低速永磁直线同步电动机的失步预防控制策略研究

永磁直线同步电动机在运行过程中是否失步是决定其稳定运行的关键。通过对永磁直线同步电动机的力角特性分析,文章提出了一种改变电压和改变压频比相结合的电动机失步预防控制策略,即运用双模态模糊控制器实现电动机的失步预防控制。仿真结果表明,该策略具有算法简单、控制品质好等优点,可以有效地避免永磁直线同步电动机失步的发生,具有较高的应用价值。     

基于改进BP神经网络算法的永磁同步电动机速度控制系统的优化设计

该文作者以永磁同步电动机的转速控制系统为例,运用改进BP神经网络算法对转速控制器的PI参数进行了优化设计,同时使用MATLAB语言分别对采用常规工程设计法与改进BP神经网络算法所得到的阶跃响应曲线以及这两种设计方法所得到的时域性能指标进行了仿真分析和比较,通过比较可以看出:采用改进BP神经网络算法确能达到进一步优化调速系统性能的目的。     

新型同步电动机励磁综合控制器的设计

介绍了以M68HC11A8为核心的多功能同步电动机励磁综合控制器。它能消除同步电动机起动过程中的脉振，投励时的冲击，增加了失步保护电路，并具有可控硅误导通检测和失控检测功能，提高了同步电动机运行的可靠性，从而延长了其使用寿命．     

同步电动机励磁控制器的设计要点

本文介绍同步电机的运行方式，作为电动机运行时对励磁控制的要求以及传统励磁控制器的缺点，并提出了全数字式同步电动机晶闸管励磁控制器的改进设计方法。     

具有不确定参数永磁同步电动机的自适应反步控制

针对永磁同步电动机系统的非线性耦合特性以及参数的不确定性,采用自适应反步控制实现永磁同步电动机的非线性控制,在补偿参数不确定性影响,提高系统的抗干扰能力的同时,实现了永磁同步电动机的高性能全局渐近稳定速度跟踪控制．采用二阶滤波环节平滑速度指令,实现了理想无超调的快速速度跟踪控制．仿真结果证明了所提出方法的有效性．     

基于DSP的永磁同步电动机伺服系统的设计

为了提高永磁同步电动机伺服系统的控制精度和控制速度,文章讨论了基于DSP的永磁同步伺服系统的软硬件组成及设计方案,应用转子磁场定向矢量和弱磁控制,采用TMS320LF2407数字信号处理器,实现了对永磁同步伺服电机的矢量控制。仿真结果表明,应用高速DSP芯片,采用矢量控制的永磁同步电机伺服系统具有良好的动态响应性能和静态性能,并具有结构紧凑,设计合理,控制灵活等优点。     

基于BP算法和ACO算法的故障诊断推理研究

BP算法在故障诊断领域已取得广泛应用,但其存在收敛速度慢且容易陷入局部最小值的缺陷,限制了其进一步的发展;ACO(Ant colony optimization)算法是一种模拟进化算法,已很好地应用于解决旅行商和资源两次分配等经典的优化问题,具有启发式收敛、正反馈以及分布式计算等优点;为此,将ACO算法引入BP算法故障诊断方法中,使用ACO算法对BP网络中的参数即权值、阈值以及学习率等进行优化,定义了一种结合ACO算法和BP算法能对故障进行诊断的新算法,并将其应用于具体的故障诊断实例中,最后,通过100组样本中的95组进行训练,并对剩余5组进行故障诊断,实验证明结合ACO算法和BP算法的新算法较传统的仅使用BP算法的诊断方法具有收敛速度快、诊断精确高以及训练性能好的优点。     

基于Matlab改进BP神经网络算法

本文针对标准BP算法的不足给出了改进算法—Scaled Conjugate Gradien(tSCG算法),利用Matlab语言编制了BP网络的应用实例仿真程序。结果表明SCG算法的学习收敛速度大大地优于标准BP算法。     

永磁同步电动机无速度传感器矢量调速系统的积分反步控制

基于永磁同步电动机(PMSM)的数学模型, 设计了由积分反步控制和滑模变结构模型参考自适应系统组成的无速度传感器矢量控制系统. 其中带有积分作用的反步控制作为矢量系统的速度和电流控制器, 实现给定速度和电流的无静差跟踪; 而滑模变结构模型参考自适应方法作为速度辨识器估计电机速度, 能够快速准确的跟踪实际速度. 通过Lyapunov定理证明了所设计的速度控制器和辨识器的稳定性. 仿真结果验证了所设计的无速度传感器矢量调速系统良好的速度跟踪性能和抗扰动性能.     

基于模糊控制的BP算法

本文首先从数学上分析了BP算法的优化机制,同时指出了梯度算法的一些缺陷及改进之处,尤其是在训练速度和学习速率方面的改进比较有效。然后介绍了模糊联想记忆系统产生原由,及其结构和隶属函数的基本概念。最后讨论了一种基于模糊控制的BP算法,尝试把模糊联想记忆系统引入到学习率与动量因子的动态调节中,为模糊逻辑控制引入学习机制。     

永磁同步电机的混沌分析与跟踪控制

针对永磁同步电机在一些特定的参数和工作条件下呈现的复杂动态行为,在分析永磁同步电机(PMSM)混沌运动特性的基础上,提出了一种PMSM混沌系统的转速跟踪控制方法.首先通过仿射变换和时间尺度变换,将转子磁场定向坐标系下的PMSM模型,变换成一种简单的无量纲模型.之后采用相图、分岔图和Lyapunov指数的方法,分析了PM...     

Robust Control of Permanent Magnet Synchronous Motors

In this paper, permanent magnet synchronous motors (PMSMs) are investigated. According to the feature of PMSMs, a novel state equation of PMSMs is obtained by choosing suitable state variables. Based on the state equation, robust controllers are designed via interval matrix and PI control idea. In terms of bilinear matrix inequations, sufficient conditions for the existence of the robust controller are derived. In order to reduce the conservation and the dependence on parameter, the control inputs of PMSMs are divided into two parts, a feedforward control input and a feedback control input, and relevant sufficient conditions for the existence of the controller are obtained. Because of the suitable choice of state variables, the proposed control strategies can cope with the load uncertainty and have robustness for disturbance. Finally, simulations are carried out via Matlab/Simulink soft to verify the effectiveness of the proposed control strategies. The performance of the proposed control strategies are demonstrated by the simulation results.      

改进TD3算法在电机PID控制器中的应用

本文针对永磁同步电机(PMSM)在工业领域中的多变量、非线性和强耦合特性以及传统PID控制在应对其变化时可能导致参数调整困难、响应延迟、鲁棒性差以及适应性问题,提出一种结合双延迟深度确定性策略梯度(TD3)算法和PID控制的创新方案,以优化PID参数调整,实现更精确的电机速度控制.在本文的方法中,融合双向长短期记忆网络(BiLSTM)到Actor和Critic网络中,极大增强了对PMSM动态行为的时间序列数据处理能力,使得系统不仅能够准确捕捉当前状态,还能预测未来趋势,从而实现对PID参数更精确和适应性强的自整定.此外,通过整合熵正则化和好奇心驱动的探索方法进一步增强策略的多样性,避免过早收敛到次优策略,并鼓励模型对未知环境进行深入探索.为验证方法的有效性,设计了一个永磁同步电机的仿真模型,并将本文提出的方法BiLSTM-TD3-ICE与传统的TD3以及经典的Ziegler-Nichols (Z-N)方法进行对比.实验结果充分证明了本文提出的策略在控制性能上具有显著的优势.     

基于EKF和SMC的永磁同步电机无传感器矢量控制

采用扩展卡尔曼滤波(EKF)算法估计永磁同步电机(PMSM)转速和转子位置,构成转速、电流双闭环的无传感器矢量控制系统.针对扩展卡尔曼滤波为有偏估计、对模型误差鲁棒性差等问题,提出了基于指数趋近律的滑模转速控制器.为提高转速环抗负载转矩扰动能力,设计负载转矩观测器并将观测结果引入到电流控制器的输入端,作为速度控制器前馈补偿的控制输入.仿真实验结果表明,与传统采用PI(proportional-integral)转速控制器的系统相比,文中所提控制策略具有转速跟踪误差小、响应快、无超调、抗负载扰动能力强等优点.     

一种BP逆模型离线训练自适应预失真方法

为了进一步改善非线性功率放大器系统的线性度,提出了一种基于BP神经网络逆向建模的离线训练自适应预失真方法。利用BP神经网络对功放逆向建模,并将建立好的逆模型参数作为预失真器模型初值。为了提高在初始预失真系统中预失真器的线性化效果及系统自适应进程的速度,在建立自适应预失真系统之前,利用BP逆向模型对预失真器进行离线训练。最后采用直接结构和最小均方（LMS）算法调节神经网络预失真器的权值,以消除放大器非线性的扰动。仿真结果显示,此方案可使邻道互调功率降低约18 dB,而经典的直接—非直接结构只降低了8 dB,表明此预失真方案能够更好地改善功率放大器的线性度。     

Matlab神经网络工具箱BP算法比较

BP前馈网络,应用的最为广泛的神经网络,目前拥有许多算法。研究了Matlab神经网络工具箱提供的多种BP算法函数各自的优势和不足,以能在各种不同条件面对不同问题时选用更合适更快速的算法。在介绍了这些算法的基本原理的基础上,以一级倒立摆模型为例进行仿真研究。分别选用简单网络和复杂网络,并对学习步长做了改变,对比了各种BP算法在不同情况下的迭代次数和仿真时间,验证了新型BP算法的优势,得出了对简单网络和复杂网络应该如何选用BP算法的结论。     

活塞式空压机高压同步电机的变频节能改造

针对空气压缩机在电解铝行业中的应用,提出对高压同步电机进行变频改造。     

一种基于演化算法的BP改进算法

本文在对BP神经网络算法分析的基础上,提出一种基于演化算法的BP改进算法(EBP)。该算法将演化算法运用到BP算法学习率的求解中,从而达到学习率的自适应、自组织的目的。实验结果表明,使用EBP算法进行求解函数逼近、优化和建模等BP神经网络应用问题,都要比传统的BP算法具有更好的精确度和收敛速度,并且能够克服传统BP算法易陷入局部最优解、学习过程出现震荡等缺点。     

特征提取与两种BP算法在入侵检测中的对比

针对海量的等保测评数据,如何从这些数据中选取适量的数据进行入侵行为分析,提出了根据预测变量对预测目标变量的重要性的特征提取方法。该方法采用importance指数来对预测变量进行等级划分。并选取了一些预处理后的数据运用了两种BP算法--标准BP算法和学习速率自适应调整算法进行了系统仿真预测。通过KDDCup99数据集测试表明,后者相对于前者,其学习训练次数大大降低,学习能力和预测准确率明显提高。