采用遗传算法的直接转矩控制系统仿真研究

直接转矩控制 (DTC)是一种高性能的控制方法 ,它的关键部件是状态选择器 用神经网络来模拟传统异步电动机DTC系统的状态选择器 ,并采用遗传算法训练该神经网络 ,然后用训练好的神经网络代替状态选择器 ,并进行了仿真研究 。

多层滞环比较器的异步电机直接转矩控制研究

提出了异步电机直接转矩控制系统中状态选择器的一种全新设计方法——多层滞环比较设计法。将模糊理论新概念融入到状态选择器的设计思想中,用两个多层滞环比较器代替模糊控制器来选择逆变器的开关状态,大大提高了系统的工程应用价值,改善了系统的响应特性,并通过仿真验证了该设计的有效性。

直接转矩控制系统状态选择器的一种新型设计方法

介绍了异步电动机直接转矩控制系统中状态选择器的一种新型设计方法—神经网络设计方法。阐明了神经网络状态选择器的结构设计、样本选取及训练方法。由仿真结果表明 ,采用此状态选择器构成的系统并行计算速度快。

解析式模糊控制在直接转矩控制系统中的应用研究

在全数字直接转矩控制系统的基础上,采用解析式模糊控制状态选择器代替传统的状态选择器,节省了存储控制规则表的内存空间,并使得控制规则具有在线自调整的能力。实验结果表明,该系统在控制性能上优于常规控制方法,具有良好的动态性能。

神经网络技术在直接转矩控制系统中的应用

在传统直接转矩控制系统基础上，采用BP网络设计了状态选择器，并通过BP算法进行训练，对实际控制系统进行了仿真，结果证明了方案的可行性。