基于无功功率的感应电机转速自适应辨识

在感应电机直接转矩控制的基础上,提出了基于无功功率的转速自适应辨识模型,并运用MATLAB/SIMULINK工具进行仿真,仿真结果证明,该速度辨识器具有较好的辨识效果。     

一种新型的感应电机速度辨识策略

介绍了一种基于神经网络的感应电机速度估计策略。应用反向传播算法的神经网络实时辨识电机速度,其目标函数是目标模型和神经网络模型输出之间差的平方和。速度作为神经网络的一个权值,通过反向传播算法来调节使之精确地跟踪实际的电机速度,实验结果表明此方案是可行和有效的。     

一种基于动态人工神经网络的Wiener模型辨识

提出了一种新的辨识模型对Ｗｉｅｎｅｒ模型进行辨识,该模型 线性动态神经元串联一静态网络模型组成,利用线性动态神经元对Ｗｉｅｎｅｒ模型的线性动态部分建模,利用静态ＢＰ网络逼近模型的静态非线性部分,并且给出了统一的ＢＰ辨识算法,仿真结果表明了该方法的有效性。     

感应电机矢量控制系统的神经网络转速辨识

为解决感应电机无速度传感器矢量控制系统的转速辨识问题,在给定的无速度传感器感应电机间接矢量控制系统中,根据感应电机的数学模型,经过一定的变换,利用电机易于检测到的定子电压和电流,以及基于BP算法的两层神经网络,用期望状态与实际状态之间的偏差来调整神经网络模型的权值,达到实时辨识电机转速的目的。该方法简单、直观,不仅利用了神经网络的优点,又能适应感应电机调速系统实时控制的要求。仿真结果验证了该方法的有效性。     

基于人工神经网络的Hammerstein模型辨识

证明了Ｈａｍｍｅｒｓｔｅｉｎ模型在有色噪声情况下，可利用系统的稳态信息辨识模型的非线性增益，并提出了神经元网络的辨识方法。利用系统的动态信息，运用一般的辅助变量法可辨识Ｈ模型的线性子系统。仿真结果表明该方法辨识精度高，具有一定的实用性。     

基于W iener 模型的混沌系统辨识研究

提出一种基于Ｗｉｅｎｅｒ模型辨识混沌系统的新方法。该方法利用三层前馈神经网络来辨识Ｗｉｅｎｅｒ模型中的静态非线性环节和学习混沌系统的内在规律性。同时给出了辨识混沌系统的结构和网络权值调整的学习算法。对Ｈｅｎｏｎ系统的仿真结果表明,该方法是有效的。     

基于回归神经网络的非线性时变系统辨识

为克服基于前馈神经网络的非线性系统辨识算法存在需预先估计系统输入输出滞后阶数的缺陷，提出一种基于回归神经网络的非线性时变系统的辨识算法，针对现有的回归网络学习算法大多采用梯度算法，收敛速度缓慢问题，提出一种具有快速收敛性的扩展卡尔曼滤波学习算法，大大提高了学习收敛速度，并推导了一种基于单个神经元的局部化算法，减少了计算量，仿真实例证明，所提出的算法是有效的。     

行波型超声波电机系统的模型辨识

针对超声波电机复杂的非线性特征,很难建立面向控制的精确数学模型的问题,根据一类超声波电机-行波型超声波电机的输入-输出曲线的实验分析结果,从库仑摩擦模型出发,利用辨识的方法得到电机的线性参数模型.为了描述输入死区附近的非线性摩擦力的影响,利用LuGre摩擦模型来进一步综合,从而建立了超声波电机的整体动态模型其中,将二次...     

一种改进BP神经网络在感应电机速度控制中的应用

该文针对传统BP神经网络的不足，提出了一种改进BP神经网络速度控制器，并且应用于感应电机矢量控制系统。为了提高系统的鲁棒性，采用了在线辨识技术，对参数的变化实时补偿。计算机仿真表明，这种基于改进BP神经网络组成的感应电机矢量控制系统具有良好的性能。     

基于神经网络的超声波电机模型辨识

超声波电机存在着死区、迟滞等复杂的非线性特性.采用传统的系统辨识方法难以直接对该系统进行辨识,因此,根据超声波电机的静态、动态特性,提出了一种改进的BP神经网络以建立关于该电机的一种新的模型.通过引入迟滞算子构造扩张输入空间,将迟滞的多值映射转换为一一映射.提出了变斜率与带死区的神经元,以便于描述电机的死区特性.在训练神经网络时引入了广义梯度,以近似非光滑点处的梯度.最后给出了相应的实验结果,训练、泛化结果证明该建模方法是有效的.     

GMM/ANN混合说话人辨认模型

通过分析GMM(高斯混合模型)的说话人辨认系统的性能,提出了一种捕捉不同说话人交互信息的人工神经网络(ANN)方法,构成一个GMM/ANN混合说话人辨认系统。实验表明,GMM/ANN混合系统的说话人辨认能够取得比基于GMM和基于MLP(多层感知器)更高的辨认率。     

电机参数辨识技术研究

在电机实际运行的过程中,电机的参数会受到温度和磁路饱和程度等因素的影响而发生变化,从而导致伺服系统控制效果降低,甚至可能损坏电机;因此需要通过参数辨识获取电机的参数,以保证控制效果;通过离线辨识获取静止状态下和稳定运行状态下的电机参数,并将其作为在线辨识的初值使用;基于模型参考自适应算法在线辨识电机参数;以旋转坐标系下直交轴电流方程作为参考模型,通过采集的电压、电流和转速等参数辨识电机的电阻和电感;在Matlab中搭建可实时改变参数的电机模型,并用模型参考自适应模块进行在线辨识,通过仿真验证了该方法的有效性。     

异步电动机非线性解耦控制器的设计

文章针对转子磁场定向d-q坐标系下的4阶异步电动机的模型,运用非线性解耦线性化理论,把异步电动机调速系统分解成磁链和转速两个子系统,实现了磁链和转速的完全解耦。采用调节器最佳整定方法,设计了磁链和转速控制器。仿真结果证明该控制器具有良好的稳、动态性能,能对磁链和转速进行高性能的控制。     

异步电机离线参数辨识

异步电机矢量控制要求准确获得磁场定向,而磁场定向的精度取决于电机参数值.为了准确辨识出电机的参数,本文研究基于静止状态下异步电机T型等效电路模型,采用脉冲电压法,单相交流注入法取代传统堵转和空载试验,实现对异步电机参数的准确测量.仿真实验结果证明上述方法正确可靠,且得到了较高的辩识精度.     

直接转矩控制中的定子电阻辨识方法研究

针对传统的异步电机直接转矩控制在电机低速运行时系统性能受定子电阻变化影响较大的问题,详细分析了定子电阻变化对系统控制性能的影响,提出了一种基于RBF神经网络的定子电阻辨识方法.该方法应用梯度算法训练RBF神经网络各参数.用该方法对定子电阻进行辨识,具有辨识精度高,响应迅速等优点.对该方法在基于Simulink仿真软件上进行仿真,并与BP神经网络对定子电阻辨识时进行比较.仿真结果表明,该方法优于BP神经网络,可以有效地提高直接转矩控制系统的低速运行性能.     

基于神经网络的传感器非线性静态特性模型辨识

本文介绍了近几年来利用ANN可以任意精度逼近任意复杂的非线性函数的特性,所进行的传感器非线性静态特性模型辨识的研究,分析了各种模型与算法的特点及应用,提出了展望。     

一种新型的感应电机速度辨识策略

介绍了一种基于神经网络的感应电机速度估计策略。应用反向传播算法的神经网络实时辨识电机速度 ,其目标函数是目标模型和神经网络模型输出之间差的平方和。速度作为神经网络的一个权值 ,通过反向传播算法来调节使之精确地跟踪实际的电机速度。实验结果表明此方案是可行和有效的     

一种基于无功功率的感应电动机复合转速辨识方法

针对基于无功功率的模型参考自适应转速辨识法在动态过程中存在的收敛慢问题,提出了一种基于无功功率的复合转速辨识方法,即将基于无功功率的直接计算法和MRAS转速辨识法相结合的方法。实验结果证明,该方法既具有直接计算法的快速跟随能力,又有MRAS转速辨识法的强抗干扰能力,且算法简单,所用电动机参数少,容易在工程中实现。