基于矢量合成的三电平PWM整流器脉宽调制技术的研究

介绍了二极管中点箝位型三电平PWM整流器电路的拓扑结构和传统的空间矢量脉宽调制(SVPWM)的基本原理。分析了一种小矢量合成虚拟空间矢量的三电平SVPWM脉宽调制方法,并把它与基于冗余小矢量的中点电位滞环控制策略相结合,从而更好的控制中点电位的波动。为避免参考电压矢量在扇区切换中输出矢量突变,采用了一种首发矢量全部采用正小矢量或负小矢量的空间矢量调制算法。最后把调制策略应用到三电平整流器中进行仿真分析,仿真结果验证了调制策略的正确性和有效性。     

通用变频器控制系统设计

随着电力电子技术、微处理器技术以及新的电机控制技术的发展,交流调速性能日益提高。本文给出了一种基于数字信号处理器（DSP）和智能功率模块（IPM）的SVPWM矢量控制变频调速系统的实现方案,在阐述矢量控制和空间电压矢量脉宽调制基本原理的基础上,详细介绍了系统的硬件组成及软件的设计方法。仿真结果表明,该控制系统控制性能和...     

科润技术：2011年推出全能矢量型变频器-ACD500系列

全新的硬件设计：ACD500系列变频器采用ARM＋DSP的双CPU系统控制方案，引领矢量控制全新的硬件控制平台，先进的磁场定向矢量控制算法完成电机的完全解耦控制，实现真正的电流矢量控制，提供高性能的有PG矢量控制（VC）。     

基于滑模矢量控制的异步电机调速系统

由于异步电机是高阶、非线性、强耦合的多变量系统,难以实现高性能的调速,为此本文在矢量控制基础上,建立了滑模矢量控制异步电机调速系统。首先对系统进行矢量变换,构建电流滞环跟踪PWM矢量变频调速系统,使系统的响应速度增快;其次加入滑模控制,增加系统的鲁棒性和抗干扰能力。最后对异步电机调速系统的模型进行仿真实验,结果表明,增强了滑模矢量控制调速系统负载的抗干扰性,减少了超调量,提高了系统的响应速度。     

数字式矢量移相器

简要介绍了矢量移相器的原理、特点、基本结构，提出了一种新型的采用数学方式控制的矢量移相器。     

利用DSP实现变频器的矢量控制和SVPWM技术

对交流电机变频器的矢量控制原理和SVPWM(空间矢量脉宽调制)技术进行了分析,归纳出矢量控制和SVPWM技术的数学模型,由此模型,采用TI公司的DSP(数字信号处理器)TMS320F2810DSP芯片作为控制系统的核心,实现了变频器的全矢量控制。同时,给出了全矢量控制系统的原理框图和硬件结构图,对控制系统的软件进行了设计。整个控制系统结构简单、动态品质高、能够实现对转矩变化的实时控制以及防止电流的过冲现象。     

变频器的功能设置概述：第一讲 变频器的控制方式（上）

根据不同的变频控制理论，可以发展为几种不同的变频器控制方式，即V／f控制方式（包括开环V／f控制和闭环V／f控制）、无速度传感器矢量控制方式（矢量控制VC的一种）、闭环矢量控制方式（即有速度传感器矢量控制VC的一种）、转矩控制方式（矢量控制VC或直接转矩控制DTC）等。这些控制方式在变频器通电运行前必须首先设置。本文主要阐述的就是变频器的这几种控制方式。     

变频器的功能设置概述（二） 第1讲 变频器的控制方式（下）

根据不同的变频控制理论,可以发展为几种不同的变频器控制方式,即V/f控制方式（包括开环V/f控制和闭环V/f控制）、无速度传感器矢量控制方式（矢量控制VC的一种）、闭环矢量控制方式（即有速度传感器矢量控制VC的一种）、转矩控制方式（矢量控制VC或直接转矩控制DTC）等。这些控制方式在变频器通电运行前必须首先设置。本文主要阐述的就是变频器的这几种控制方式。     

感应电动机转差型矢量控制系统的设计

本文分析了感应电动机矢量控制原理,通过矢量坐标变换和转子磁场定向实现磁通与转矩的解耦控制。在对系统进行仿真研究的基础上,以TMS320LF2407为控制核心进行软、硬件的设计,构建了一个感应电动机转差型矢量控制系统。     

数字式矢量移相器

简要介绍了矢量移相器的原理，特点，基本结构，提出了一种新型的采用数学方式控制的矢量移相器。     

基于SVPWM的永磁同步电动机直接转矩控制

针对永磁同步电动机直接转矩控制系统转矩和定子磁链脉动问题,采用电压空间矢量脉宽调制(SVPWM)的永磁同步电动机直接转矩控制方法。根据在每一个控制周期内,计算出参考磁链和所估计磁链的偏差,选择相邻非零矢量和零矢量,并精确地计算出各自的作用时间,然后利用线性组合法将其合成为新的电压矢量。仿真结果表明,所提出的控制方案是有效的,明显地改善转矩和磁链脉动,并且有很好的动态和稳态性能。     

异步电动机直接转矩控制的仿真研究

根据直接转矩控制的基本原理,在MATLAB环境下,建立异步电动机直接转矩控制系统仿真模型,针对异步电动机转矩脉动大等问题,采用转矩三点式调节器及12区段磁链划分方法仿真结果表明,该方法可有效地减少转矩脉动,提高直接转矩控制系统的性能。     

基于MPPT的变速恒频双馈风力发电系统控制策略

充分利用风能是风力发电控制的主要目的之一,为达此目的,本文基于风力机特性和双馈风力发电机的数学模型,提出了一种不依赖于风速测量来实现双馈风力发电系统最大功率点追踪(MPPT)控制的策略。该策略应用定子磁链定向矢量控制技术,对双馈发电机进行有功功率和无功功率的解耦控制,然后通过对发电机输出有功功率进行控制来间接得到与风速相对应的最佳叶尖速比和最优转速,从而实现最大功率点追踪(MPPT)控制。仿真结果证实了基于该方法,双馈风力发电系统在风速变化过程中能自动寻找并追随最大功率点,且控制相对简单,运行可靠,有较高的实用价值。     

基于DSP-CPLD的三电平逆变器SVPWM方法研究

三电平中点箝位逆变器在高压大容量变频调速中得到了广泛的研究和应用,文中对二极管箝位型三电平逆变器的控制系统进行研究并介绍采用CPLD与DSP的组合来实现三电平逆变器空间矢量发生的一个方法。这种方法可以控制中点电位平衡,限制输出电压dw／dt。试验结果体现了该方法的可行性。     

基于统计几何的纹理特征提取及分类算法

纹理识别是计算机视觉领域一个重要的课题,本文研究了统计几何特征(SGF)纹理分析方法并与向量机结合构建分类系统。对支持向量机(SVM)的多分类方法的实现,构建了粗分类和细分类相结合的多分类器,实现了纹理图像的准确划分,为有效纹理特征的表示奠定了基础。本文对统计几何特征提取方法进行了研究,利用图像函数图来进行纹理描述,使用一个可变的阈值把一幅灰度纹理图像切割成一系列二进制图像,由二进制图像的连通域、几何拓扑属性推导纹理描述特征。实验结果表明,统计几何特征具有非常强的纹理描述能力,同时能够克服图像的旋转。     

基于HTPA的永磁同步电动机矢量控制系统

在永磁同步电机数学模型的基础上,分析了最优转矩控制（MTPA）原理,得到了在dqO坐标系下转矩与d、q轴电流的关系式。为便于实际应用,利用MatIab工具给出了最优转矩控制的近似实现方法。建立基于该方法和凸极式永磁同步电动机模型的仿真控制系统进行仿真验证,仿真结果表明该方法是有效可行的。     

变速恒频双馈风力发电机控制策略

本文基于对双馈感应发电机及其矢量控制的理论分析,采用基于速度外环的并网发电控制策略和基于变步长转速扰动的最大风能跟踪算法,构建了110kW变速恒频双馈风力发电模拟平台,实现了变速恒频双馈风力发电机的有功、无功功率的前馈解耦控制和最大功率点跟踪控制。     

NPC型三电平逆变器SVPWM算法及中点电压平衡控制的研究

为解决二极管箝位型(NPc)三电平逆变器中点电压平衡问题,文中详细介绍了三电平逆变器空间矢量调制算法的基本原理,从空间矢量控制的角度分析了中点电压波动的基本规律,提出了一种有效抑制中点电压波动的算法。该算法依照中点电荷守恒原理,通过检测输出三相电流和中点电压波动值,推导出用于精确调节中点电压小矢量冗余开关状态的分配因子表达式。仿真结果验证了该方法的可行性和精确性。     

地铁通信系统的集中告警

集中告警设备利用计算机网络技术和计算机本身的高速数据处理能力,对城市轨道交通中地铁通信各系统进行集中监测告警管理。将通信各系统网络及设备的运行状态和告警信息集中反映到告警设备上,可及时、准确、迅速地获取设备的运行状态信息,以便维护人员快速、准确处理各系统设备故障。并可形成统一的综合管理报表,从而提高通信网络的维护质量和管理水平。     

NSVM Decision Tree for Multi-class Classification

A presented classification algorithm of non- linear Support vector machine （SVM） decision tree extends SVM to non-linear SVM by using kernel functions and calculates the relativity separability measure between classes after non-linear mapping. This method is introduced on the basis of the SVM decision tree. As a result, the iterative error is effectively restrained and the efficiency improved accordingly. Experimental results have shown that, compared with the original SVM decision tree algorithm, the classification rate has increased greatly and the classification time decreased apparently.