一种无刷直流电机转子位置检测方法的研究

位置检测和换相准确与否,对无刷直流电机的运行有非常关键的影响。通过分析无刷直流电机间接位置检测原理,本文提出了一种新的方法来实现转子位置的检测。该方法构建一个以相磁通和相电流为输入,转子位置为输出的小波神经网络模型,并采用遗传算法来训练网络参数。经仿真验证该模型能有效地控制电机换相。     

无刷直流电机神经网络自校正控制研究

针对无刷直流电机的非线性、强耦合、变参数等特点,利用多层神经网络对非线性函数的任意精度拟合性,提出了基于BP神经网络的无刷直流电机神经网络自校正控制。神经网络自校正控制不需要被控对象的准确数学模型,并可以通过在线学习来适应系统工作环境和系统本身参数的变化,给出了控制系统软硬件的具体实现方案。仿真和实验结果表明,神经网络自校正控制的速度跟随性、动态响应过程较之PI控制更好,具有很好的控制效果。     

基于DSP的无刷直流电机调速系统

本文在详细介绍了基于DSP(TMS320F2812)和专用控制集成芯片(MC33035)的基础上,综合运用了PID算法和滤波算法对无刷直流电机调速系统进行了研究,并给出了该控制系统的实际硬件电路设计和软件控制策略。实验结果表明,本控制系统运行稳定、控制算法合理、控制精度高,有着很强的应用推广价值。     

基于FPGA的无刷直流电机控制系统设计

该文叙述了一种基于FPGA NIOS实现的无刷直流电机实时控制系统方案.利用FPGA设计PWM模块和控制模块进行电机速度控制,使系统外围电路简单;通过测量电机的霍尔传感器输出信号的脉宽计算出电机的速度:采用FPGA内嵌的软核处理器NIOS II进行增量PID算法控制,使系统的实时性增强.实验表明该系统硬件和软件设计合理,有很好的可靠性和实时性.     

改进模糊神经网络无刷直流电机控制系统设计

针对现实应用中对无刷直流电机速度控制的极高精度要求,设计了一种改进的自适应遗传算法优化的模糊神经网络控制系统,并采用离线和在线两种学习方法,实现了对无刷直流电机转速的精确控制。系统融合了模糊逻辑、神经网络和遗传算法三大智能控制理论的优点,适合于无刷直流电机这样的多变量、强耦合、非线性、时变的复杂系统。通过仿真和在某型水下航行器DSP推进控制系统上的实验表明,方法响应快、超调量小、鲁棒性强,动态特性明显优于传统PID控制。     

基于DSP的无刷直流电机智能控制系统研究

介绍了TMS320LF2407 DSP在无刷直流电机控制系统中的应用研究,采用了模糊控制策略,设计了上位监控系统,给出了数字化、智能化的实现方案,实践结果证明了系统的平稳性和快速性满足要求。     

无刷直流电机启动过程仿真研究

研究无刷电机启动优化稳定性控制问题,在无刷直流电机启动过程中,预定位阶段转子到达平衡位置时会出现震荡现象,加速阶段电机换相时间曲线难以确定,电机启动的稳定性变差。为了使电机能够快速平稳启动,提出用三段式启动方式,采用一种电机外加电压逐渐增加的转子预定位方法。首先利用Park变换和Clark变换对转子预定位过程进行数学建模分析,同时对强推加速阶段进行仿真。仿真结果可以表明方法可以使转子平稳旋转到平衡位置,并通过研究换相时,减小了对启动过程的影响,为实际无刷直流电机优化控制设计提供理论依据。     

基于RBF神经网络和小波包的电动机故障诊断研究

针对传统的电动机故障诊断存在很难准确提取故障时的特征信号及对故障作出准确预测的问题,提出了一种基于RBF神经网络和小波包的电动机故障诊断的方法。该方法采用小波包分析技术提取电动机典型轴承故障、转子故障和绝缘故障振动信号的特征频段能量并组成向量作为RBF神经网络的输入,用于诊断电动机的故障。实验和仿真结果表明,使用RBF神经网络对电动机故障诊断是非常有效的,对电动机早期故障的发现及维修有积极意义。     

小波神经网络在雷达故障诊断中的应用研究

根据某型雷达接收机的信号特点,提出了基于小波神经网络和专家知识相结合的雷达智能故障诊断方法,探讨了该方法在某型雷达接收机故障诊断中的应用,采样信号经过小波去噪和小波特征向量提取后再进行归一化处理,作为小波神经网络的输入向量,小波神经网络隐含层的激活函数选用小波函数,完成雷达接收机典型故障的诊断;MATLAB实例仿真结果表明,该方法诊断准确,智能化水平高,有很好的自学习能力,提高了故障诊断的正确性和效率。     

基于小波变换多分辨率特征提取的模拟电路故障诊断方法研究

提出一种基于小波变换多分辨率特征提取的模拟电路故障诊断的方法。该方法先对采样后的故障信号进行小波分解,提取各频段系数作为特征向量输入到神经网络进行训练。通过带通滤波器电路诊断的实例,阐述该方法的具体实现,验证该方法可以有效地简化神经网络结构和减少它的训练时间,快速高效地进行模拟电路故障的诊断和定位。     

矿用钻机监测与故障诊断研究

运用现代监测技术与小脑模型关节控制器（CMAC）神经网络,研究开发了矿用钻机监测与故障诊断系统。实验结果表明,本系统监测的实时性、精确度均满足要求,并且CMAC神经网络故障诊断技术具有较好的稳定性、快速性和可靠性．     

逆变电路智能故障诊断系统

针对逆变器由于具有非线性的特征而无法采用精确数学模型进行故障诊断的情况,本文提出一种基于小波分析和神经网络的新型逆变电路故障检测与诊断方法。建立三相SPWM逆变电源的非线性MATLAB仿真模型,以三相输出故障电压作为故障信息,利用小波分析的方法提取低频能量值作为特征向量,通过神经网络实现逆变器故障桥臂定位,最后利利用逆变三相电压同一桥臂故障电压的对称性的特点,用一种简单的判断逻辑实现故障元件的分离。设计了基于DSP的PWM逆变电路在线智能故障诊断系统。测试结果表明,该系统具有良好的故障诊断效果,具有一定的实用价值。     

锌精馏塔的混合故障诊断方法

以锌精馏塔为研究对象,在利用小波分析进行数据预处理的基础上,将专家系统、模糊控制、神经网络等先进的理论和技术有机的结合起来,提出了模块化的混合故障诊断系统,实现对整个锌精馏塔生产系统的状态监测和故障诊断。     

轴承故障融合诊断方法

针对传统人工神经网络在故障诊断中应用的局限性 ,提出一种基于小波变换、遗传算法与神经网络的融合故障诊断方法。该方法先用小波变换对原始采样信号进行特征提取 ,再用遗传算法优化选择最为重要的特征作为神经网络的输入参数。最后 ,由神经网络进行状态识别和特征分类。这样不仅减少网络训练时间 ,降低网络计算量 ,而且有效提高分类的准确性及故障诊断的可靠性。轴承故障诊断实验结果表明 ,该方法是有效的。     

基于神经网络的大规模模拟电路故障检测系统

设计了一个基于小波和神经网络的信号处理系统,该系统主要针对大规模模拟电路故障检测。针对传统诊断技术的局限性,讨论了利用神经网络方法分级诊断大规模模拟电路软故障的方案,通过小波变换提取故障特征,并利用神经网络的非线性映射特性逼近故障诊断模型。诊断结果表明基于人工神经网络的电路故障诊断方法是行之有效的。此方法具有广阔的应用前景,为大规模模拟电路故障诊断提供了新的理论依据和检测方法,并有希望研制成一套高效的检测设备。     

基于小波神经网络的陀螺仪故障诊断

为了准确可靠地发现和预测陀螺仪的故障,提出了一种基于RBF小波神经网络的陀螺仪故障检测方法;该方法是将陀螺仪的输出信号进行三层小波包分解,再对分解得到的8个不同频段上的节点进行特征提取,将提取后的8维特征向量作为RBF神经网络的输入;当陀螺仪发生故障时,陀螺仪的输出信号中会产生突变成分,进行训练后的RBF神经网络可以准确地诊断出陀螺仪的故障类型;应用Matlab实现了RBF小波神经网络诊断陀螺仪故障类型的仿真;仿真结果表明,应用RBF小波神经网络进行陀螺仪故障诊断有很好的效果。     

基于小波包神经网络的传感器故障诊断方法

讨论了小波包神经网络在传感器故障诊断中的应用问题.文中提出了将小波包分解提取各个节点特征能量与RBF神经网络进行模式分类的传感器故障诊断方法.通过三层小波包分解得到各个节点的分解系数,通过一定的削减算法使得故障的瞬态信号的特征得到加强,再根据重构的时域信号计算各个节点对应的能量,作为特征向量训练RBF神经网络.通过各种故障模式特征数据的训练,RBF网络具有了传感器故障诊断的功能.最后,通过工业锅炉流量传感器数据对训练之后的RBF神经网络进行检验,验证了这种方法的实用性和有效性.