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。     

基于DSP的神经网络速度控制器设计

提出了一种基于神经网络模型参考自适应控制(NNMRAC)的感应电动机矢量控制系统方案。根据感应电动机矢量控制系统的特征。简化了BP学习算法，给出了神经网络模型参考自适应速度控制策略在TMS320F240中的实现方法。     

基于无速度传感器永磁同步电动机PCH速度控制

基于模型参考自适应(MRAS)的转速估计原理,提出了一种永磁同步电动机(PMSM)的无速度传感器控制方法,该方法以PMSM本身作为参考模型,将含有待估计参数的模型作为可调模型。根据两个模型状态变量的不同,通过一定的自适应调节机构,得到转子速度的估计值。然后利用端口受控哈密顿(PCH)系统方法,建立PMSM的PCH模型,根据最大转矩/电流(MTPA)控制原理,设计了隐极式PMSM的无传感器速度控制器。最后通过Matlab/Simulink建立仿真模型,仿真结果表明,该控制系统具有很好的转速跟踪和速度估计的性能。     

基于神经网络PI控制器的矢量控制系统速度估算

利用静止坐标系下电压电流模型组合磁通观测器推算转子磁通的感应电动机无速度传感器矢量控制系统,在利用推算的转子磁通g轴分量的PI控制作用进行转速估算的基础上,提出一种利用神经网络PI控制器替代PI控制器进行转速估算的方法,提高了无速度传感器矢量控制系统的动态性能.仿真和实验结果验证了该方法的有效性.     

基于LPIDBP神经网络的感应电动机速度估计仿真研究

针对传统BP神经网络和转速估计方法的不足,提出了一种基于LPIDBP神经网络混合转速的辨识方法。仿真结果表明,基于LPIDBP神经网络的混合速度估计器的矢量控制系统收敛速度快,转速估计精度高,动静态性能好。     

自适应FC的无速度传感器感应电机矢量控制系统

设计了一种二维自适应模糊控制器(FC)作为无速度传感器感应电机矢量控制系统的速度调节器.这种自适应模糊控制器可以根据速度给定和负载转矩的变化实时调节解模糊的比例因子.系统使用定转子自适应磁通观测器和转速动态估计器来估算转子磁通和转速,有两个PID控制器分别控制转矩和磁通的电流分量,输出电压空间矢量控制电机.仿真结果表明,与PID控制器比较,FC具有更好的动态性能和稳态性能,鲁棒性得到很大提高.     

基于MRAS和FNN的异步电动机无速度传感器直接转矩控制

针对传统直接转矩控制系统中磁链和转矩存在较大的脉动,采用基于模糊神经网络(FNN)控制器的预期电压矢量调制方案.速度传感器安装不方便、成本高,磁链观测对电阻的依赖性强,尤其是在电机低速运行时,应用模型参考自适应控制策略(MRAS)设计速度、电阻自适应定子磁链观测器,以定子电流和定子磁链为状态变量,利用Popov超稳定性理论得到转子转速和转子电阻的自适应律.建立了异步电动机无速度传感器直接转矩控制系统的Matlab/Simulink仿真模型,仿真结果表明系统脉动较小,提高了定子磁链和转速的观测精度.     

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.     

模型参考自适应转速辨识算法比较

根据异步电动机的数学模型,构建了无速度传感器矢量控制系统模型参考自适应转速辨识模型,采用自适应PI算法及神经网络算法对以转子磁场定向无速度传感器矢量控制系统进行了仿真,比较了两种算法的动态性能。     

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。     

基于再励学习的交流调速系统模糊神经网络控制

针对矢量控制交流调速系统,该文提出并设计了一种基于再励学习的模糊神经网络速度控制器。详细介绍了基于遗传算法的神经网络权重在线训练方法,仿真对比了输入空间的划分即模糊子集数量对模糊神经网络控制器的训练及其控制效果的影响。仿真结果表明该速度控制器能通过在线训练方式获得最优参数以适应被控对象的参数变化,能使系统获得优良的动态和静态性能。     

基于MRAS矢量控制系统的速度估算

应用模型参考自适应方法，对无速度传感器矢量控制系统的转换估计进行研究，提出了一种以电机的瞬时无功作为辅助变量，鲁棒性良好的新型MRAS速度估计方案。仿真实验表明，应用这种估计算法计算量小，收敛速度快，速度估计精确。     

BP神经网络辩识感应电机转子磁链和转速

根据感应电机数字模型，提出了仅基于定子电流的人工神经网络转子磁链与速度的辩识方法，实现无速度传感器的交流调速系统的转子磁链和转速闭环控制。用BP算法对神经网络进行学习和训练，构建相应的多层前馈神经网络（MFNN）。仿真和实验结果表明，这种转子磁链与速度的辩识模型具有良好的性能。     

一种异步电动机矢量控制的转速辨识方法

提出了异步电动机无速度传感器矢量控制的一种新的转速辨识方法。将模型参考自适应方法和直接计算的方法相结合 ,具有一定的辨识速度和精度 ,解决了反电动势模型参考自适应方法在速度过零点辨识误差大以及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。通过用多电平变频器对 2 2kW电动机进行转子磁场定向矢量控制实验 ,验证了该方法的正确性。     

并网型双馈发电机速度控制模式研究

提出了一种基于定子磁场定向的并网型双馈发电机励磁控制模型.有别于传统的功率控制模式,采用所提的速度控制方案,在实现并网型双馈发电机定子端口有功和无功功率解耦控制的同时,还能实现转速的独立控制.另外,带系统耦合量前馈补偿的电流内环控制器设计,能够有效抑制电网电压的波动,并提高系统的动态性能.     

基于混沌优化的交流调速系统控制研究

针对交流调速系统高精度、快响应的要求,提出了基于模拟退火策略的混沌优化算法的模糊神经网络控制方案。采用混沌粗搜索与细搜索相结合的优化策略,对模糊神经网络控制器中的参数进行搜索和优化,给出了具体设计方法和优化步骤。仿真与实验结果表明,该控制方法用于交流调速系统具有无振荡、无超调以及较高的精度和较强的鲁棒性、抗干扰能力等优点。     

开关磁阻电机神经网络自适应PWM转速控制

开关磁阻电机调速系统(SRD)作为1种交流无级调速系统以其宽广的调速范围和优越的调速性能而倍受关注。但由于开关磁阻电机高度的非线性和多变量的特点,很难建立其精确的数学模型,使得SRD的控制存在较大难度。针对这一问题,提出1种基于径向基函数(radial basis function, RBF)神经网络的开关磁阻电机自适应PWM转速控制方法。该方法利用RBF神经网络极强的逼近能力和快速的收敛性,将离线训练好的网络构成转速控制器,并结合网络的在线训练,让控制器在电机运行中自适应地调节网络参数,使之适应环境的变化。同时构造另一个RBF网络对控制对象进行在线辨识,为控制网络的在线学习提供所需的梯度参数。通过实验,证明了该方法具有响应速度快、控制精度高、适应性强等优点。     

采用神经网络控制的永磁同步电机调速系统

为改进传统PID控制的永磁同步电动机(PMSM)调速系统性能,设计了神经网络速度控制器并对其构成的矢量控制系统进行了仿真分析.结果表明,当电机参数改变或受到外部扰动时,该系统具有更好的动态性能.     

采用定子电阻辨识和无速度传感器的异步电机直接转矩控制模糊系统

为解决异步电动机直接转矩控制(direct torque control,DTC)中低速运行时定子电阻变化对系统性能影响较大的问题,提出了一种基于定子电阻辨识和无速度传感器的异步电机直接转矩控制模糊系统。其中定子电阻采用模糊神经网络进行辨识;电机转速采用基于转子磁链的模型参考自适应系统(model reference adaptive sys-tem,MRAS)法进行估计;同时采用三输入单输出的模糊控制器调节脉冲宽度调制(pulse width modulation,PWM)信号占空比的异步电动机直接转矩控制的策略,三输入变量为转矩误差、磁链幅值误差和磁通角。此策略即在传统异步电动机直接转矩控制的基础上,用模糊控制器代替传统DTC中的滞环比较器和空间电压矢量状态选择器来细分控制规则,最后控制逆变器的开关,以减小低速时转矩和磁链脉动,提高系统转矩响应速度。仿真结果表明该系统可减小转矩和磁链脉动,提高系统的鲁棒性和自适应性,改善系统的动、静态品质。