无速度传感器的感应电动机矢量变换控制

本文提出了一种无速度传感器的感应电动机矢量变换控制方案，在理论上进行了推导，给出了仿真和实验结果，证明了该控制方案的可行性．     

基于快速傅里叶变换和db小波变换的谐波检测

在电力系统谐波检测中,使用快速傅里叶变换法(FFT)可以得到平稳谐波信号中的频谱,从而可以确定该信号中谐波的频率和幅值等信息.但FFT局限于得到信号的频域信息,很难检测到谐波发生的具体时刻,而小波变换可以捕捉到信号中的细节部分.针对复杂谐波信号,提出了一种将快速傅里叶变换和小波变换相结合的检测方法.由Matlab仿真结果可知,该方法可以检测稳态谐波,确定暂态谐波的突变时刻.     

无速度传感器直接转矩控制系统的转速估算方法综述

分析了无速度传感器直接转矩控制系统中转速估算方法，讨论了各种方法的优缺点，并提出模型参考自适应系统法、卡尔曼滤波算法及神经网络的方法将是今后转速估算的主要研究方向。     

基于二阶滑模的电动汽车感应电动机速度辨识

针对电动汽车电动机驱动系统在恶劣的运行环境中对速度精度要求较高的问题,提出了基于二阶滑模观测器的速度辨识方法.观测器以转子磁链和定子电流为状态变量,通过输入等效控制量,使解耦系统最终稳定在设计的两个滑模超平面上,从而实现对转子速度的估计和转子电阻的在线辨识.引入超螺旋算法将传统的开关式滑模控制变为连续控制,大幅度降低了系统抖振,提高了观测精度.仿真结果表明,该观测器在全速范围具有良好的动态性能和较高的观测精度,满足驱动系统要求.     

基于Morlet小波变换和改进遗传算法的动态识别

如何合理地识别大型复杂结构的动力参数一直是工程领域关心的问题.为此,以Morlet小波变换和采用单亲遗传算子的改进遗传算法为基础,构造一结构动态参数识别模型.并且以C++为平台,通过计算机内部命令调用ANSYS等软件,实现识别模型的程序化.通过模拟算例计算,计算结果与理论值一致.同时,结合一水电站厂房现场振动试验,对该大型结构进行动态参数识别,识别结果与工程经验值基本吻合.     

一种基于小波变换的最小二乘复频域法的改进方法

针对应用最小二乘复频域法处理含有大阻尼、模态密集频带的频响函数时,难以快速、准确处理其中密集耦合模态的不足,提出了利用小波变换的带通滤波器特性对其进行改进的方法。该改进方法通过分析频响函数,搜索出应用原方法无法提取的密集耦合模态,对其选定合理的小波尺度因子进行小波变换分析,实现快速、准确的模态解耦和参数提取。最后通过对频响函数中含有大阻尼、模态密集耦合频带的8自由度系统进行仿真研究,验证了这种改进方法的正确性和优越性。     

改进频率切片小波变换和卷积神经网络的手势肌电信号识别

为了提高肌电信号手势动作识别准确率,基于数据驱动提出结合改进频率小波切片变换和卷积神经网络的肌电手势识别方法。利用滑动窗对8通道肌电信号进行分割,通过改进频率小波切片变换将信号映射为时间-频率谱图,处理后的谱图输入一个18层卷积神经网络进行手势识别。采用133 000个肌电样本数据随机等分进行实验验证,7种手势动作的平均准确率达到97.94%,准确率在不同环境温度和电极测量位置(±1 cm)下无明显降低,提出方法手势识别准确率高、鲁棒性好。     

GA优化的感应电机无速度传感器控制

针对感应电机无速度传感器直接转矩控制系统低频脉动问题,在中、低频段分别采用两种不同的模型参考自适应辨识方法,即在中频段以电压、电流两种磁链辨识模型为参考模型和可调模型;在低频段则以电压、电流两种反电势辨识模型代替,以消除低频段的积分累积误差;同时充分利用低频段周期长的特点,将遗传算法引入系统.动态优化自适应律不仅很好地解决了模型间的无扰切换问题,而且降低了电机参数非线性对转速辨识精度的影响,提高了系统的鲁棒性.仿真结果证明,该方法降低了低频脉动,有效地扩大了系统调速范围.     

基于小波分析和改进灰熵TOPSIS法的省域技术创新能力评价

提出了一种将小波分析和改进灰熵TOPSIS法相结合的省域技术创新能力评价方法——WT法,运用小波分解的多尺度性和改进灰熵TOPSIS法的信息失真少的优势,对1995—2012年全国31个省市的15个省域技术创新能力指标进行精确估计,评价我国的省域技术创新能力.将WT法与几种常见的多属性综合评价法作了比较,实验结果表明,WT法在揭示省域技术创新的经济圈集聚现象和省域技术创新能力排名准确性方面明显优于其他几种方法.     

对角递归神经网络永磁同步电机的无传感器控制

分析了基于对角递归神经网络观测器控制系统的动态性能和鲁棒性能.基于对角递归神经网络观测器将实际测得的电压和电流经过坐标变换后估测出电流和角速度,用估测值与实际值的差值调节神经网络观测器连接权值,直到预测误差达到设定值.该控制器具有不依赖被控对象的精确数学模型、对外界环境变化具有学习性、自适应性及鲁棒性等特点.仿真表明,该方法具有较好的转子位置和速度跟踪特性,系统具有较强的抗负载扰动性能和控制性能,能够满足精度高、反应快、鲁棒性好的要求.     

按转子磁场定向的异步电机无速度传感器矢量控制系统

设计了一种新颖的无速度传感器的矢量控制系统.该系统采用转子磁场定向,实现磁链与转矩的解耦控制;利用PI自适应控制的原理,对转子磁链在q轴的分量采用比例积分自适应控制机制,获取速度信号,实现速度闭环控制.实验结果表明,该方法实用简单且具有比较良好的性能.     

基于小波和傅立叶变换组合的数字图像水印算法

数字水印技术是实现版权保护的有效办法之一.为实现水印图像的嵌入,提出了一种基于二维离散小波与傅立叶变换组合的灰度图像数字水印算法.首先对原始图像进行离散小波变换,选择低频子带图像LL作为水印的添加区,再将LL区进行分块,并对每一个小块作离散傅立叶变换;对嵌入的水印图像做相应的分块置乱处理,而后根据人眼视觉系统的特点结合边缘分析将水印信息以不同的强度嵌入载体图像中,最后进行傅立叶和小波逆变换生成密图.实验结果表明,算法具有较好的鲁棒性和视觉效果.     

一种基于小波变换的白噪声消噪方法的改进

传统的小波变换软阈值消噪方法是基于分布不均匀的信号和白噪声在小波变换下具有不同的传播特性,该方法比较简洁,并在一定程度上是有效的。在这种方法的基础上,提出了一种估计小波系数的模平方处理改进方法,它可以促使信噪分离。与原有的方法相比,脸用改进方法明显地提高了信号消噪所得信噪比增益。     

基于小波变换和优化CNN的风电齿轮箱故障诊断

针对传统故障诊断方法过于依赖人为经验的缺陷,提出小波变换和二维密集连接扩张卷积神经网络(WT-ICNN)的风电齿轮箱智能故障诊断方法. 所提方法将一维振动信号通过连续小波变换(WT)转换成二维故障图像;再将二维故障图像输入ICNN中进行训练和测试. 通过齿轮箱开源数据和风场实测数据验证结果表明,与传统故障诊断方法相比,所提方法采用密集连接的结构自适应特征提取时频图,有效加强了故障特征的利用效率;在对风电齿轮箱的故障诊断中,所提方法具有更好的特征复用能力和更高的诊断精度.     

小波神经网络的无刷直流电机转子位置检测方法

位置检测与换相准确与否,对无刷直流电机的运行有非常关键的影响.在分析反电动势过零检测原理的基础上得出线反电动势过零点与电机换相点及线反电动势与线电压之间的关系,从而得到线电压与转子位置之间的关系.由于电机运行过程中的参数变化及系统的非线性特征,直接通过线电压准确获得转子位置比较困难,因此构建了一个以三个线电压为输入,转子电角度为输出的自适应小波神经网络模型,并采用遗传算法优化小波神经网络结构。仿真实验证明,该方法辨识转子位置精度高,自适应性强,并能有效地控制电机换向.     

基于ARM和旋转滤波的异步电机故障检测方法的研究

提出了一种基于ARM和Park矢量旋转滤波的异步电机故障检测方法。该方法结合Park矢量旋转滤波和异步电机定转子故障特征,对定子电流信号进行分析,可有效地检测异步电机的故障。并通过实验证明,该检测方法正确可行。     

基于小波变换域的数字图像嵌入和提取方法

针对数字图像水印的嵌入和提取问题,提出了一种基于小波变换域的数字图像水印的嵌入和提取算法.该算法结合了离散小波变换、Arnold置乱变换和奇异值分解.通过Arnold置乱变换对数字水印图像进行变换,对原始图像进行二次离散小波变换,之后分别对置乱后的水印图像和原始图像小波变换中的低频部分进行奇异值分解,对两者的奇异值矩阵进行加性操作实现水印的嵌入过程.结果表明:该算法能够准确实现水印的嵌入和提取功能;嵌入的水印具有良好的隐身性,人眼不能感觉出水印嵌入带来的变化;算法具有较强的鲁棒性,经过椒盐噪声、高斯噪声、JPEG压缩、高斯平滑和裁剪操作等污染及攻击后,都能较好地恢复水印信息.