基于自适应线性神经元滤波的内置式永磁电机转子位置观测器

为提高无位置传感器内置式永磁同步电动机(IPMSM)控制性能,提出一种改进的基于反电动势模型的自适应滤波转子位置观测器。针对逆变器非线性和磁场空间谐波引起扩展反电动势6k±1次谐波,进而产生6k次转子位置脉动观测误差问题,提出一种基于递归最小二乘算法自适应线性神经元滤波器的转子位置观测方法,从而实现IPMSM矢量控制系统准确解耦控制。该方案能够在线连续调整权重分量,保证了转子位置观测器的快速收敛性。通过自适应滤波器滤除指定的反电动势观测值谐波分量,从而提高正交软件锁相环获得转子位置信息的准确度。最后通过模型仿真和2.2k W IPMSM无传感器矢量控制系统验证了控制策略的有效性。

自适应线性神经元在电能质量扰动诊断和频率跟踪中的应用

在分析电力系统电压质量扰动检测存在的问题和现有的检测方法后,提出了应用自适应线性神经元(ADAL INE)进行电能质量扰动定位和频率跟踪的方法,并给出了该方法用于各种电压质量扰动诊断和频率跟踪模拟计算的仿真算例.结果表明:该方法计算简单,易于硬件实现,具有较高的应用价值.

一种异步电机自适应线性神经元速度观测器

针对电动汽车驱动用交流异步电机的无速度传感器矢量控制系统,提出一种自适应线性神经元(ADALINE)速度观测器。首先建立三相异步电机的数学模型,然后在电压模型与电流模型所构成参考自适应(MRAS)速度观测器的基础上,以转子磁链的广义误差作为速度观测器的输入,利用ADALINE算法作为系统自适应律,推导出神经网络权重的自动修正方法,保证在宽调速范围内均能获得准确的电机速度观测值。最后通过建立仿真模型与搭建实验平台进行验证,结果一致表明在高速和低速情况下速度观测值均能准确跟随实际值,动态性能良好,证明所提出的理论分析以及观测器实现方法的可行性与正确性。

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。

谐波及有功电流检测的自适应线性神经元方法

为了提高谐波及有功电流检测的灵活性,提出了一种新型的基于自适应线性神经元结构的检测方法。通过线性神经元的自适应预测和滤波结构,对坐标变换后产生的直流量进行提取,直接分离负载电流基波正序、负序、零序及有功分量,并按不同的补偿目标进行多种的组合。通过仿真试验表明:算法能够对有源电力滤波器谐波电流、有功电流和不对称分量的综合补偿提供合理的参考电流,以实现有效补偿。

基于自适应线性神经元网络的谐波检测算法

为了克服基于傅里叶变换(FFT)谐波检测算法运算量大、实时性不强、易受噪声影响的缺点,提出了基于自适应线性神经元网络(ADALINE)的谐波检测算法,建立了基于最小二乘法(LMS)的最优解求解过程的数学模型,根据LMS误差与各次谐波傅里叶系数之间的三维流形的几何形状选择算法的步长因子。采用时域迭代的方法准确地提取基波有功、无功和各次谐波分量,为实现APF可选择性谐波补偿奠定了基础。

基于对称分量法的神经元谐波综合检测

非线性负载在电网中引入了大量谐波及无功损耗.为改善电网电能质量,提高谐波检测的灵活性,提出了一种融合了自适应线性神经元(adaptive linear neural,Adaline)滤波及对称分量法的谐波检测方法.基于对称分量法的坐标变换后,可由滤波算法分离出负载电流基波正序、负序、零序分量和谐波分量,并可进行组合实现多种补偿目标,有效的克服传统谐波检测方法对于不对称负载(包括断路情况)谐波电流检测的局限性.同时为提高在电网电压不对称或畸变情况下对基波正序电压及相位的跟踪效果,引入了基于模糊比例积分(PI)调节器的锁相环结构.仿真试验表明:该方法能够很好适应负载的变化,克服电源电压畸变的影响,能够实现对谐波电流、无功电流和不对称分量的综合补偿.

基于复合神经网络的热轧变形抗力模型研究

为反映材料化学成分波动对变形抗力的影响效果,基于自适应线性神经网络和径向基神经网络技术,建立了以典型化学成分和机架入口温度作为输入,变形抗力修正系数作为输出的热轧带钢变形抗力修正网络。利用实际生产数据,对奥氏体变形抗力修正网络进行了训练、验证和测试,并与在线模型的自适应值、独立的BP网络和RBF网络的预报值进行了对比。结果表明,所开发的复合神经网络具有较好地预测热轧变形抗力的能力。

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。

基于ALE-MRAS磁链观测器的永磁同步直线电机均匀退磁诊断研究

设计了自适应线性神经元?模型参考自适应(adaptive linear element-model reference adaptive system,ALE-MRAS)磁链观测器,以解决永磁同步直线电机(permanentmagnet synchronouslinearmotor,PMSLM)多工况下均匀退磁磁链观测问题。首先,建立PMSLM正常、微弱、轻度、中度以及重度退磁故障下的有限元模型,仿真计算不同退磁程度下磁链的精确值;其次,建立模型参考自适应(model reference adaptive, MRAS)磁链观测器,采用自适应线性神经元(adaptivelinear element,ADALINE)算法在线修正MRAS的自适应律,得到ALE-MRAS磁链观测器,实现多工况下准确地在线磁链观测;然后,选取磁链幅值为故障特征值,结合ALE-MRAS磁链观测器观测结果,与有限元故障模型计算得到的磁链精确值进行对比,诊断出故障及故障程度;最后,制作退磁样机,搭建实验平台,对不同工况下的退磁故障进行诊断,精确度高达98%以上。通过与滑模磁链观测器和MRAS磁链观测器的对比,验证了文中诊断方法的正确性和先进性。

一种新的蔡氏混沌掩盖通信方法

提出了一种传输较大幅度信息信号的混沌掩盖保密通信方法。由于信息信号的幅度可以与混沌信号相当 ,从而提高了保密通信的安全性 ,改善了解密后信号的信噪比。在接收端 ,采用一个自适应线性神经元 (Ada line)来维持收发系统的混沌同步 ,并通过逆系统恢复出信息信号。当混沌系统一定时 ,同步误差及恢复信号的精度随信息信号频率的降低而提高。以蔡氏电路为例 。

Adaline在APF多目标谐波检测中的应用

参考电流检测是有源电力滤波器控制中的主要环节。为提高谐波检测的灵活性,提出一种基于自适应线性神经元结构的谐波检测方法。通过适当的坐标变换后,可由该算法直接分离出负载电流基波各序分量及谐波分量,并按不同的补偿目标和有源电力滤波器容量要求进行多种的组合。为保证在电网电压不对称或畸变情况下对基波正序电压的跟踪,引入了基于模糊比例积分调节的锁相环,有效地提高了锁相环的性能。仿真试验表明:该算法能够很好适应负载的变化,克服电源电压畸变的影响,为有源电力滤波器实现对谐波电流、无功电流和不对称分量的多种补偿提供了合理的参考电流。

基于Adaline的数控系统位置控制器研究

针对机床数控系统进给位置控制的性能要求,必须根据其工作方式和误差情况实行变增益控制策略,才能较好地兼顾动态和静态指标,为此,选用自适应线性神经元(Adaline)代替原有的比例环节,可以获得相应的控制性能。经数字仿真和实际使用表明,在数控系统中引入人工神经网络控制思想是合理可行和有效的,并且还可以进一步通过硬化实现,达到实时在线控制的目的。

一种基于混沌调制的保密通信方法

提出一种适合较大动态范围信息信号的混沌调制通讯方法 ,由于该方法允许较大幅度的信息信号 ,从而提高了通信的安全性。在接收端 ,用一个由自适应线性神经元 (Adaline)构成的控制器来维持收发系统的混沌同步 ,并通过检测Adaline权值的变化规律恢复出信息信号。以蔡氏电路为例进行了数值模拟 ,结果表明该方法是可行的。

基于ADALINE的有源电力滤波器预测电流控制策略(英文)

为有效补偿有源电力滤波器(APF)的控制延时,提出一种基于自适应线性神经元(ADALINE)的APF预测电流控制策略。该策略通过ADALINE预测下一控制周期的参考电流,根据两相静止坐标系下APF系统模型确定参考电压,利用空间矢量脉宽调制(SVPWM)方法,使APF输出电流快速、准确地跟踪参考电流。仿真与APF样机上的实际运行结果表明,和采用传统无预测算法的SVPWM方法相比,采用本文提出的预测电流控制策略,APF的稳态补偿精度和动态跟踪性能均明显提高。

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。

在基于二阶Adaline网络的广义预测极点配置控制器

为了解决实际应用中非线性被控过程的预测控制问题,把神经网络、广义预测控制和极点配置技术融为一体,提出一个新型自适应神经网络广义预测极点配置加权控制器(GPPWC)。首先提出非线性被控过程的二阶自适应线性神经元(Adaline)网络模型,然后给出基于二阶Adaline网络的GPPWC。仿真结果表明该方案的有效性。

基于ADALINE算法的三相并网逆变器模型预测控制

传统有限控制集模型预测控制FCS-MPC(finite control set model predictive control)策略需要建立准确的数学模型,当其应用于LCL型并网逆变器时则需多个电流电压传感器,若采样数据类型过少必然会产生建模误差。针对实际应用中传感器较少引起的预测模型参数失配问题,研究了一种基于自适应线性神经元ADALINE(adaptive linear neuron)算法的模型预测控制策略。该方案将ADALINE算法用于在线更新预测模型的计算参数,提高了预测模型的参数鲁棒性;同时对控制器延时进行了补偿,提高了控制精度。仿真和实验结果表明,该方案有效减少了并网电流谐波含量,并且具有优良的瞬态性能,验证了该方案的可行性和有效性。

基于ADALINE的MMC子模块电容电压均衡控制方法

目前模块化多电平变换器(MMC)多数应用场合中采用的子模块(SM)均压控制策略,大多需要采集SM电容电压,对于电压与功率等级较高的应用场合,由于需要采集所有的SM电容电压,系统的建设成本和占地面积将随SM个数的增多而显著增多。因此基于自适应线性神经元(ADALINE)原理,提出了一种无需SM电容电压传感器的SM电容电压监测方法。该方法能有效预测SM电容电压值且无需占用较多的控制器资源。实验结果表明,该方法简单有效,易于实现,具有较高的应用与理论研究价值。

基于多电平有源电力滤波器的研究

为了提高谐波检测的精度和灵活性,采用了卡尔曼滤波原理和自适应线性神经元(ADALINE)组合进行控制。基于自适应线性神经元结构的谐波检测方法,通过适当的变换后,可由该算法直接分离出负载电流基波各序分量及谐波分量,并按不同的补偿目标和有源电力滤波器容量要求进行多种的组合。该方法具有消除锁相环、Park或Clark变换方法的优点,三相电网畸变时还能保证足够的精度。