基于数据驱动的感应电机多模型逆自适应解耦控制

提出一种基于数据驱动的感应电机多模型逆自适应解耦控制方法. 首先, 利用仿射聚类法(AP) 对电机系统的输入输出数据进行聚类, 再基于聚类结果和隶属度函数建立相应的神经网络多模型逆, 以实现解耦控制. 针对电机系统运行过程中电机参数变化问题, 采用粒子群优化算法(PSO) 在线调节子模型权值, 以改善逆模型失匹造成解耦控制性能下降的问题. 仿真实验表明, 所提出的方法能对电机的转速和磁链实现良好的解耦控制, 且对电机系统工况参数变化具有良好的自适应能力.

     

基于Hammerstein 模型的感应电机变频器调速系统神经网络控制

针对感应电机变频器调速系统的非线性特点,提出一种基于Hammerstein模型的神经网络控制方法。 Hammerstein模型由静态非线性模块和动态线性模块组成。首先,利用ARMA模型实现对感应电机变频器调速系统的线性动态模块辨识;然后,基于该辨识模型,实现调速系统非线性静态模块神经网络逆模型辨识与系统直接逆控制;最后,针对控制过程中存在的电机负载扰动问题,设计了神经网络直接逆控制器在线学习与控制策略。仿真实验表明,所提出的控制策略可以获得满意的控制效果。     

微尺度下激光冲击对纯铜表面形貌的影响

为了研究微尺度下激光冲击过程中冲击波对强化表面塑性变形的影响,进行不同能量和冲击次数下激光微冲击纯铜试样处理,并对冲击试样进行表面形貌测量。结果表明,微尺度下,激光诱导的等离子体冲击波引起的轴向和径向压力同时对冲击表面作用。轴向压力在光斑中心区域附近起主导作用,冲击区域深度方向上塑性变形量随着激光能量和冲击次数的增加而增大;光斑边缘附近,主要受径向压力作用,随着激光能量的增加,径向塑性变形影响区域增大。当激光能量超过70 mJ 时,单点塑性变形边缘区域明显凸起;径向塑性变形随着冲击次数的增加先增大后减小,冲击次数高于3次时,光斑边缘附近明显凸起。