感应电机矢量控制系统的神经网络转速辨识

为解决感应电机无速度传感器矢量控制系统的转速辨识问题,在给定的无速度传感器感应电机间接矢量控制系统中,根据感应电机的数学模型,经过一定的变换,利用电机易于检测到的定子电压和电流,以及基于BP算法的两层神经网络,用期望状态与实际状态之间的偏差来调整神经网络模型的权值,达到实时辨识电机转速的目的。该方法简单、直观,不仅利用了神经网络的优点,又能适应感应电机调速系统实时控制的要求。仿真结果验证了该方法的有效性。     

基于神经网络的新型复合速度控制器的设计

针对传统PID控制和神经网络直接逆动态控制各自的特点,提出了将两者相结合构造一种新型复合神经网络速度控制器的方法：基于感应电机间接磁场定向矢量控制系统．对该复合速度控制器进行仿真研究。仿真结果表明,在电机参数变化和负载扰动的情况下,该控制器的应用使感应电机间接磁场定向矢量控制系统具有很好的鲁棒性和抗扰性能：     

基于DSP的直线感应电机模糊矢量控制系统研究

针对直线感应电机强耦合、多变量、非线性、时变的控制特点,将模糊控制策略应用到转差频率直线感应电机矢量控制系统中;建立了计及端部效应的直线感应电机等效数学模型,设计了基于DSP的直线感应电机模糊控制系统的软硬件,采用磁链开环、速度和电流闭环的矢量控制系统,对速度模糊控制器进行了设计;对直线感应电机在起动和负载情况下的动态特性进行了仿真实验,结果表明:采用模糊控制实现的直线感应电机转差频率矢量控制系统比具有基本数学模型的传统PI控制系统具有更强的鲁棒性。     

基于BP神经网络的电机转矩软测量研究

本文将在化工领域广泛使用的软测量技术应用来进行异步电机转矩测量。根据感应电动机的数学模型，提出了仅用葶于神经网络的电机定子电流的电磁转矩辨识方法，实现异步电机转矩的软测量。用改进的BP算法对神经网络进行学习和训练，构建了适合电机转矩观测的多层前馈神经网络，仿真研究表明：基于神经网络的电机转矩辨识模型具有良好的性能。     

基于MATLAB的感应电机SVPWM控制系统的仿真研究

本文阐述了空间矢量脉宽调制技术应用于交流感应电机矢量控制系统的基本原理,在此基础上讨论了间接转子磁场定向电流注入型矢量控制系统的实现方案,并对这种矢量控制系统进行了深入的仿真研究。仿真结果表明这种控制技术可以实现感应电机产生转矩的电流分量和产生磁通的电流分量之间的解耦控制,使感应电机获得与他励直流电机一致的瞬态响应特性,实现了对负载扰动和参考值变化的快速响应。     

感应电机SVPWM控制系统的仿真研究

本文阐述了空间矢量脉宽调制技术应用于交流感应电机矢量控制系统的基本原理,在此基础上讨论了间接转子磁场定向电流注入型矢量控制系统的实现方案,并对这种矢量控制系统进行了深入的仿真研究.仿真结果表明这种控制技术可以实现感应电机产生转矩的电流分量和产生磁通的电流分量之间的解耦控制,使感应电机获得与他励直流电机一致的瞬态响应特性,实现了对负载扰动和参考值变化的快速响应.     

基于SVPWM的异步电机矢量控制系统的仿真

首先阐述了空间矢量脉宽调制技术应用于交流感应电机矢量控制系统的基本原理,在此基础上讨论了间接转子磁场定向电压注入型矢量控制系统的实现方案,基于MATLAB/SIMULINK构建了这种矢量控制系统的仿真模型并进行了深入的仿真研究.仿真结果表明了模型的正确性,并验证了该文所建立的调速系统可以实现感应电机产生转矩的电流分量和产生磁通的电流分量之间的解耦控制,使感应电机获得与他励直流电机一致的瞬态响应特性,实现了对负载扰动和参考值变化的快速响应.     

交流调速系统中异步电机的参数辨识

本文首先分析了电机参数变化对系统性能的影响．然后将神经网络理论应用到矢量控制系统中，根据电机参数和瞬时无功功率的关系，构造了相应的神经网络对电机参数进行辨识，并将辨识结果用于参数的自校正。仿真结果表明这种控制策略在电机的矢量控制中是可行的。     

改进神经网络的传感器故障诊断与容错处理

为提高神经网络对霍尔传感器发生故障诊断率,设计了一种改进神经网络模型,该模型由反向传播(BP)神经网络并行组成,利用算法对各BP神经网络输出进行加权整合,进而得到误差更小的输出结果,并将改进神经网络模型应用于无刷直流电机霍尔传感器故障诊断系统中,利用无位置传感器系统实现霍尔传感器故障容错处理。仿真结果表明:改进神经网络故障诊断准确率达到96%,高于传统BP神经网络,且容错控制系统能够显著降低霍尔传感器故障对电机转速的影响,使电机能够在霍尔传感器故障时正常稳定运行。     

磁链跟踪PWM感应电机矢量控制系统

PWM调制方式及控制器参数对感应电机矢量控制系统性能有较大影响,使电机在低速时电流脉动和转矩脉动较大。以磁链、转矩闭环的电机矢量控制方法为基础,提出了磁链跟踪控制(Space Vector PWM,SVPWM)的感应电机矢量控制系统仿真模型及低速变控制器参数的控制方法,高度模拟实际系统,并考虑逆变器死区时间的影响,在不同的调速范围下,进行了系统性能分析。在转子磁链定向准确,转子磁链构造准确的前提下,仿真结果表明磁链跟踪控制的矢量控制系统跟踪磁链为准圆形,在低速下,电机电流脉动和转矩脉动都比较小,使系统能够稳定运行,对于解决感应电机高性能调速的低速问题给出了可行的途径。     

BP神经网络在机器人足球比赛系统中的应用

足球机器人的决策系统是一个多智能体协调控制系统,控制机器人运动需对机器人未来的方位进行实时预测。为了解决RoboCup小型组比赛系统的延迟和准确定位问题,将BP神经网络应用于决策系统的局势预测中。建立了基于BP神经网络的线性预测模型,确定了神经网络的拓扑结构,并将训练好的网络应用于现有比赛系统,预测机器人的就位效率、协调及配合能力,进行仿真实验。实验证明,方法对机器人的位置、方向等预测比较准确,证明了预测算法的可行性和优越性。     

基于PLC的神经网络PID控制器设计

为了改善工业控制系统的动态调节品质,运用BP神经网络控制算法设计了一种神经网络PID控制器,并给出了基于西门子PLC的神经网络PID控制器的实现方法,仿真和实验结果表明,控制器在改善工业控制系统动态行为上具有突出的优势,对工程应用有实用价值.     

基于BP的燃气管道评估专家系统设计与实现

BP神经网络具有并行处理、自适应学习、容错能力好等优点,根据地下燃气管道安全评估的应用要求,对其算法进行改进,结合专家系统的设计思路,构造了一个基于BP神经网络的地下燃气管道安全评估专家系统,包括知识表示、知识荻取和推理解释等模块.然后利用已有的样本编制软件进行实验,结果表明,该系统评估正确率达91%,推理效率高、扩展性好,从而很好地满足了实际应用的要求.神经网络为专家系统的发展提供了一条新的途径.     

神经网络PID在温度控制系统中的研究与仿真

本文提出一种基于BP神经网络的新型智能PID控制方法和一些BP神经网络的基本概念。同传统的PID控制相比较．神经网络智能PID控制有许多优点。把BP神经网络的PID控制方法应用到工业领域的温度控制系统中，仿真结果表明：这种控制方法具有较高控制精度和较强的适应性以及良好的控制效果。     

水资源承载力的BP神经网络评价模型研究

针对当前水资源承载力评价方法的不足,提出了基于BP神经网络的综合评价方法。构建了水资源承载力的评价模型和指标体系,描述了方法的应用过程,并通过MATLAB神经网络工具对其进行模拟计算。最后,给出了一个算例。     

专家神经网络的构造研究

专家神经网络是由专家系统产生出的事件驱动无环路神经对象网络。这些神经对象处理信息的非线性复合函数比正常的神经网络结点处理器更复杂。本文研究了无环路网络的ＢＰ学习算法,这一算法将传统ＢＰ算法与专家神经网络特征结合起来,提供了一种获取知识的方法。     

基于小波变换的双并联神经网络在混合气体浓度预测中的应用

BP神经网络在混合气体浓度预测中得到广泛应用。针对BP神经网络收敛速度慢的特点,提出了一种新的基于小波变换的并列隐层双并联神经网络结构,这种网络首先对输入数据进行二维离散小波变换,然后用双并联神经网络对变换后两组数据进行训练,确定神经网络的权值和阈值。实验结果证明,相对传统的BP及双并联神经网络,基于小波变换的双并联神经网络的收敛速度加快2～3倍;对混合气体浓度的预测精度也有明显提高。     

虚拟企业伙伴选择的BP神经网络模型研究

针对当前虚拟企业伙伴选择方法存在的不足,提出了虚拟企业合作伙伴选择的BP神经网络模型。文中首先构建了虚拟企业合作伙伴选择评价指标体系,在该体系的基础上,构建了BP神经网络评价模型,并通过MATLAB神经网络工具对其进行模拟计算。最后,给出了一个典型算例。     

Complex Valued BP NN和Real BP NN 应用于图像复原的比较

该文首先探讨了将ComplexValuedBP神经网络(NeuralNetwork)和RealBP神经网络用于图像复原的优势比较。其次,用图像数据训练网络,再利用训练好的网络实现不同图像的复原。最后,对图像进行像素空间分布的分析来寻找原因。     

基于BP神经网络和支持向量机的电机故障诊断系统

故障诊断是计算机模式识别领域的一个活跃课题。文中提出一种基于BP神经网络和支持向量机（SVM）的电机故障诊断方法，设计了适合该诊断系统的网络结构。仿真结果表明：该网络结构比BP算法具有更快的学习速度和更高的学习精度，完全适用于电机故障诊断系统。