q＜1永磁直线同步电动机齿槽力波动的径向基神经网络预估器

永磁直线同步电动机(Permanent magnet linear synchronous motor,PMLSM)齿槽力是影响电动机性能的主要因素之一,特别是在高精度,低速情况下,问题尤为突出.根据q＜1分数槽绕组PMLSM结构,采用有限元法计算齿槽力的影响,建立以径向基神经网络为基础的PMLSM齿槽力预估器,其学习算法首先采用快速模糊C均值算法(Accelerated fuzzy C-means,AFCM)对数据进行聚类,选取基函数传播因子,再由最小正交平方算法(Orthogonal least squares learning algorithm,OLSA)选取中心矢量,该预估器与带动量的BP网络(Back propagation neural network,BPNN)预估器相比较表明,能够在加快网络学习速度的前提下,保证精度,缩小网络规模,提高网络分类能力.试验结果表明,采用q＜1分数槽绕组PMLSM能够有效地减小齿槽力的影响.预估器的建立,能够在设计阶段对PMLSM齿槽结构参数进行有效地预估,使得电动机在满足推力波动指标条件下,实现快速敏捷设计,提高PMLSM的整体设计水平.     

反应式步进电动机最佳控制

本文应用贝尔曼(R.Bellman)最佳原理,把动态规划法作为最佳控制的数学研究方法,针对步进电动机最佳控制这个考虑时间过程影响的离散型动态最佳化问题,作出多段决策,寻求步进电动机最佳控制。文中以三相反应式步进电动机为例,利用步进电动机的状态空间数学模型,以最短时间控制为目标,计算出步进电动机最佳加速控制的脉冲规律,解决步进电动机非线性系统的动态最佳化问题。     

小型凸极同步发电机负载特性及饱和参数的有限元分析

一、引言近一、二十年来,随着电子计算机的应用,对同步发电机稳态和动态性能的研究日趋深入,发展到包括电机、负载网络及励磁系统的整个系统的模型和参数的研究。同步发电机模型参数有采用传统的方法     

以动态运行效率为目标的系统仿真参数辨识与优化

本文以数字仿真为基础，采用系统动态性能为目标函数，对实际对象的固有参数进行了辨识与优化研究，使数字仿真与参数辨识、优化设计等技术领域有机地结合起来，从而拓宽了数字仿真在工程设计中的应用。本文的研究方法得到永磁同步电动机以动态运行效率为目标的结构参数最优设计的例证。     

节能与稀土永磁电机

本文以节能的观点分析我国发展稀土永磁电机的重要性,阐述了该项技术的潜在经济效益及其广阔应用前景。     

基于小波重构的异步电动机故障诊断

选用Daubechies小波作为小波基 ,对异步电动机鼠笼转子故障电流信号进行多尺度分析 ,将小波变换后取得的变换系数进行单支重构 ,取得了各频率分支上的时间信号。从高频分支上能够清楚辨识出异步电动机鼠笼转子故障时所不同于正常情况下的电流特性 ,实现了异步电动机鼠笼转子故障的小波诊断。     

电机故障诊断支持向量机

基于数据的机器学习是现代智能技术中的重要方面。统计学习理论(Statistical learnmgtheory SLT)是研究小样本情况下机器学习规律的新理论。支持向量机(Support vector machine SVM)是在这一理论体系基础上发展起来的一种通用学习方法。SLT和SVM正成为继神经网络研究之后新的研究热点。通过对鼠笼式异步电动机转子断条故障进行实验模拟，对实验获取的采样电流信号经FFT分析，构造以低频到高频的频谱特性为分量的学习样本向量，通过支持向量机SVM对故障电流样本的训练，使SVM具有分类功能。最后，采用SVM对电动机各种转子断条故障进行诊断分类，取得较满意的结果，说明支持向量机SVM是进行故障诊断的一种新方法。     

增量运动的交流控制

增量运动,顾名思义其控制运动的特点是从步到步,起停相间,然而,增量运动并不仅仅限于起停运行,当起停频率相当高时,其运动是连续的。所以,增量运动广义的理解为:在给定的时间内(尽可能短的),电机驱动负载按确定的轨迹,满足给定精度和品质,运动到它的末端位置,又能准确地重复运动。在工业上,具有上述性质的运动主要在以下两大领域: 1、计算机外围系统和数字控制; 2、数控机床、工业机器人与自动生产线。这两个工业领域正是目前我国需要大