神经网络辨识方案在异步电机传动系统参数辨识中的应用讨论

本文将Hopfield神经网络引入异步电机传动系统的参数辨识，通过大量仿真结果，详细讨论了在辨识网络输入为经传感器延迟的检测信号的情况下，系统能够正确辨识的充分条件。     

神经网络在交流电机转矩辨识中的应用

本文提出了一种基于BP神经网络的交流电机转矩辨识方法.对电机转矩推算及神经网络均作了较为详细的介绍,并以BP网络为例介绍了网络的训练和仿真,仿真结果表明此辨识方法能够取得较好的辨识精度.     

基于RBF神经网络的超声波电机参数辨识与模型参考自适应控制

超声波电机(USM)是近年发展起来的一种新型微特电机，与传统的电磁驱动型电机的工作原理截然不同。由于USM具有小型轻量、无电磁干扰、响应速度快、低速大转矩、高保持力矩、高功率密度等诸多优点，因而在光学仪器、办公自动化、汽车专用电器、智能机器人、航空航天等领域具有良好的应用前景。但USM的高度非线性、时变性和强耦合增加了它的控制难度。该文提出一种新的USM自适应控制策略。系统采用双闭环控制，内环用来补偿定子环机械谐振频率的漂移；外环利用径向基函数神经网络(RBFt~)控制器调节USM的驱动频率，实现速度的自适应控制。经实验证明，该控制系统具有响应迅速、适应性强等优点，具有较高的控制精度和较好的稳定性。     

无速度传感器矢量控制系统中的电机参数辨识

根据交流感应电动机在两相静止坐标系上的数学模型,采用脉冲电流法、脉冲电压法实现了对交流电动机电气参数的静态测试。该方法不需要速度检测元件,从而为无速度传感器矢量控制系统的电气参数测试提供了一种有效、可行的方案。文章最后给出了该方案的实验结果。     

基于BP神经网络的电机系统辨识与仿真

本文将人工神经网络的非线性和信息分布性用于稀土永磁同步电动机节能与参数之间非线性数学模型辨识,将将辨识得到的神经网络该数学模型进行计算机数值仿真。     

基于神经网络的永磁同步电机多参数解耦在线辨识

为消除永磁同步电机数学模型欠秩性而引起的在线多参数辨识时的耦合影响,本文提出了一种矢量控制策略下的d轴负序电流瞬时注入神经网络解耦辨识方法,结合最小均方权值收敛算法,在线辨识出了表贴式永磁同步电机的电感、定子电阻和转子磁链,并通过增加网络结构中节点的方法削弱了逆变器压降、死区等因素对参数辨识精度的影响。实验结果验证了算法的有效性,在不影响电机系统正常运行的同时,实现多参数快速辨识,且具有较好的辨识精度。     

自组织竞争神经网络在异步电机参数辨识中的应用

介绍了自组织竞争神经网络在交流异步电机参数辨识中的应用。例举了参数辨识所需要的几个实验，阐述了用神经网络处理所采集数据的过程与算法。实验结果证明，该神经网络可以快速稳定地收敛。     

基于DSP的感应电机参数辨识

感应电机高性能交流调速方法中,电机参数的准确性严重影响着电机控制系统的控制品质。该文基于感应电机的数字控制平台,利用自身固有资源,向电机注入脉冲电压和阶跃直流电流激励,然后检测定子电流或电压响应,通过曲线拟合的方法得到部分电机参数。在介绍原理的基础上,介绍了硬件电路的设计,最后进行了仿真和实验研究,结果表明该辨识方案具有较高的精度。     

考虑传感器特性的交流传动系统的人工神经网络参数辨识

在作者已发表的有关交流传动系统参数辨识论文的基础上,考虑了传感器的传输特性对神经网络参数辨识准确性的影响,并给出了理论分析和实例验证,得到了交流传动系统多数准确辨识的充分条件。     

交流电机矢量控制中的转子磁链辨识的神经网络实现

本文采用BP神经网络实现了磁链的辨识，并借助数字仿真技术将其辨识结果用于矢量控制系统中，证明该方法简便、可行。     

参数在线跟踪的交流传动系统双神经网络模型参考自适应控制

该文研究的目的在于将一种具有优越的非线性并行处理特征的神经网络引入自适应控制器的设计中，将其并行收敛特性和便于实行的参数设计原则与模型参考自适应控制模式结合起来，进行具有很高自适应控制要求的交流传动系统控制器设计。该文将Hopfield神经网络引入交流传动系统的模型参考自适应控制，通过神经网络控制器来给出交流传动系统的励磁及速度控制器输出，使控制效果具有对某些参数变化的一定程度的鲁棒性。对于不可控的负载转矩分量，加入参数自动跟踪神经网络，构成上有参数在线跟踪功能的交流传动双神经网络模型参考自适应控制模式，进一步提高了系统的控制性能。结果充分证明了Hopfield神经网络在处理自适应交流传动系统控制问题中的适用特征。     

基于人工神经元网络的电力系统谐波测量方法

提出了了一种基于人工神经网络（ＡＮＮ）的电力系统谐波测量方法。所设计的谐波测量系统在线训练ＡＮＮ,具有二级滤波,可实时并行测量指定各次谐波的幅和相位,仿真结果证实了该测量的有效性。     

基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法

针对实时电价对短期负荷的影响,建立了径向基（RBF）神经网络和自适应神经网络模糊系统（ANFIS）相结合的短期负荷预测模型.该模型利用RBF神经网络的非线性逼近能力对不考虑电价因素的预测日负荷进行了预测,并根据近期实时电价的变化,应用ANFIS系统对RBF神经网络的负荷预测结果进行修正,以使固定电价时代的预测方法在电价敏感环境下也能达到较好的预测精度,克服了神经网络在电力市场下进行负荷预测时存在的不足.某电网实际预测结果表明,该方法具有较好的预测效果.     

基于神经网络的自适应电力系统稳定器

为彻底解决常规自校正控制器中受控系统参数难以识别的问题,提出了一种可以根据受控系统运行工况自动调整控制参数的新型自适应控制。在这种自适应控制中,人工神经网络被用来对受控系统的运行状态进行辨识。根据系统辨识的结果,控制器可按照传统PID控制器的设计原则自动调整控制器参数,达到最佳的控制效果。根据所提出的原理,设计了一种变参数自适应PID型电力系统稳定器（NNPIDPSS）。将设计的NNPIDPSS用于单机-无穷大电力系统和具有多模振荡特性的多机电力系统,仿真结果表明了其有效性。     

基于模糊神经网络的方向元件

根据电力系统正常运行，发生各种类型正方向故障和反方向故障时，母线处获得的信号的特点，提出了用模糊神经网络来识别电力系统故障方向的模型和算法。经EMTP仿真表明，该方法能够正确地区分故障发生的方向，而且计算和响应速度快。另外，系统正在振荡时又发生故障，模糊神经网络的模型及算法也能正确区分出故障的方向。缺点是需要经过大量的训练：但是由于是离线训练，不影响此方法的实时应用。     

基于神经网络的电力系统控制器的在线自学习研究

分析了现有的基于人工神经网络的电力系统实时控制器设计与训练中存 在的问题,在此基础上提出了一种 新的具有训练样本在线自动生成能力的电力系统实时控制 器设计方案。从理论上论证了该方案的可行性, 并依据这一方案实现了神经网络电力系 统 稳定器的设计。在线训练与控制的仿真结果均充分显示出该方案 的优越性。     

基于人工神经网络的电力负荷坏数据辨识与调整

电力负荷坏数据辨识应充分考虑负荷曲线本身的特征。先用Kohonen网对日负荷曲线进行聚类,产生各类的特征曲线;然后用特征曲线及由此产生的含有坏数据的曲线形成的样本集对BP网进行训练,利用BP网的泛化能力,使之具备对本类曲线进行坏数据精确定位的能力;最后利用特征曲线进行坏数据的调整。该方法能够做到离线训练,在线辨识,实例分析取得了良好的效果。     

神经网络电力系统稳定器之研究

基于动态神经网络构造了一种电力系统稳定器(NNPSS)通过单、多机数字仿真研究了神经网络控制器应用于电力系统实时控制所面临的两个问题：未知扰动下控制输出的合理性；(2)单机—无穷大母线系统下训练的控制器在多机系统中的控效果。文章详细介绍了NNPSS的设计思想，训练样本选取单、多机仿真结果分析。     

多机电力系统神经网络最优励磁控制器

针对多机电力系统，提出了一种基于辨识的神经网络实时最优控制器(NNOEC)，在所设计的控制器中，神经网络被用来根据系统状态量的变化实时调整最优控制的反馈增益矩阵，使控制器能够适应不同的运行点和干扰种类。并始终提供最优控制输出。针对多机系统中神经网络训练样本不易获得的问题，提出了一种等效的设计方法，并采用非线性最小二乘辨识法对系统参数进行辨识，在辨识的基础上通过线性最优控制理论计算出用于神经网络训练的样本。三机系统中的数字仿真结果表明，所训练出的NNOEC能够适应系统运行方式的大范围变化，在大小扰动下均表现出良好的控制性能。     

基于神经网络和专家系统的水电厂状态监测系统

在分析国内水电厂状态监测技术现状后，提出了一种基于神经网络和 专家系统相结合的状态监测系统，并引入了子神经网络和数据融合技术。重点介绍了该系统 的框架和相应的功能模块。