基于遗传算法的模糊自适应控制在DTC的应用

系统中采用了两个模糊控制器,其一是用模糊控制器取代了常规直接转矩控制系统的磁链和转矩控制器;其二是根据异步电动机的运行特点提出了一种基于遗传算法的模糊自适应PI控制器作为直接转矩控制系统的速度调节器.在这种模糊自适应PI控制器的设计中,用自适应模糊控制器推断出PI控制器的参数,用遗传算法和参数调整算法对模糊控制器的量化因子和比例因子分别进行离线粗调和在线优化细调,解决了常规模糊控制器在电机直接转矩控制过程中特别是起动过程因参数不变带来的超调量大、响应慢、不稳定性等问题.仿真试验结果验证了所研究设计的控制器的有效性,系统在动态响应、抗干扰能力、增强鲁棒性等方面均获得了满意的效果.     

永磁同步电机模糊直接转矩控制研究

直接转矩控制系统具有良好的动态响应,但转矩及磁链的脉动较大.针对这一问题,用模糊控制器代替传统直接转矩控制系统中的滞环比较器,将电机定子磁链误差、电磁转矩误差及定子磁链空间角三个量作为模糊控制器的输入,进行模糊处理,并在模糊控制器中根据预先制定的模糊推理规则进行模糊推理运算,从而最优的选择出电机所需要的电压矢量,作为模糊控制器的输出,直接控制逆变器的开关状态.仿真结果表明,模糊直接转矩控制在很大程度上可以改善传统直接转矩控制的定子磁链和电磁转矩脉动,并有很好的动态特性.     

神经网络模糊直接转矩控制在感应电机中的应用研究

针对感应电机直接转矩控制中存在较大转矩脉动的特点,提出基于神经网络与模糊逻辑的感应电机直接转矩控制策略,用训练好的神经网络建立定子磁链观测器,将模糊控制算法引入逆变器状态开关选择器,通过对转矩误差、定子磁链误差和磁链位置角的模糊分级来实现逆变器开关的分级控制。仿真及实验结果表明,与常规DTC相比,该控制方法转矩、转速、磁链响应速度快、响应脉动小,具有良好的稳态跟踪性能和优异的动态响应。     

基于模糊控制的永磁同步电机动态有限状态集模型预测转矩控制

永磁同步电机传统有限状态集模型预测转矩控制一般采用逆变器生成的全部电压矢量,并且电机在任何运行状态下,备选电压矢量集合均固定,从而使得转矩脉动大和计算量较大.基于电压矢量幅值和角度对磁链和转矩变化的作用规律,采用模糊控制器动态确定备选电压矢量集合.模糊控制器输入为定子磁链和转矩误差,输出为3个备选电压矢量的幅值和角度.仿真结果表明与传统固定有限状态集相比,其可有效减小磁链和转矩脉动,减小了模型预测转矩控制的运算量,但平均开关频率有所增大.为了减小平均开关频率,将零电压矢量也作为备选电压矢量之一.仿真结果表明:使用零电压矢量可有效减小平均开关频率,但动态下转矩响应较慢.为了提高转矩动态响应,提出当系统处于动态时,备选电压矢量只使用模糊控制器输出的3个电压矢量,仅当系统处于稳态时,才加入零电压矢量.仿真结果表明:该策略使得系统控制性能基本保持不变,提高了转矩动态响应速度,并消除了动态下磁链和转矩脉动.     

三电平逆变器驱动的感应电机模型预测直接转矩控制系统

将模型预测控制应用于电机调速领域,对三电平逆变器驱动的感应电机模型预测直接转矩控制(MPDTC)系统进行了研究.MPDTC系统利用感应电机的离散化数学模型对三电平逆变器27种电压空间矢量对应的定子磁链和转矩未来状态进行预测,构造定子磁链和转矩的给定值与预测值偏差的目标函数,滚动优化,选取最优开关状态,实现对转矩和磁链的有效控制.仿真结果表明MPDTC策略具有转矩动态响应快,速度和定子磁链跟踪性能好,转矩脉动较小等优点.     

基于TMS320F240 DSP的直接转矩控制系统研究

直接转矩控制是一种新型的高性能的交流传动控制技术 ,它根据磁链、转矩的要求 ,从多种电压空间矢量中选取最优矢量 ,使电机在最佳状态运行。本直接转矩控制系统采用模糊控制及在线预测算法 ,结构简单 ,对定子磁链、电磁转矩的估测准确。实验结果表明 ,该系统具有良好的动态性能 ,优于普通的电机控制器     

基于TMS320F240DSP的直接转矩控制系统研究

直接转矩控制是一种新型的高性能的交流传动控制技术，它根据磁链、转距的要求，从多种电压空间矢量中选取最优矢量，使电机在最佳状态运行。本直接转矩控制系统采用模糊控制及在线预测算法，结构简单，对定子磁链、电磁转矩的估测准确。实验结果表明，该系统具有良好的动态性能，优于普通的电机控制器。     

永磁同步电动机双模糊直接转矩控制的研究

针对传统的直接转矩控制使用滞环比较器来控制定子磁链和转矩,存在滞环宽度调节有限、低速时转矩脉动大和逆变器开关频率不固定,速度PI调节器的比例积分参数恒定,其速度控制精度不高等缺点,设计了基于模糊直接转矩控制器和模糊速度PI控制器的双模糊直接转矩控制系统.利用模糊控制器分别来代替磁链、转矩滞环比较器和速度PI调节器,有效地减小了磁链和转矩控制容差,并利用磁链角对称特性进行映射,减少了模糊控制规则数,提高了实时性和速度控制精度.仿真结果表明:该方法明显优于常规的直接转矩控制,减少了转矩脉动,提高了系统的控制性能.     

基于模糊PI调节器的无刷双馈电机直接转矩控制

传统的无刷双馈电机直接转矩控制系统采用滞环控制器,依据转矩误差、定子磁链幅值误差来选择逆变器的开关状态,过扇区时电流与磁链畸变,导致低速时转矩脉动大,影响了系统的控制效果。针对这一问题,提出了一种基于模糊PI调节器的无刷双馈电机直接转矩控制方案,应用模糊理论设计了控制器的参数。仿真结果表明该方法有效改善了电机的动态特性,减少了转矩脉动,提高了转速、转矩控制精度,扩大了直接转矩控制系统的调速范围。     

基于转矩误差和磁链误差的模糊直接转矩控制方式

常规直接转矩控制中的转矩调节、磁链调节均使用施密特触发器，其容差大小影响系统性能。本文介绍了采用模糊控制器，将转矩误差和磁链误差分成不同的等级，利用模糊决策来控制逆变器开关，有效地提高了系统性能。     

头盔瞄准显示系统运动位姿的预测方法

针对受面阵CCD相机的帧频限制而对头盔瞄准显示系统定位速度慢的问题,提出了一种基于Unscented Kalman滤波的头盔运动位姿固定超前预测方法。分析了飞行员头部的运动特点,建立了描述头盔运动位姿固定超前预测的状态空间模型,并对头盔的三维运动位姿进行固定超前预测和估计,在保证位姿测量精度的前提下,间接提高定位系统对头盔的位姿测量速度。实验结果表明,该方法在保证对头盔瞄准显示系统定位精度的前提下,可以有效地将其定位速度提高一倍。     

A system of automatic control of motion speed of a city transport system electric train

An adaptive system of automatic control of the electric train motion speed permitting one to take into account the specific requirements imposed by the control object is proposed. Such requirements include limitation of the level of the index of the movement smoothness during the transient movement modes characterizing the degree of comfort for the passengers, as well as the possibility of implementing accelerations (delays) differing from nominal ones. The methods of automatic control and simulation modeling theory are used while solving the problem. The required control quality is provided by the fact that the input drive signal for the speed control circuit is smoothed by means of an operator, which is based on integration with saturation. The speed control circuit parameters are determined as a result of solving the task of the parametrical synthesis. The result of the work is an operation algorithm of the automatic control system (ACS) of the electric train speed, application of which provides limitation of the level of the movement smoothness index within the transient movement modes. As a result of solving the task of the parametrical synthesis the analytical dependences are also obtained connecting the ACS control law parameters with the train weight, use of which provides independence of the control quality on the train weight.     

基于神经网络的酒泉风电基地超短期风电功率预测方法

风电的随机性和波动性给电力系统调度运行带来了一定的困难,以我国首个千万kW级风电基地甘肃酒泉风电基地为例,研究了基于神经网络的酒泉风电基地超短期风电功率预测方法,并对风速和风电功率实时数据进行了分析处理。在此基础上,基于神经网络算法和贝叶斯规则进行了超短期预测建模过程分析。最后,通过预测结果对预测模型进行了验证分析,验证结果表明预测模型合理、预测精度高,该预测结果可以为调度运行人员提供参考。     

基于BP网络的感应电机定子电阻观测器

在直接转矩控制系统中,感应电机定子电阻在低速时受温度影响而变化,影响控制系统的低速性能.为此,设计了基于反向传播(BP)神经网络的定子观测器,采用有导师学习(或称监督学习)的神经网络学习方法,通过试验,采集到定子电阻随其电压频率及定子绕组温度变化规律,利用MATLAB人工神经元网络工具箱就能快速实现BP计算,将其结果输入定子电阻观测器中,进行实时检测,计算出准确的定子磁链幅值,达到减小系统低速运行时转矩的脉动,提高了控制性能.     

单神经元自适应PID控制交流调速系统

针对转子磁场定向矢量控制中转速PI调节器鲁棒性能较差的问题,提出了用单神经元自适应PID控制器代替转速PI控制器,进一步改善了异步电动机矢量控制系统的性能;将无监督的Hebb学习规则与有监督的Delta学习规则相结合,提高了单神经元自适应PID控制器的学习能力,实现了单神经元控制器的参数优化与在线自调.构造了基于单神经元自适应PID控制器和空间矢量脉宽调制(SVPWM)的异步电机矢量控制系统.仿真实验结果表明,该系统不仅具有很好的静、动态性能,而且又具有很强的自适应性和鲁棒性.     

基于单神经元自适应PID控制的高压断路器永磁直线伺服电机操动机构的研究

高压断路器永磁直线伺服电机操动机构采用直线电机驱动断路器操作杆,带动机构运动,实现分合闸操作,具有良好的快速响应能力及控制性能.该伺服系统采用数字式双闭环控制,内环为电流环,采用PI控制,外环为速度环,采用单神经元自适应PID控制,通过建立直线伺服电机操动机构控制系统仿真模型,详细分析了单神经元自适应PID控制算法以及数学模型,并建立了以输出误差二次方为性能指标的单神经元自适应PID控制器模型.并分别用传统PID与单神经元PID控制算法,对高压断路器触头运动特性控制过程进行了仿真.结果表明,单神经元自适应PID控制器能够较好的实现触头速度的跟踪控制,使其按理想运动特性曲线运动,实现最优操作,该算法是一种较理想、有效的控制方法.     

基于滑模控制的永磁同步电机模糊调速系统

为解决滑模控制系统抖振和动态响应性能之间的矛盾,采用模糊滑模控制策略,根据系统的误差来实时调整切换增益的大小。在速度误差较大时,切换增益变大,提高系统动态响应速度;在速度误差较小时,切换增益变小,减小系统的抖振。模糊控制采用新的模糊规则,将速度误差作为单输入变量,有效简化了模糊控制系统的参数调试。滑模控制器采用等速趋近律,并用饱和函数代替符号函数,进一步减小系统稳定时的抖振。通过仿真分析和试验结果可知,模糊滑模控制系统在提高动态响应性能的同时,可有效减小系统的抖振。     

矢量控制系统模糊速度控制器的研究

针对感应电机矢量控制的特点,给出了一种基于模糊逻辑的速度控制器。它采用一种对误差具有更强调节能力的模糊控制规则表,所采用的模糊逻辑推理采用易于实现的DSP,保证了模糊速度控制器的实时性。实验结果证实,该模糊速度控制器是行之有效的。     

高压断路器直线伺服电机操动机构及其控制技术

提出一种新型高压断路器直线伺服电机操动机构,并结合永磁直线同步电机的d-q轴数学模型及推力特性,对新型操动机构的控制进行分析。设计了基于DSP的动触头位置、速度、电流的三闭环控制方案,选用高精度光栅尺作为速度、位置传感器,以满足系统实时性和高精度的要求,最终实现高压断路器分、合闸操作时对动触头运动控制、调节,使其能够按照预定理想曲线进行运动,从而有利于提高断路器开断、关合能力,改善断路器的机械电气寿命和运行可靠性。     

Accurate prediction of different forecast horizons wind speed using a recursive radial basis function neural network

Environmental considerations have prompted the use of renewable energy resources worldwide for reduction of greenhouse gas emissions. An accurate prediction of wind speed plays a major role in environmental planning, energy system balancing, wind farm operation and control, power system planning, scheduling, storage capacity optimization, and enhancing system reliability. This paper proposes an accurate prediction of wind speed based ona Recursive Radial Basis Function Neural Network (RRBFNN) possessing the three inputs of wind direction, temperature and wind speed to improve modern power system protection, control and management. Simulation results confirm that the proposed model improves the wind speed prediction accuracy with least error when compared with other existing prediction models.