基于D-FNN的开关磁阻无位置传感器的研究

提出了一种基于扩展径向基函数(RBF)神经网络的动态模糊神经网络(D-FNN)的开关磁阻电机无位置传感器控制的新方法。动态模糊神经网络系统以在线采样的相绕组的电流和磁链为输入,以转子位置角度为输出,从而建立起电流和磁链、转子位置角度的非线性映射关系;训练完成后,用D-FNN输出结果取代位置传感器角度信号,实现电机无位置传感器运行。仿真和实验结果表明:由D-FNN获得的角度信号和由位置传感器获得的角度信号相比误差小,电机能够准确换相,且输出转矩波动小,转速曲线平滑,电机在无位置传感器下运行良好。     

基于改进BP网络8/6极SRM非线性建模的研究

针对开关磁阻电机(SRM)磁化曲线高度饱和、非线性的特点,提出一种基于改进的BP神经网络建立开关磁阻电机模型的方法。该方法构造了一个将连接权值变为参数可调函数的BP神经网络。通过分析开关磁阻电机磁链与转矩特性获得神经网络的训练样本,经过训练,实现开关磁阻电机非线性建模,并在Matlab/Simulink中建立开关磁阻电机控制系统(SRD)仿真模型。仿真与实验结果的对比,证明了此建模方法可行。与传统BP神经网络建模相比,该方法节约了计算时间,具有很强的泛化能力和较高精度,有效地提高了收敛速度。     

一种开关磁阻电机建模方法的研究与实现

由于开关磁阻电机的非线性特点,难以建立一个精确的开关磁电机的模型,为了精准建立开关磁阻电机模型,利用径向基函数神经网络良好的非线性映射能力在获取准确磁链样本数据基础上训练神经网络,利用训练的径向基神经网络构建开关磁阻电机非线性模型.在此基础上,采用角度位置控制和电压脉宽调制控制相结合的方法搭建开关磁阻电机驱动控制系统的仿真框架.仿真结果表明:利用径向基函数神经网络的方法可以克服开关磁阻电机的非线性问题,所建立的开关磁阻电机模型可以正常稳定运行.从而证明上述方法的合理有效性.     

一种开关磁阻电机无位置传感器控制方法的实现

开关磁阻电机位置传感器的使用,增加了结构的复杂性,降低了控制的可靠性,因此脱离传感器的无位置控制技术成为了国内外专家学者研究的热点之一。分析开关磁阻电机的工作原理,并结合国内外有关开关磁阻电机无位置传感器转子位置检测和调速控制的相关文献,总结得到一种简单的开关磁阻电机无位置传感器控制方法。仿真和实验结果表明,该方法能够实现对无位置传感器开关磁阻电机的有效控制。     

基于导通相实时电感定位的ＳＲＭ无位置传感器控制方法

针对目前在开关磁阻电机无位置传感器控制中利用其导通相电感进行转子位置角度估算而存在受磁路饱和影响大的问题,提出一种基于导通相实时电感定位的无位置传感器控制方法。通过确定开关磁阻电机导通相对应导通区间及区间内定位点的选取方法,研究该定位点对应相电感与其饱和电流间的函数关系,根据该函数关系并实时检测导通相的实际电流以实现其转子位置角度的估算,最后通过仿真与实验对其效果进行了验证,结果表明：该方法有效提高了开关磁阻电机在磁路饱和状态下的无位置传感器控制精度,因而具有较好的应用价值。     

基于脉冲注入的无位置传感器SRM转矩优化研究

位置传感器的引入,使得开关磁阻电机(SRM)结构复杂,可靠性降低,研究了非导通相注入脉冲的转子位置估计方法,该方法不受电机控制方式,以及绕组电流超越饱和阈值的影响.针对响应脉冲电流产生的扰动转矩,设计了基于脉冲注入法的开关磁阻电机转矩优化系统.通过转速环将转矩差转换为给定转矩,建立合理的转矩分配机制,得到给定相转矩,并将直接瞬时转矩控制(DITC)与电流闭环控制相结合使转矩准确吻合给定相转矩,从而实现电机的循环控制,有效减小了脉冲电流产生干扰转矩对转矩波动的影响.建模仿真验证了方法的可行性:对基于脉冲注入的无位置传感器开关磁阻电机的转矩脉动具有良好的抑制效果.     

开关磁阻电机间接位置检测的最优开关角仿真分析

本文首先讨论了开关磁阻电机电流～磁链～位置关系的基本原理,给出了一种基于能量优化的磁链法的间接位置检测方案,然后推导出开关磁阻电机的平均扭矩最大化的数学模型,最后利用MATLABL仿真出不同转速下的最优开关角.     

开关磁阻电机无位置传感器控制系统仿真

该文提出了一种基于滑模变结构观测器的无位置传感器的开关磁阻电机控制仿真模型.滑模变结构观测器主要用于开关磁阻电机的转子位置和转速估计,这种控制模型仅需要测量磁阻电机的端电压和相电流,能在取代传统位置传感器后获得较好的观测效果.该文应用Matlab/Simulink仿真环境建立了开关磁阻电机的非线性模型,设计了控制律,并在三种不同的工作情况下对观测器结构进行了数字仿真.结果表明该方法能够很好地预测电机转子位置,同时在中高速情况下,观测精度可以达到比较满意的效果.     

基于ANSYS的开关磁阻电机静态电磁分析

详细叙述了基于ANSYS有限元软件的APDL语言的三相12／8结构的开关磁阻电机几何建模、网格剖分、载荷施加、边界条件、求解及后处理等步骤,建立了二维开关磁阻电机的有限元模型,分析随电机转子位置变化的开关磁阻电机静态磁场,获得了电感、磁链及转矩等数据,为开关磁阻电机的本体优化及控制系统设计提供了理论依据。     

线电感特征点定位的开关磁阻电机无位置传感器控制方法

针对目前开关磁阻电机(SRM)在无位置传感控制方面受磁路饱和影响而导致转子位置估算精度不高的问题,提出一种线电感特征点定位的开关磁阻电机无位置传感器控制方法.首先提出了线电感及其特征点的基本概念,分析了线电感与转子位置角度间的函数关系,研究了根据两相邻线电感特征点对应区间的位置角度及时间来确定电机转子在该区间的平均转速及下一对应区间位置估算的具体实现方法.最后通过仿真与实验验证了上述方法的可行性.     

A novel rotor position estimation approach for an 8/6 solid rotor switched reluctance motor

Switched reluctance motor (SRM) is becoming popular due to its simple construction, low manufacturing cost, ruggedness and fault-tolerant capability. In conventional switched reluctance motor (SRM), rotor is laminated. But in solid rotor switched reluctance motor (SRM), rotor is not laminated, and it is suitable for applications where rotors are immersed in water environment. A stationary can arrangement is introduced between stator and rotor. In this research, an 8/6 solid rotor switched reluctance motor which is used in reactivity control mechanisms of nuclear reactors is considered as test motor. As solid rotor switched reluctance motor is suitable for working in water environments in nuclear reactors, rotor position estimation is the topic of interest. A new approach which adopts two-phase excitation method is presented for rotor position estimation. Four different artificial neural networks (ANNs) with 2-5-5-1 structure are trained to estimate rotor position. The main advantage of this approach is to minimize the required number of voltage and current sensors. The validity of the new approach is verified through online comparison of estimated and actual rotor position.     

考虑谐波影响的开关磁阻电机无位置技术研究

针对用传统傅里叶级数相电感模型估计开关磁阻电机转子位置时直接忽略高次谐波,仅考虑到基波或者二次谐波,导致位置估计精度不高的问题,提出了一种考虑谐波影响的开关磁阻电机无位置控制方法.该方法通过对电感进行坐标变换以及差值电感辨识,消除了傅里叶级数电感的直流分量、偶次谐波分量以及三的倍数次谐波分量.选取谐波含量最少的差值电感...     

基于小波神经网络的电梯交通流预测

小波神经网络随着输入维数的增加,网络参数将呈指数倍增加,导致收敛速度下降.在研究统计学理论的基础上,提出了以结构风险最小化为目标的训练方法.该方法最大限度地保证了网络的泛化能力.将该网络应用于电梯交通流的预测,得到了比传统BP神经网络更优的效果.     

The application of an artificial immune system-based back-propagation neural network with feature selection to an RFID positioning system

This study uses the Received Signal Strength Indication (RSSI) values of RFID to predict the position of picking staff for warehouse management. A proposed feature selection-based back-propagation (BP) neural network that uses an artificial immune system (AIS) (FSBP-AIS) to determine the connecting weights of a neural network learns the relationship between the RSSI values and the position of the picking staff. In addition, the proposed FSBP-AIS is able to determine the representative features, or inputs, during training. Once a picking staff's position is known, this information is used to plan the picking route for picking staff if a new order arrives. The computational results indicate that the proposed FSBP-AIS can provide better predictions than a traditional BP neural network, BP neural network with stepwise regression to determine the important inputs, and regression method.     

基于支持向量机的设备异常状态时间预测

提出了一种支持向量机(SVM)理论的设备异常状态时间预测方法.该方法采用结构风险最小化原则(SRM),与采用经验风险最小化原则(ERM)的传统神经网络方法相比,具有更好的泛化能力和精度,减少了对经验的依赖.通过和BP神经网络进行比较试验,证明了基于支持向量机的预测时间与实际到达危险极限值的时间是相符合的,这种方法精度高,明显优于BP神经网络的预测.最后说明准确预测极限值的时间可使设备远离异常状态,保障设备运行的安全性和经济性.     

一种间接检测开关磁阻电机位置信号的设计方案

设计了一种间接检测开关磁阻电机转子位置的方案.根据开关磁阻电机的非励磁相绕组电感的参数随电机转子位置变化的规律,利用谐振电路将电感参数转换成含有电感信息的频率信号,经数字处理器计算得出实时的转子位置信号.本文对此进行了理论研究,并给出了实验证明.     

双馈风力发电机系统的自抗扰神经网络的励磁控制

在双馈发电机传统控制方式的基础上, 将自抗扰控制技术和BP神经网络相结合结合, 应用于双馈风力发电机并网运行的控制上, 提出了一种新的双馈风力发电机并网运行控制方案. 该控制方案具有内外两个控制环, 内环通过BP神经网络实现双馈风力发电机的转子d-q轴电流控制, 外环通过自抗扰技术实现双馈风力发电机定子侧的有功、无功控制. 由于自抗扰控制器利用一阶跟踪微分器和扩张状态观测器对系统扰动进行动态跟踪补偿, 在此基础上输出双馈电机转子交--直轴电流的参考值, 然后将该参考值作为BP神经网络训练样本的输入, 训练后的BP神经网络可以更好地逼近实际转子电压输出量. 论文设计并实现了该方案的具体控制算法. 仿真测试表明: 该控制方案具有优良的动态性能, 对系统的内外扰动具有较强的鲁棒性, 在没有精确的发电机参数情况下依然可实现并网系统的稳定运行.