神经网络在电力电子和 AC 驱动中的应用——一个技术评论(英文)

由于一些显著的优点，比如处理非线性系统的最大的能力，比传统控制系统更高的容错能力更快的操作速度，神经网络系统已经被广泛地应用于电力电子领域和ＡＣ、ＤＣ驱动中，这篇论文将评述神经网络对感应电机的电流控制、感应电机参数识别及控制，包括转子时间常数识别、马达速度、定子磁通估计，转子磁通估计以及ＤＣ电机的神经网络间接模型参考自适应控制。     

SIMULINK在电力电子中的应用

介绍了一种基于Matlab环境下交互仿真软件SIMULINK中的仿真工具——电力系统模块（PSB）,可用于对电力电子系统和电力拖动系统的仿真。通过对PSB主要模块和特点的介绍分析。以及与其他仿真软件特点的比较可以看出,该仿真软件具有很强的开放性、灵活性和交互性,非常适合于电力电子的教学与科研,并结合作者使用中的经验和一个实例,说明PSB的使用方法及分析方法,从中可以看到,该仿真工具在电力电子中具有很好的应用价值。     

基于神经网络和频谱分析的电力电子电路故障在线诊断

提出采用神经网络和频谱分析实现电力电子电路在线故障诊断的方法,以三相整流电路为例,对其故障情况进行了分析,并选用ＢＰ网络进行了有效的故障诊断,仿真和实验表明,本方法是有效的。     

任务驱动法在高职电子CAD教学中的应用

电子CAD是一门实践性非常强的应用型课程。＂任务驱动＂教学法适合高职学生学习特点,能充分挖掘学生学习潜力,培养学生独立解决问题能力,增强学生学习自信心,激发学生学习热情,可以取得较好的教学效果。     

电力电子技术在风力发电中的应用

当前,全球能源性问题日渐凸显,环境问题也越发严重,因此各国也逐渐加大了对于新型能源技术的研究力度.风电是一种良好的新型能源技术,具有较为广阔的发展空间.作为一种可再生能源,风电存在对于环境产生的污染较小、投资比较灵活、占地面积小以及施工周期短等诸多方面的优势,使其成为具有较大发展潜力的一种能源.伴随风力发电技术的普遍应...     

基于模糊RBF神经网络的双电机驱动伺服系统研究

双电机驱动伺服系统中存在齿隙和摩擦等非线性,常规PID控制不能满足其控制要求.针对常规PID控制器参数固定而导致在控制中效果差的缺陷,提出一种基于模糊RBF神经网络整定的PID控制方法.该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,可以在线调整得到一组适合于控制对象的PID控制参数.最后在双电机驱动伺服系统中进行仿真试验结果表明所提出的控制策略是有效的.     

RBF神经网络在电力负荷预测中的应用

将ＲＢＦ（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ，辐基函数）人工神经网络模型用于电力系统日峰值负荷与日小时负荷的预测。文中首先给出了ＲＢＦ网络的结构，然后讨论确定ＲＢＦ网络中心及网络训练的聚类和正交化法，利用从京津唐系统中收集到的负荷数据进行网络模型的训练和回响检测，所得结果证实了ＲＢＦ网络用于负荷预测的有效性。     

神经网络在电力变压器故障诊断中的应用

基于模糊理论和神经网络理论,提出了变压器故障诊断的新方法,根据特征气体法和改良ＩＥＣ三比值法,建立了模糊神经网络诊断模型,此模型有效地处理了故障诊断中的不确定因素,并具有较强的知识获取能力,表明了这种方法的有效性和应用前景。     

RBF神经网络在电力负荷预测中的应用

将ＲＢＦ（ＲａｄｉａＢａｓｉｓＦｕｎｃｔｉｏ．辐基函数）人工神经网络模型用于电力系统日峰值负荷与日小时负荷的预测。文中首先给出了ＲＢＦ网络的结构，然后讨论确定ＲＢＦ网络中心及网络训练的聚类法和正文化法。利用从京津唐系统中收集到的负荷数据进行网络模型的训练和回响检测，所得结果证实了ＡＢＦ网络用于负荷预测的有效性。     

SIMULINK仿真技术在电力电子技术教学中的应用

为了提高学生对电力电子技术课程的学习主动性和积极性,结合课程教学中的重点难点,将SIMULINK仿真技术引入到实际课堂,使抽象的理论直观的展示出来,让学生在感性认识基础上理解抽象的原理,对传统理论教学起到了很好的推动作用,引导学生从工程应用角度学习课程,培养他们的工程素养,有效提高了课堂教学质量。     

最小二乘法在感应电机参数辨识中的应用研究

基于矢量控制策略的感应电机调速是目前电气传动领域的研究热点．高性能矢量控制的关健在于转子磁场定向，而转子磁场定向的精度受电机参数变化的影响．控制系统的质量直接依赖于电动机会数测定的淮确程度．为此，利用最小二乘算法实现对感应电机参数的自适应辨识方法，并用Matlab语言进行了仿真，仿真结果证明了该方法的有效性。     

神经网络在计算测井参数中的应用

论述了人工神经网络的基本原理。采用误差反向传播神经网络（ＢＰ网络）对油田测井解释参数束缚水饱和度进行了计算和分析，使误差精度提高了１０％。     

BP和RBF神经网络在字母识别中的比较

将BP和RBF2种神经网络应用于英文字母识别,为2种网络建立识别模型．利用标准字符库进行测试,并在测试中加入干扰,进行仿真实验,观察这2种网络的泛化能力以及识别准确性,比较这2种网络及其改进方案,提出这2种改进方案中分别需要注意的地方．指出当用于字母识别时,RBF网络的性能优于BP网络及其改进型算法．     

磁阻传感器在电力电子技术中的应用

介绍了磁阻传感器的原理、典型参数及磁阻传感器在单相电力电子电路中实时电流测量的应用实例;分析了磁阻传感器在三相电流检测时三相电流产生的磁感强度相互影响的问题,并简要地阐述了几种解决方案.     

智能神经网络在乐器音调识别中的应用

基于智能神经网络的理论，提出了一种乐器音调识别的方法。首先通过小波变换提取音调的特征值，然后训练了若干能够识别某一音调的小网，最后联合所有小网络组成大的智能神经网络以识别所有音调。本试验中对单音的音调识别率为97．90％。     

动态神经网络模型及在电力负荷建模中的应用

分析了静态神经网络在动态电力负荷建模中存在的问题，提出了适用于动态负荷建模的动态神经网络模型，并且给出了具体的训练算法。通过对一个实际工业负荷建模，证明了所提方法的可行性及有效性。     

神经网络在框架结构损伤诊断中的应用研究

应用人工神经网络技术,采用分步诊断的方法,提出了反映结构损伤位置和程度的健康诊断方法。文中通过模态分析得到基于固有频率和位移模态的网络输入特征参数,分别利用概率神经网络和BP网络对结构损伤的位置和程度进行识别,结果显示该分步诊断的方法能够对结构的损伤正确识别。     

混沌理论和快速BP神经网络在边际电价预测中的应用

以电价时间序列和负荷时间序列的混沌特性为基础,利用多变量混沌时间序列的相空间重构理论并结合人工神经网络的非线性映射能力建立数学模型,对我国川渝电网的边际电价进行预测,并对预测结果进行分析,取得了满意的结果.     

变结构神经网络控制在SRD中的应用

目的为了减小开关磁阻电机驱动系统参数变化对系统性能产生的影响,解决变结构控制的不连续控制特性问题.方法在常规变结构控制的基础上,引入神经网络控制技术,将普通滑模变结构与神经网络相结合,通过变结构神经网络控制策略进行控制器设计.结果经过对新的滑模变结构控制与传统的PID控制和普通变结构控制性能的对比分析表明,新的滑模变结构控制较好地克服了负载扰动及参数变化对系统转速的影响.结论新的控制方法快速性好、鲁棒性强,减少了开关磁阻电机驱动控制系统的输出抖动.     

电力变压器继电保护及故障诊断中神经网络技术的应用

变压器是电力系统的重要设施之一,它的可靠运行对电力系统的安全、经济运行具有重大意义.本文主要探讨采用人工神经网络技术对电力变压器进行继电保护及故障诊断.结果表明,人工神经网络对于电力变压器的励磁涌流与短路电流及其它的故障电流有更强的识别能力,从而能有效的保证继电保护动作的准确性.