基于复合谐波电压ADALINE的永磁同步电机驱动系统谐波抑制策略研究

针对车用永磁同步电机驱动系统输出的电流谐波问题,并考虑包含逆变器、时变永磁同步电机参数、控制算法的延时、电流传感器的测量等非线性因素,提出一种基于复合谐波电压ADALINE的永磁同步电机电流谐波抑制方法。建立包括驱动逆变器的永磁同步电机驱动系统非线性模型,获得理论谐波电压。对dq坐标系下的主要电流谐波分量进行提取,通过电流谐波分量与相应阻抗的乘积获得采集谐波电压,采集谐波电压和理论谐波电压复合作为线性神经元ADALINE的输入向量,采用最小均方算法实现自适应调整权重,以线性神经元的输出向量作为前馈补偿电压,达到抑制电流谐波的目的。仿真结果验证了4种主要非线性因素对电流谐波的影响,证明所提出复合谐波电压ADALINE方法可有效抑制谐波电流。

湿磨干烧水泥生产线分解炉温度控制

湿磨干烧水泥生产线的分解炉中生料量波动大 ,利用HoneywellC2 0 0系统自带的常规PID无法满足温度控制工艺要求 .本工作利用线性神经元参数自学习PID控制和前馈控制 ,通过ControlBuild编制成控制模块 ,下载到底层控制器实现温度控制 .与利用API函数编制用户算法在上层计算机上运行相比 ,该方案克服了采样和控制周期受计算机负荷影响而变化的缺陷 ,而不受通讯影响 .实际应用结果表明了本文提供出的控制方法的有效性 .

自适应参数的有源电力滤波器SVPWM控制方法研究

比较有源电力滤波器(active power filter,APF)两种常用空间矢量脉宽调制(space vector pulse width modulation,SVPWM)控制方法,两者计算时都用到补偿回路串联电抗器的参数,该参数精确程度对APF的补偿效果有一定的影响。针对这一问题,提出自适应参数的SVPWM控制策略。利用整体最小二乘法(total least squares,TLS)对电抗器的参数进行识别,结合次元分析(minor component analysis,MCA)线性神经元求解整体最小二乘法的超定方程,将修正后的电抗器参数再用于SVPWM算法中。为验证所提出自适应参数SVPWM算法的正确性,分别在Matlab仿真和试验平台上测量数据识别补偿回路中电抗器的参数,对比校正电抗器参数前后电源电流的畸变率。仿真和实验数据的分析结果表明了自适应参数SVPWM算法的合理性。

基于自适应神经网络—小波包熵的轴承故障诊断

针对轴承故障诊断时振动信号呈现复杂性和混沌特性,故障特征分量容易淹没在噪声之中。引用自适应线性神经网络(Adaptive Linear Neuron,ADALINE)降噪和小波包Shannon熵(Wavelet Packet Analysis Shannon Entropy,WPASE)相结合的方法诊断轴承故障。首先利用ADALINE对不同故障模式的振动信号进行降噪处理,引用小波包理论对降噪后的信号进行小波包分解,计算各层细节信号的Shannon熵值,以此作为不同故障模式的故障特征量。仿真实验表明ADALINE降噪效果明显,Shannon熵能够清楚区别不同的故障模式。该方法简单可靠,为轴承故障诊断提供了新的思路和方法。

基于解耦策略的直线感应牵引电机法向力自适应最优控制

中低速磁悬浮列车和部分地铁车辆均采用直线感应牵引电机作为驱动机构,该电机特有的边缘效应和法向力对直线感应牵引电机的效率以及性能均产生很大的负面影响,因此直线感应牵引电机采用常规的电传动控制策略并不能取得良好的控制效果。该文充分考虑边缘效应的影响,建立了直线感应牵引电机的数学模型。将推力与磁通进行解耦,并分析磁通、推力与电流控制环节的非线性与时变性,提出了神经自适应控制的设计方法。分析了法向力的组成与特性,得出其数学表达式,以推力与磁通解耦为基础,结合最优化理论,考虑多个优化目标建立损耗最小函数,实现直线感应牵引电机的损耗最优控制。计算机仿真与实验对所提控制策略与传统控制策略进行对比,验证了该方法在典型工况下的有效性。

基于单神经元PI调节的直线感应电动机矢量控制系统仿真与试验

设计了一套圆筒形直线感应电动机驱动的电梯全数字变频控制系统 ,对其进行了试验。针对此试验结果和此电动机本身固有的纵向边缘效应 ,提出了一种方法并建立了此电动机的数学模型 ,对边缘效应进行补偿 ,在此基础上设计了基于速度环单神经元PI调节的以转子磁场定向的矢量控制系统。仿真结果表明 ,此系统能大大提高电梯运行性能。

基于自适应线性神经元速度观测器在直接转矩控制系统中的应用

在人工神经网络理论基础上 ,提出了一种基于自适应线性神经元 (ADALINE)的新型速度观测器 ,同时将该观测器应用于异步电机无速度传感器直接转矩控制系统之中。仿真结果表明该控制系统具有良好的静、动态性能。

适用于非线性对象的神经元非模型控制方法

改进了神经元控制器的输入信号处理函数，设计出一种非线性转换器，能有效提高神经元非模型控制器对非线性对象的适应能力。仿真试验表明，新的神经元控制器能有效地克服非线性的不利影响，具有响应快速和强鲁棒性，对过程参数的变化和负荷干扰都有较好的自适应能力。同时该控制器保留了简单、实用，无需对象模型等优点，能方便地应用于具有非线性的工业过程控制。

自适应神经网络在UPQC补偿量检测中的应用

为改善电网的电能质量,提出一种新的统一电能质量控制器(UPQC)补偿量检测方法。利用线性神经元在线自适应调整学习率获得基波电压分量,再根据对称分量法提取基波正序电压分量,获得电压补偿量,利用已得结果和能量平衡原理计算得到电流补偿量。结果表明,基于该方法设计的UPQC能够有效地对电能质量进行补偿,其动态响应速度快,结构简单,易于硬件实现。仿真结果验证了该文方法的正确性。

基于MRAS的异步电机无速度传感器应用研究

针对异步电机基于转子磁链模型参考自适应(MRAS)速度观测器中的积分直流偏置和PI自适应率参数不能在线修正的问题,将转子磁链的电压模型进行改进,并提出一种自适应线性神经元(ADALINE)速度观测器。通过一阶惯性环节代替了电压模型中的纯积分环节,消除了积分直流偏置和误差积累,利用ADALINE算法对MRAS观测器中的自适应率进行改进,实现了在中高速情况下对电机转速的准确观测。仿真结果表明,改进后的MRAS速度观测器对速度的辨识度较高,动态性能良好,验证了该控制策略的正确性与可行性。

基于单神经元PI调节的直线感应电机矢量控制系统

本文设计了一套圆筒形直线感应电机驱动的电梯全数字变频控制系统 ,对其进行了试验。并针对此试验结果和此电机本身固有的纵向边端效应 ,提出一种方法建立了此电机的数学模型 ,对边端效应进行补偿 ,并设计了基于速度环单神经元PI调节的以转子磁场定向的矢量控制系统 ,仿真结果表明 。

利用模糊神经元控制器的切削系统参数优化整定方法及应用

针对具有非线性、不确定性的受控对象,提出一种兼顾神经元控制器和模糊控制器优点的模糊神经元非模型控制方法。在此控制系统中,模糊控制器产生神经元控制器的输入,由神经元的加权值来调整模糊PID控制器的参数,由神经元控制器产生控制信号对复杂对象进行控制,前置的模糊控制器用来过滤由对象的非线性和不确定性引起的误差大扰动,后置的神经元则在实现模糊PID控制器参数自调整的同时,以非模型控制的方式产生控制作用,从而有效地提高控制系统的鲁棒性、适应性和控制品质。

PEMFC阴极系统的混合智能PID解耦控制器设计

60 kW PEM FC发电系统要求安全性、可靠性和持久性,理想的电堆湿度和压力控制很重要。在电堆阴极系统的动态仿真和分析基础上,针对系统强非线性动态耦合的特点和控制要求,设计了阴极湿度和压力的混合智能PID解耦控制器。系统实时控制的仿真实验结果说明,利用带二次型性能指标的单神经元PI控制器,调节空气增湿器水泵的注入水流量来控制阴极湿度,控制结果快速而且稳定。以对角回归神经网络(diagonalrecurrentneuralnetw ork,DRNN)动态辨识为基础的增量式PID控制器,调节空压机送往电堆阴极的空气流量,使阴极压力的控制更加稳定和精确。两个控制器的良好配合不仅能够克服系统的非线性动态和耦合特性,而且能够克服系统负载的实时功率需求的影响。

永磁直线电机运输系统中的模糊增益神经控制

永磁直线同步电动机的理论研究还不十分完善,在初级分段的形式下该运输系统整体数学模型变化很大且边缘效应的影响更加剧烈.因此不能利用其数学模型或常规的控制方法对垂直运动的PMLSM实现良好控制.本文设计了直线伺服系统的神经元控制器.首先应用神经元控制器,它可以自动调节权值获得多个控制参数,然后考虑到被控对象的多动态特性,加入输出比例因子的在线模糊修改部分,从而改善了控制器的动态和静态特性.实验证明,该伺服系统能够消除PMLSM固有的负载扰动、边缘效应、参数时变对系统伺服性能的影响;且具有自学习能力强、快速跟踪、定位精确和鲁棒性强等特点.

步进电机直线定位系统设计及仿真研究

研究步进电机定位控制系统优化问题,要符合工业对直线定位系统的性能要求。由于系统存在摩擦,造成定位误差。为解决定位优化问题,从搭建仿真平台,采用控制算法的优化两个方面出发,设计了一套基于DSP控制的步进电机直线定位系统,以实现精确快速定位的目的。针对控制系统中存在非线性、参数不确定性等特点,采用前馈单神经元自适应PID控制方式,并用Matlab进行仿真研究。通过建模仿真分析,结果表明:设计的直线定位系统具有快速、高精度、较好的跟踪特性、较强抗干扰性、低成本等特点,并为控制算法的工程化应用提供了一定的理论依据。

基于神经网络的鱼群寻优和反馈线性化烟气脱硝控制

针对火力发电厂单元机组SCR烟气脱硝控制系统现状,提出了在SCR反应器入口加装调节阀与测点的优化方案,并相应提出了SCR反应器入口烟气预处理和总阀控制方案。在SCR反应器入口,采用单神经元自适应-人工鱼群滚动寻优控制算法(RSNAAFS)控制喷氨支管调节阀,对烟气中NOX进行预处理;在SCR反应器出口,采用神经网络反馈线性化算法(NNFL)控制喷氨总管调节阀,对烟气中NOX进行优化控制,使其达到排放标准。结果表明:新控制方案在控制品质上优于传统控制方案,系统有很强的实用性。

一种简化的BP神经网络图像插值算法

为进一步提高图像插值质量,丰富非线性图像插值算法研究,提出一种简化的神经网络插值算法。利用前向反馈神经网络(BP-NN)构造最佳的图像插值模型,通过2组实验确定该模型的BP网络最佳拓扑结构、最佳采样模型和采样点数量,并定量描述每组模型的耗时。实验结果表明,对512×512像素图像采用BP-NN训练点数量为50 000、拓扑结构为8-16-1的参数插值时,该算法平均插值时间约为0.7 s,且其峰值信噪比比线性均值方法平均高1 dB^2 dB,能够得到更佳的视觉感受。

近线性神经和元非线性神经元

人工神经网络(ANN)中普遍采用的神经元模型具有单调有界的I／O特性,该文称其为近线性神经元(ALN,approximate－linear neuron),ALN既简化了网络的复杂性,也是限制ANN能力的一个瓶径.通过比较Hopfield神经网络的稳定性和Conway生命游戏的复杂行为,该文提出非线性神经元(NLN,non－linear neuron)的概念,其I／O特性是完全非线性的.ALN可以进一步提高ANN的非线性,从而增强它的功能,余数制神经网络是一个例子.

直线无刷直流电动机单神经元P ID控制仿真

研究了一种新型永磁直线无刷直流电动机的精确定位系统。以DSP(TM S320LF 2407)作为核心控制器,光栅作为位置传感器,控制策略采用的改进的单神经元P ID控制算法。通过在A nsoft的S im p lorer6综合仿真平台下进行的系统仿真,验证了控制策略的有效性,为进一步研究奠定了基础。

无刷直流电机单神经元自适应智能控制系统

针对无刷直流电机(BLDCM)设计了一种可在线学习的单神经元自适应比例-积分-微分(PID)智能控制器,通过有监督的Hebb学习规则调整权值,每次采样根据反馈误差对神经元权值进行调整,以实现PID 3个参数的自适应。采用分段线性化方法建立BLDCM反电动势梯形波,采用滞环电流控制器实现电流调节,并在Matlab/Simulink仿真平台上搭建仿真模型,结果表明智能PID控制效果和鲁棒性皆优于常规PID,大大提高了系统的跟随性,能满足BLDCM系统对实时性的要求。