模糊神经网络在矿井提升机直接转矩控制中的应用

基于神经网络与模糊控制的结合,提出以基于神经网络的模糊控制器的矿井提升机直接转矩控制(DTC)系统。该系统具有很强的鲁棒性和自适应性,动态响应快,速度跟随准确。     

基于BP神经网络的矿井提升机自适应PID控制器研究

传统矿井提升机的控制方法控制效率较低,难以实现动态控制。利用BP神经网络进行PID控制,将BP神经网络的学习能力、控制能力应用到系统控制中,能提升控制效率。介绍其控制原理与PID控制器的系统结构,并进行仿真分析,提出新的控制方法。     

矿井提升机双馈电动机的直接转矩控制

针对矿井提升机电控系统的现状及存在的问题,围绕双馈电动机的变频调速展开研究。将直接转矩控制的优势应用在提升机双馈调速系统中。进一步得出双馈电机直接转矩控制的系统框图。仿真结果表明,电机调速的各项稳态和动态性能指标均能满足要求,此控制方法和策略完全可行,为矿井提升机电控系统的变频改造提供了新的思路。     

基于BP神经网络的直接转矩控制

提出一种基于神经网络智能控制的直接转矩控制系统,神经网络控制是智能控制一个重要的分支,它能够处理非线性、不确定性等问题,具有强大的学习能力。利用神经网络控制代替传统直接转矩控制中的矢量优化选择表,神经网络控制能够迅速、准确地选择逆变器的开关状态。仿真结果表明,基于神经网络控制的直接转矩控制系统能够改善系统非动态、稳态性能。     

矿用提升机双馈电机控制系统

以矿用提升机的电机控制系统为研究对象,首先设计了双馈电机转矩控制系统的机械结构,接着结合三项交流电源空间矢量等理论,建立了控制系统电网电压与负载转矩之间的数学模型;然后利用Matlab软件,模拟仿真不同转矩状态,双馈电机转矩控制系统的运行情况,结果表明:新设计控制系统能够有效提高矿井提升机的稳定性和可靠性。     

矿井提升机直接转矩控制变频调速系统的MATLAB仿真

介绍了异步电动机直接转矩控制系统的基本组成和工作原理。采用异步电动机α-β坐标系下磁链和转矩的观测模型,基于圆形磁链轨迹控制方案,结合矿井提升机调速系统的特点,利用MATLAB6.5/Simulink5.0构建了直接转矩控制调速系统的仿真模型,提出了减小系统转矩脉动的措施。仿真结果验证了该模型的正确性和改善方案的有效性。     

直接转矩控制在矿井提升机中的应用

针对当前矿井提升机低速运行稳定性差、控制准确性低的主要问题，提出了应用交流电机直接转矩控制技术，采用优化U-N磁链模型和优化PI控制算法，并提出了相应的办法进行优化设计，经实际运行表明：提高了提升机的低速运行平稳性和控制精度。     

基于神经网络PID控制器的矿井输送机控制系统

针对老式矿井输送机控制系统中存在的启动力矩小、启动电流大、调速范围窄等缺点,设计了基于神经网络PID控制器的开关磁阻电机调速系统,利用拥有自学习和自适应能力的BP神经网络建立速度自适应控制器。仿真结果表明,这种调速系统启动力矩大,转矩脉动小,具有较强的鲁棒性和良好的动态性能。     

基于灰色神经网络矿井提升机的故障诊断研究

矿井提升机是煤矿的重要设备,对其进行故障诊断是提高煤矿安全的主要手段,因此,将灰色神经网络应用于矿井提升机的故障诊断。分析了矿井提升机的常见故障;研究了灰色神经网络的理论模型,设计了基于灰色神经网络故障诊断的算法流程;进行了故障诊断仿真研究,仿真结果表明:灰色神经网络具有较高的故障诊断效率和精度。     

基于蚁群算法的矿井提升机变频调速系统

针对老式矿井提升机调速方案难以协调快速性和稳态特性的缺陷,提出了基于蚁群算法和直接转矩控制技术相结合的交流调速方案。仿真实验证明,新型的调速方案鲁棒性强,速度响应快,有效地提高了矿井提升机的动态性能,具有广阔的应用前景。     

基于集成神经网络的提升机故障诊断系统

研究了集成神经网络故障诊断方法,并利用Matlab7.0编写了该计算方法;设计搭建了提升机故障诊断系统硬件系统,以虚拟仪器Lab VIEW8.6平台对系统的软件进行设计与开发。测试证明系统性能良好,满足使用要求。     

基于BP神经网络的矿井通风机故障诊断系统

提出基于三层BP神经网络的诊断模型,提取反映矿井通风机故障信息的振动信号频谱特征,用来训练神经网络。实测证明矿井通风机故障诊断系统高效、准确,可以推广应用。     

基于自适应神经网络的矿井提升机故障诊断

矿井提升机是井下作业的重要运输设备,其运行状态对煤矿企业的安全生产具有关键作用。为了对矿井提升机故障进行实时监控,从而及时发现故障原因并采取措施,提出了一种基于自适应神经网络的矿井提升机故障诊断方法。首先对矿井提升机主轴系统结构及故障振动频率特征进行了分析,然后采用自适应神经网络算法对矿井提升机主轴故障诊断建立模型,实现对故障类型和故障程度的精确诊断,最后对所提出的模型进行了仿真测试。实验结果显示,该方法可以提供较高识别精度的故障诊断结果,为提升机的故障判断提供了参考依据。     

矿井提升机调速系统预测转矩控制研究

结合数字处理系统的离散化特点,推导出矿井提升机调速系统的转矩及磁链预测方程,并详细地分析了造成转矩脉动过大现象的原因。根据转矩和磁链误差查询离线开关表(LUT)获得有效电压矢量后,采用零矢量注入的方式对有效电压矢量的幅值进行修正,各矢量作用时间以下一采样点转矩脉动预测值最优为控制指标。搭建了基于"DSP+FPGA"的实验样机平台对上述PTC方法进行验证,结果表明控制方法能够有效地减小DTC系统低速段的转矩脉动,并获得恒定的开关频率,改善了传统矿井提升机DTC系统的控制性能。     

基于BP神经网络的煤矿通风系统安全评价

研究了BP神经网络的结构和L-M学习算法的步骤,通过分析煤矿通风系统,建立了多因素控制的煤矿安全评价指标体系。在此基础上,运用Matlab编制BP网络程序并利用导师信号对网络进行训练,建立了煤矿通风系统安全评价模型。仿真结果表明待校验样本的安全等级与实际情况相符,L-M算法收敛速度也满足要求。     

基于BP神经网络的容错控制技术在通风机监控系统中的应用

矿井通风机监控系统有效地保障通风机的正常运行,针对监控系统中众多的传感器和执行器故障,BP神经网络对正常状态和故障状态分别进行训练,将得到的网络结构、权值和阈值进行存储,再通过容错控制中的重构,对故障点进行诊断和处理。利用风量传感器进行了仿真实验,证明基于BP神经网络的容错控制可以有效地修正传感器故障,从而推广至监控系统的所有传感器。     

基于遗传算法优化BP神经网络的提升机制动系统故障诊断

介绍BP神经网络的基本原理,提出合理的提升机制动系统故障诊断训练,分析神经网络存在的局部最优解和收敛速度慢等问题,利用遗传算法对BP神经网络进行改进。分别对原始的BP神经网络和改进后的神经网络进行仿真分析,结果显示基于遗传算法优化后的BP神经网络优势明显。