基于模糊神经网络直接转矩控制系统设计

针对传统的直接转矩控制中存在转矩、定子磁链波动大的问题,提出了一种结合空间矢量调制的模糊神经网络直接转矩控制方法。它运用模糊神经网络得到期望的任意相位空间电压矢量,再结合空间矢量调制直接对逆变器的开关状态进行控制,以达到减小转矩、定子磁链波动的目的。最后以TMS320F240为核心搭建了一个直接转矩控制系统,通过采集实验数据,分析该直接转矩控制系统与传统的直接转矩控制系统相比磁链和转矩波动明显减少,并具良好的响应性。     

基于DSVM的直接转矩控制系统转矩脉动减小研究

传统的异步电动机直接转矩控制(DTC)受电压源逆变器(VSI)电压矢量数量限制,不能合理地制定开关表,造成了转矩脉动过大.采用离散空间矢量调制(DSVM)方法对其进行改进,增加了可选择的电压矢量,使电压矢量在幅值和相位上较为连续,并且根据转速不同分别制定了开关表,避免了较大转矩脉动出现.仿真结果证明转矩脉动、电流脉动明显减小.     

基于离散空间矢量调制的直接转矩控制系统的仿真研究

针对异步电动机直接转矩控制（DTC）系统存在转矩和磁链脉动等缺点，提出一种基于离散空间矢量调制（DSVM）的DTC系统。根据转矩、磁链误差和速度的不同，在高低速应用小同的开关表，达到改善异步电动机运行性能的目的。仿真结果表明，利用该方法可明显改善异步电动机的电磁转矩脉动。     

基于离散空间矢量调制的直接转矩控制系统的仿真研究

针对异步电动机直接转矩控制(DTC)系统存在转矩和磁链脉动等缺点,提出一种基于离散空间矢量调制(DSVM)的DTC系统。根据转矩、磁链误差和速度的不同,在高低速应用不同的开关表,达到改善异步电动机运行性能的目的。仿真结果表明,利用该方法可明显改善异步电动机的电磁转矩脉动。     

基于模糊神经网络的感应电机直接转矩控制

传统的直接转矩控制存在较大的转矩脉动。为了减小转矩脉动,提高控制性能,将模糊神经网络算法引入到直接转矩控制当中,设计了基于模糊神经网络的直接转矩控制系统。所采用的Takagi--Sugeno型模糊神经网络充分融合了模糊逻辑和神经网络两者的优点。在模糊神经网络的训练过程中,采用了一种最小二乘算法和BP算法相结合的混合算法进行学习,提高了学习速度。为了验证该算法有效性和可行性,在MATLAB／Simulink环境下建立了基于模糊神经网络的直接转矩控制系统仿真模型,进行了仿真研究。仿真结果表明采用Takagi—Sugeno型的模糊神经网络算法使直接转矩控制系统的转矩脉动明显变小,控制性能明显改善。     

一种基于模糊逻辑的直接转矩控制算法

介绍了一种新颖的基于模糊逻辑的直接转矩控制算法,该算法利用电机转矩偏差和定子磁链偏差,运用模糊逻辑控制器动态地得到所期望的空间电压矢量,再结合空间矢量调制技术实现对异步电机的控制.该算法结构简单,可大大减小转矩脉动和磁链脉动.仿真结果证实了该算法的有效性.     

无刷直流电机直接转矩控制系统的研究

直接转矩控制是一种高性能的电机控制方法,它能实现转矩的快速响应,并且能有效的减小转矩脉动,目前已经成熟的应用在三相异步电机和永磁同步电机上。文章利用在两相静止坐标系中转子磁链分量对转子位置角的变化率与定子电流分量的乘积来计算无刷直流电机的电磁转矩;对开关管采用120°导通时的空间电压矢量进行了定义,并根据此定义制定开关表。仿真和试验证明,将直接转矩控制应用于无刷直流电机(Brushless DC Motor,BLDCM)上,同样能够实现转矩响应快,转矩脉动小的控制性能。     

直接转矩控制系统中神经网络电压选择控制器设计

介绍了基于神经网络的电压空间矢量选择控制器。为了克服传统直接转矩控制系统中由于复杂运算时延而降低系统性能和不便于硬件实现的缺点,文章采用监督型和确定型神经网络来设计电压空间矢量选择控制器。仿真结果表明设计的神经网络电压空间矢量选择器是可行的。     

基于模糊PI自适应速度调节器的直接转矩控制系统

为了更好地解决直接转矩控制系统中的变参数非线性问题，提出了一种适用于异步电动机直接转矩控制的模糊参数PI自适应速度调节器的设计方法，其模糊规则的生成是通过分析经典PI调节器的阶跃响应并进行优化而获得，以此来对速度环PI调节器进行模糊控制，仿真的结果说明了此种设计方法的有效性。     

基于固定矢量作用时间的新型直接转矩控制系统

永磁同步电动机传统直接转矩控制具有转矩脉动大、开关频率不恒定等缺点,在分析传统直接转矩控制中磁链和转矩脉动的基础上,利用固定矢量作用时间合成新矢量的新型直接转矩控制方法控制永磁同步电动机.该方法根据转矩和磁链误差来选择基本电压矢量对,根据磁链的位置和转矩误差的大小来确定所选择的基本电压矢量的作用时间,从而得到了新的合成电压矢量进行控制.仿真结果表明基于固定矢量作用时间的新型直接转矩控制方法能够有效减小传统直接转矩控制方法中的磁链和转矩脉动,同时不增加控制的复杂性,明显改善了系统的控制性能.     

基于神经网络重构模型的直接转矩控制系统

直接转矩控制是继矢量控制变频技术后发展起来的一种新型具有高性能的交流变频调速技术.针对基于直接转矩控制的异步电机低速时存在较大的脉动问题,提出了用神经网络重构直接转矩控制系统的定子磁链观测器模型和开关状态选择模型,并用单个神经网络训练的方法来处理直接转矩控制的复杂运算.实验结果表明,用该方案构成的系统具有良好的动态性能,并能有效地改善直接转矩控制系统的低速性能.     

直接转矩控制系统的神经网络控制

在研究异步电机直接转矩控制的基础上 ,提出了基于神经网络的控制方法 ,并比较了几种不同的学习算法。仿真结果证明 ,该方法和传统方法基本一致 ,具有较好的性能。它为研究新型交流传动的控制提供一条较好的途径。     

基于神经网络的感应电动机直接转矩控制研究

概述了感应电动机在直接转矩控制(DTC)的控制规律。为提高感应电动机在DTC方式下的低速性能,在对感应电动机定子磁场定向控制进行了比较深入的分析后,提出了采用神经网络来处理DTC复杂计算的控制策略。仿真和实验结果表明,该方法能进一步改善感应电动机DTC的性能。     

感应电动机直接转矩控制的模糊神经元网络实现

针对感应电动机直接转矩控制模糊实现中模糊规则的参数难以设计等问题,本文提出了一种基于直接转矩控制的模糊神经元网络实现方法,用来自动调整模糊系统中设计参数。由于直接转矩控制模糊实现中模糊揄和解模糊化函数具有不可导性,本文提出了一种“软量大化”算子。并根据模糊实现及该算子,设计了一个六层模糊神经元网络,对该模糊神经元网络采用改进动态学习率的BP算法进行学习。仿真试验表明：利用学习过的模糊神经元网络可以改进系统的控制性能。     

基于模糊控制的感应电动机直接转矩控制系统研究

根据直接转矩控制理论,在Matlab7.1/Simulink下构造了一个异步电机直接转矩控制系统的仿真模型.为了进一步提高直接转矩控制系统的性能,引进了调整系统控制量的模糊PID速度调节器,并与常规的PID速度调节器进行了对比.仿真结果表明,采用模糊PID速度调节器可以提高系统的响应速度和稳定性,同时验证了该模型的正确性和控制方案的有效性.该控制方法可大大提高系统的响应速度和稳定性.     

基于直接转矩控制的感应电动机模糊神经元网络实现

针对感应电动机直接转矩控制模糊实现中模糊规则的参数难以设计问题,文章提出了一种基直接转矩控制的模糊神经元网络实现方法,来自动调整模糊系统中设计参数。在直接转矩控制模糊实现中,由于模糊推理和化函数具有不可导性,文章提出了一种“软最大化”算子。并根据模糊实现及该算子,设计了一个6层模糊神经元网络,对该模糊神经元网络采用改进动态学习率的BP算法进行学习。仿真试验表明：利用学习过的模糊神经元网络可以改进系统的控制性能。     

基于模糊PI自适应控制的直接转矩控制系统

为了进一步优化解决直接转矩控制系统中的变参数非线性问题,提出了一种适用于异步电动机直接转矩控制的模糊参数PI自适应控制方法,其模糊控制规则的生成是通过分析并优化PI控制的阶跃响应并且结合专家经验而获得的,以此来对电机速度PI调节器进行模糊工作,达到在线调节PI参数的目的,仿真的结果表明了此种设计方法是有效的.     

基于神经网络速度辨识的直接转矩控制系统

介绍了一种采用电压空间矢量脉宽调制(Space Vector PWM,简称SVPWM)的新型直接转矩控制(Direct Torque Control,简称DTC)系统.针对DTC系统存在的低速时转矩脉动问题,将电压空间矢量与DTC技术相结合,用PI调节的方法取代了传统DTC系统中采用的滞环控制,提出了一种基于SVPWM的DTC方法.在SVPWM-DTC系统中采用了神经网络速度辨识器,通过神经网络对电机的定、转子磁链和转速进行在线辨识.实验结果表明,这种新型DTC系统有着良好的动、静态性能和全速范围的调速精度.