基于模糊神经网络的异步电机转速估计方法

根据异步电机的数学模型,提出基于模糊神经网络的异步电机转速估计方法。将传统参考自适应系统中原有的自适应调节机构用一个具有在线学习能力的模糊神经网络取代,得出了一种基于模糊神经网络的异步电机转速估计方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电机实际转速的变化,具有良好的性能。     

基于模糊神经网络的感应电动机转速估计方法

根据感应电动机的数学模型,提出一种基于模糊神经网络的感应电动机转速估计的方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电动机实际转速的变化,具有良好的性能。     

异步电动机无速度传感器矢量控制系统设计

文章提出一种基于模糊神经网络的模型参考自适应电机转速辨识方法,将其与SVPWM调制技术控制的变频器系统结合起来,组成了一种基于DSP的异步电机无速度传感器矢量控制系统.具体介绍了其结构及软硬件的设计.仿真结果表明此系统动态性能好,能准确跟踪电机转速的变化.     

基于自适应模糊神经网络的风速软测量

针对风力发电系统有效风速无法直接测量的问题,提出了基于自适应模糊神经网络的风速软测量方法,在该方法中利用优化的自适应模糊神经网络建立了风速软测量模型,以发电机功率、桨距角和风力机转速作为模型的输入,有效风速作为模型的输出,网络学习中采用可变的学习速率和可变的动量学习率.仿真结果表明,与传统的神经网络风速软测量模型相比,基于自适应模糊神经网络的风速软测量方法是有效的,风速的估计值较好地跟踪了有效风速的变化趋势,具有较高的准确性.     

异步电动机无速度传感器矢量控制系统设计

文章提出一种基于模糊神经网络的模型参考自适应电机转速辨识方法，将其与SVPWM调制技术控制的变频器系统结合起来，组成了一种基于DSP的异步电机无速度传感器矢量控制系统。具体介绍了其结构及软硬件的设计。仿真结果表明此系统动态性能好，能准确跟踪电机转速的变化。     

基于模型参考神经网络的异步电机鲁棒速度控制方法

提出一种新型的基于模型参考神经网络的异步电机驱动系统鲁棒速度控制方法。由带负载转矩观测器的两层神经网络对象辨识器(NNPI)对未知的电机动态参数进行实时的自适应辨识与估计。由双层神经网络PI控制器(NNC)对异步电机转子速度进行鲁棒控制。神经网络使用学习算法以自动调节NNPIC的参数并有效地降低系统对参数变化以及负载扰动的敏感度。仿真结果表明该方法对于参数变化和负载转矩扰动具有很强的自适应能力,能够提高异步电机的性能,并减小其对参数变化、非线性影响以及负载扰动的敏感度。     

矢量控制系统的速度控制及速度辨识新方法研究

介绍了异步电动机矢量控制系统神经网络速度控制器的设计方法;同时提出了将开环直接计算与模型参考自适应方法相结合的神经网络混合转速辨识模型。仿真结果表明,基于该速度控制器和速度估计器的矢量控制系统动静态性能好,解决了瞬时无功模型参考自适应方法的转速不稳定问题,转速估计精度高。     

异步电机模糊免疫PID矢量控制系统

由于在转子磁场定向矢量控制中,转速PI控制器抗干扰能力较差,提出了采用模糊免疫PID控制器取代转速PI控制器,对提高异步电机控制系统的性能起到改善作用.模糊免疫PID控制将生物免疫机理、模糊控制理论及PID控制理论相结合,提高了系统的自适应能力,实现了控制器参数的优化及在线自整定.构建了基于模糊免疫PID控制器和空间矢量脉宽调制的异步电机矢量控制系统.仿真结果表明,该系统既具有良好的动、静态特性,也具有自适应和鲁棒性强的特点.     

神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力 ,用于控制时可不依赖控制对象的数学模型。异步电机矢量控制技术是通过坐标变换 ,实现对定子电流的励磁分量与转矩分量的解耦控制。为实现对交流电机快速和精确控制 ,本文基于单神经元设计出用于异步电机矢量控制的自适应磁链和转速控制器 ,利用神经元的自学习功能在线调节连接权重 ,实现自适应控制。并将此设计应用于由数字信号处理器 (DSP)实现的交流电机矢量控制系统中 ,实验表明此方法设计的控制器结构简单 ,易于数字化实现 ,控制系统动态性能良好。     

基于模型参考自适应的无传感器直接转矩控制

提出了一种基于模型参考自适应系统的异步电机无传感器直接转矩控制策略。首先构建全阶自适应观察器,并根据李亚普诺夫理论推导出转速的自适应收敛率,实现转子速度估计。通过MATLAB/Simulink仿真研究表明,该方案具有良好的稳态和动态性能。     

高压变频器无速度传感器矢量控制转速辨识

针对级联高压变频器异步电机无速度传感器矢量控制,研究了一种基于两相旋转坐标系下模型参考自适应系统(MRAS)来辨识异步电机转速的方案。仿真和实验结果表明,该转速辨识方案结构简单,易于实现,能准确地估计电机的磁链和转速。     

基于神经网络的混合速度辨识方法研究

提出了将开环直接计算与模型参考自适应方法相结合的神经网络混合转速辨识模型。仿真结果表明，基于该速度估计器的矢量控制系统动、静态性能好，解决了瞬时无功模型参考自适应方法在转速给定为负阶跃时的转速不稳定问题，转速估计精度高。     

无速度传感器矢量控制系统中转速估计的研究

本文首先从异步电机的数学模型出发,阐述了电机转速在线估计的方法,建立了无速度传感器的异步电动机自适应转速闭环控制方案。采用最小二乘估计的方法在线估计转速实现矢量控制,仿真结果表明了算法的可行性。     

基于模型参考自适应的无传感器直接转矩控制

提出了一种基于模型参考自适应系统的异步电机无传感器直接转矩控制策略。首先构建全阶自适应观察器,并根据李亚普诺夫理论推导出转速的自适应收敛率,实现转子速度估计。通过MATLAB/Simulink仿真研究表明,该方案具有良好的稳态和动态性能。     

基于级联神经网络的电机转速和负载转矩辨识

合理选择电机容量具有重要意义,而电机容量可根据电机转速和负载转矩确定.此处提出利用级联BP神经网络估计电机转速和负载转矩的方法,将两个神经网络级联,第一级网络输入为电机定子电压,输出为定子电流和转速;第二级网络输入为第一级网络的输出,输出为负载转矩,形成了级联BP神经网络模型,实现了异步电机转速和负载转矩的同时估计.实...     

神经元控制器在数字调速系统中的实现和应用

神经网络具有自学习、自适应能力，用于控制时可不依赖控制对象的数学模型。异步电机矢量控制技术是通过坐标变换，实现对定子电流的励磁分量与转矩分量的解耦控制。为实现对交流电机快速和精确控制，本文基于单神经元设计出用于异步电机矢量控制的自适应磁链和转速控制器，利用神经元的自学习功能在线调节连接权重，实现自适应控制。并将此设计应用于由数字信号处理器(DSP)实现的交流电机矢量控制系统中，实验表明此方法设计的控制器结构简单，易于数字化实现，控制系统动态性能良好。     

基于无功功率的交流异步电机转速估算研究

研究基于模型参考自适应的交流异步电机无速度传感器矢量控制系统的转速估计,提出以电机瞬时无功功率为模型的转速估计方法,消除定子电阻项和积分项,并根据Popov超稳定理论证明系统的稳定性。在以TMS320F2812DSP为控制核心的平台上进行实验。实验结果表明,所提模型的估计转速和实际转速在低速、中速、高速下都具有较好的动态性能和响应性能,模型具有较好的跟踪性能和稳定性。     

无速度传感器异步电机按定子磁链定向的矢量控制系统

为提高异步电机控制系统的可靠性和适应性,结合模型参考自适应(MRAS)理论和PI自适应算法,构造了一种改进的无速度传感器异步电机按定子磁链定向的矢量控制系统.系统采用具有自适应补偿的电压模型估算定子磁链,PI自适应法估计转速.仿真及实验结果表明,该系统具有良好的稳态辨识特性和鲁棒性.     

转矩模糊自适应控制的异步电机软起动的研究

针对异步电机直接起动过程中存在的问题,研究了一种基于模糊自适应控制的异步电机转矩斜坡起动方式.通过分析异步电机恒转矩负载机械特性,推导出转矩斜坡起动方式的数学模型.利用Matlab中电气系统模块库和模糊逻辑工具箱,建立了基于模糊自适应控制的异步电机软起动系统仿真模型,并进行仿真.仿真结果表明,恒转矩负载下模糊自适应控制...     

一种新型极低速异步电机无速度传感器控制方法

提出了一种基于信号注入的新型极低速异步电机无速度传感器矢量控制方法.该方法通过注入低频定子电流信号得到转子位置角度误差,并进而估计电机转速.该方法不依赖于异步电机的非理想特性,仅由基波模型就可实现极低速段的转速估计.此外,该方法还具有较强的电机参数鲁棒性.仿真及实验结果证明,基于低频信号注入的方法可以很好地实现异步电机在极低速段的无速度传感器矢量控制.