基于BP神经网络的中低速磁浮列车速度估计算法

提出结合磁浮列车牵引用直线感应电机特点,利用BP神经网络算法,实现对磁浮列车的运行速度观测.通过对一直线感应电机动态模拟实验台进行研究表明,理论估算和实测速度相吻合,初步表明该方法是可行的.该方法的实现,节省了现有磁浮列车速度检测系统昂贵的成本,减少了系统硬件设备的复杂性,提高了整个磁浮列车系统工作的可靠性.     

EMS型磁浮列车直线发电机电动势的粗略估算

提出一种简单易行的估算直线发电机电动势的方法。首先通过ANSYS软件对直线发电机进行建模，并由分析得出列车的实际运行时，模块上发电线圈的实际磁力线变化发电情况类似于某一时刻模块上的所有发电线圈中受磁力产生的磁力线变化。由此，只需作一次ANSYS静态数据计算，即可估算出直线发电机电动势，数据验证说明了结论的可行性。     

基于卡尔曼滤波的无速度传感器矢量控制系统

从卡尔曼滤波器的理论出发，结合感应电机数学模型，设计了获取模型，设计了获取异步电动机转子位置，转子速度和转子磁通的扩展卡尔曼观测器模型，仿真结果表明，该方案能使系统获得良好的动态性能，对负载扰动具有很强的抑制能力，证明了扩展卡尔曼观测器方法的合理性和优越性。     

基于递归神经网络的转速估计器仿真研究

针对硬件传感器安装、调试、维护复杂等缺点,采用了一种基于递归神经网络（recurrent neural network,RNN）的转速估计器,取代传统传感器完成转速检测任务.递归神经网络采用带遗忘因子的最小二乘（RLS）估计算法,该方法利用RNN强的非线性动态特性,可以在线训练权重,从而可以快速跟踪参数变化、负载变动等情况.最后,通过MATLAB/Simulink仿真验证了此方法的有效性.     

中低速磁浮列车过轨缝的间隙信号处理算法及实现

悬浮传感器间隙信号的正确处理是实现磁浮列车稳定悬浮控制的重要基础,若磁浮列车在过轨缝时的间隙信号处理不当会带来阶跃干扰,易使悬浮控制出现过度调节,影响悬浮系统的稳定性,甚至导致磁浮列车发生振动或砸轨。现实中磁浮列车也确实易在过轨缝时发生振动或砸轨现象,因此,为解决这一实际问题,结合实验线和某磁浮运行线磁浮列车过轨缝的间隙信号数据特点,提出一种新的磁浮列车过轨缝的间隙信号处理算法。该算法通过提取磁浮列车过轨缝时的实验和运行数据的间隙信号特点,区分开理想轨缝和轨道台阶,并设计了一种间隙补偿方法。仿真结果表明,所提算法可有效处理轨道台阶带来的信号干扰,提升悬浮控制系统的稳定性。     

交流感应电机无速度传感器矢量控制系统设计

研究了异步电动机传统的以模型为基础的无速度传感器磁场定向控制方法,为了提高异步电机无速度传感器矢量控制的控制性能,文章提出了一种交流感应电机数学模型的电机转速辨识方法,并将其与矢量控制结合起来,组成了一种基于DSP 56F8346的无速度传感器矢量控制系统。具体介绍了其结构原理及其软件实现方法,并且通过实验验证了所提出方法的有效性。     

基于MRFAS模型的感应电机无速度传感器矢量控制系统

根据感应电机无速度传顺矢量控制、模糊控制及自适应原理，在无速度传感器矢量控制系统中采用模型参考自适应模糊控制（MRFAS）进行感应电机的转速估计，并与模型参考自适应（MRAS）的转速辨识方法进行比较，最后通过MATLAB／SIMULINK进行仿真，结果表明MRFAS系统具有良好的动态性能。     

新信息序列的扩展kalman滤波器的异步电动机无速度传感器的设计

文章用一种新的改进的扩展Kalman滤波器的方法 ,提出了将输入噪声和观测噪声用一个新的变换误差序列来代替的方法来估计异步电机的转速     

前馈神经网络BP算法瓶颈析

通过对前馈神经网络的广义δ规则进行分析，找到了ＢＰ算法收敛速度慢且易陷于局部最小的症结所在，在此基础上，提出了用正弦三角函数代替Ｓｉｇｍｏｉｄ函数作为隐层神经元特性函数的技术途径．模拟实验结果表明，新的特性函数使相同结构的神经网络具有更快的收敛速度．     

基于改进BP神经网络非正弦供电下异步电动机转速估计

非正弦供电下异步电动机电压、电流和功率都比较难以确定，电压、电流波形发生严重的畸变，含有大量的谐波，对于非电气量的转速易受到大量谐波的干扰，脉动比较严重，准确地测定比较困难，传统的测速方式成本高，需要维护，不经济，但对于电动机的电压、电流容易通过PT和CT获取，易实现转速的在线估算和测量，本文提出了改进的BP神经网络来训练非正弦供电下异步电动机机端电压、电流、功率因数和转速之间的复杂映射关系，并了改进的BP算法，仿真结果和试验结果证明了利用此神经网络的软测量技术来估计转速达到了较高的精度。     

基于混合混沌优化法的BP神经网络算法

运用混合混沌优化法训练BP神经网络,构造了基于混合混沌优化法的BP神经网络训练算法,实例说明具有较高非线性逼近能力和应用价值。     

基于BP算法的神经网络内模控制器

文章针对一类非线性系统,采用加入阻尼项的权值调整BP算法,设计了基于BP算法的神经网络内模控制器,并进行了仿真,结果显示该控制器对阶跃信号和扰动均无稳态误差,对非线性环节有较好的控制效果。     

Adaptive Fault Estimation for Dynamics of High Speed Train Based on Robust UKF Algorithm

This paper proposes an adaptive unscented Kalman filter algorithm(ARUKF) to implement fault estimation for the dynamics of high-speed train(HST) with measurement uncertainty and time-varying noise with unknown statistics. Firstly, regarding the actuator and sensor fault as the auxiliary variables of the dynamics of HST, an augmented system is established, and the fault estimation problem for dynamics of HST is formulated as the state estimation of the augmented system. Then, considering the meas...     

磁浮列车悬浮系统的二次型最优控制

针对多变量、非线性的单磁铁悬浮系统,建立其线性化数学模型,讨论了系统的能控性、能观性和稳定性问题。采用线性二次型最优控制策略LQR方法对磁浮列车悬浮系统进行控制系统设计。MATLAB仿真研究了二次最优控制中加权矩阵Q和R的问题。通过改变Q和R的数值,得到不同的仿真图形,并根据仿真图形进行控制性能比较。仿真结果表明磁浮间隙在二次最优控制下能回到额定值,获得了良好的控制性能。     

基于径向基神经网络的波达方向估计算法

针对传统的波达方向（DOA）估计算法在实际应用中普遍存在计算量较大,无法实时地跟踪期望信号且无法处理信号源数大于天线阵元数的问题,提出了一种在智能天线中基于径向基神经网络的波达方向估计算法.该算法利用神经网络进行多信号源跟踪（MUST）来完成信号源侦测和DOA估计.通过建立神经网络DOA估计算法模型,并对所建立的神经网络进行训练.通过仿真将该算法与传统的DOA估计算法进行比对的结果表明,基于径向基神经网络的波达方向估计算法能够快速准确的检测到信号源,响应时间明显快于传统的算法.     

BP神经网络学习算法的研究

文中针对BP算法收敛速度慢的问题,提出一种改进的BP算法．该算法结合生物神经元学习与记忆形成的特点,针对特定的训练样本,只激发网络中的部分神经元以产生相应的输出,而未被激发的神经元产生的输出则与目标输出相差较大,所以对未被激发的神经元权值闽值进行调整．利用距离来度量训练样本与神经元权值之间的关系,可以找到未被激发的神经元．文中提出的算法是对局部神经元权值闽值的调整,通过实验表明该算法有助于加快网络的学习速度．     

基于遗传BP神经网络的油气识别

为了建立一种有效的油气储层识别模型,使得能够处理大信息量、复杂样本空间油气信息,本文提出遗传BP神经网络模型,利用遗传算法全局搜索问题解的特性对BP神经网络的权值和阈值进行快速优化,约束BP神经网络训练学习过程。研究表明,相对于传统BP模型,遗传BP模型具有效率高、收敛速度快、适应复杂样本空间和大样本空间训练学习等优点。