特性,以及过程神经网络可以处理连续输入信号的能力,能够很好地解决复杂的非线性时间序列的预测问题.给出了相应的学习算法,并以航空发动机排气温度裕度状态监视为例,利用多分辨小波过程神经网络进行预测.结果表明,多分辨小波过程神经网络收敛速度快、精度高.同时也为航空发动机排气温度裕度状态监视问题提供了一种有效的方法.     

基于鲸鱼算法改进小波神经网络的GIS局部放电诊断方法研究

针对封闭式气体绝缘开关装置由于生产、运输安装和运行环境等因素,引发的局部放电现象而造成的绝缘故障问题,提出了一种基于改进鲸鱼算法与小波神经网络结合的封闭式气体绝缘开关装置局部放电诊断方法。该方法利用灰度图谱与矩特征实现对局部放电信号的特征提取,基于矩特征值构建小波神经网络的输入样本集;然后使用改进鲸鱼算法对小波神经网络参数进行寻优,以解决神经网络存在的参数敏感问题;最后将优化好且训练完成的小波神经网络应用于绝缘开关装置局部放电诊断中。改进鲸鱼算法引入非线性收敛因子与自适应思想提升了算法的性能,对小波神经网络的超参数有较好的寻优效果。仿真结果表明,相比于通用参数配置的小波神经网络,改进诊断方法诊断精度提升了9.45%。     

基于改进粒子群优化算法的新型小波神经网研究

本文提出了改进的粒子群优化算法（Improved Particle Swarm Optimization,IPSO）的新型BP 小波 神经网络,并且对非线性辨识问题进行了仿真实验．实验结果表明,基于改进的粒子群优化算法的BP 小波网 络不仅具有小波分析良好的局部特性以及神经网络的学习、分类能力,而且具有粒子群优化算法全局快速寻 优的特点．与简单的粒子群优化算法相比,该方法在收敛性和稳定性方面都有了较明显的提高,验证了它的 合理性和有效性．     

基于PSO算法的WNN大包线增益调参控制律设计

提出了一种基于粒子群优化算法的小波神经网络大包线调参控制律设计方法.该方法用小波函数代替了Sigmoid函数作为激活函数.由于结合了小波变换良好的高频域时间精度、低频域频率精度的性质和神经网络的自学习功能,因而具有较强逼近非线性函数的能力.为了克服局部极小值问题并进一步提高对非线性函数逼近能力,利用粒子群优化算法对小波神经网络进行参数训练,并利用该网络实现了大包线增益调参.飞行仿真结果表明,所设计的小波神经网络增益调参控制器具有优良的控制性能,不仅能够保证平衡状态下的控制效果,而且在未训练的平衡状态下依然具有良好的控制性能,并且在存在20%的建模误差时,最大超调量仅为6 m,仅是使用常规增益调参方法的18%.     

小波神经网络对风力发电机齿轮箱的故障诊断

为研究风力发电机组齿轮箱的故障特性,提高其工作的可靠性,提出采用小波神经网络对齿轮箱的故障进行诊断的方案。该方案采用小波包分析与径向基函数(RBF)神经网络相结合组成小波神经网络,以准确地识别风力发电机组中齿轮箱常见的故障。诊断结果证明了方案的可行性。该方案在风力发电机组齿轮箱故障诊断领域具有良好的实用前景。