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。

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的双线性Hammerstein模型在线参数辨识

针对双线性Hammerstein模型,提出一种新的模型参数在线辨识方法。此辨识方法只需简单地改变模型输入,即可在线获得此类非线性模型的一致估计。首先利用伪随机二进制序列输入一致估计出模型中的双线性子系统参数,然后再借助于自适应控制中的一些方法,给模型输入连续信号,利用Adaline一致估计出静态非线性增益。此方法结构简单,计算量小,可快速推导出结果。通过理论分析和仿真研究均说明了该方法的有效性和实用性。

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。

Adaline神经网络随机逼近LMS算法的仿真研究

基于最小二乘(LMS)统计算法的自适应线性元件(Adaline)神经网络是非线性分类的重要工具之一。从计算机仿真的角度研究随机逼近LMS学习方法的特点,从步长设置、收敛性、收敛速度、算法抗噪性、判断的准确率等多个参量评估随机逼近法的性能。仿真结果表明,对于不同的初始步长设置,神经元完成学习任务的训练时间不同;在保证学习收敛性的前提下,步长越大,收敛速度越快,但收敛的稳定性变差。权矢量的初始值设置对学习的收敛性没有影响。

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。

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.

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。

一种基于自适应线性神经网络算法的永磁同步电机电流谐波提取和抑制方法

永磁同步电机通常采用正弦波进行驱动和控制,由于气隙磁场的畸变和电压型逆变器的死区效应等因素的存在,使永磁同步电机电流波形含有大量的谐波而发生畸变,特别是在电机低速运行时更为严重。为了进一步提高永磁同步电机的电流控制性能,抑制电流谐波,本文在传统矢量控制算法基础上,增加神经网络谐波电流环,通过自适应线性神经网络(ADALINE)算法实现对主要电流谐波的分解和提取,将所提取的电流谐波经过神经网络训练获得补偿电压值进行谐波注入,实现电流谐波的检测和抑制。通过仿真和实验结果证明,本文提出的控制策略可以有效提取并抑制电流谐波,降低电机转矩脉动。

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。

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。

一种神经元自适应谐波电流检测方法的数字仿真

基于单个神经元的有源电力滤波器单相电路自适应谐波电流检测方法的性能与一个周期内的采样个数、输入量个数、学习率和惯性系数有关。数字仿真发现:一个周期内的采样个数和学习率对该方法的检测精度和动态响应时间影响较大,它们既不能太大也不能太小,应选择适中;输入量的个数对该方法的检测精度影响较大,而对该方法的动态响应时间影响不大,它越小越好,建议取1;惯性系数对该方法的性能影响很小,建议取0。

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。

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。

基于线性化误差模型的自适应控制系统设计

针对实际工业生产过程中的非线性、时变不确定性,提出了一种基于线性化误差模型的自适应控制系统.首先为非线性过程建立一个由ARX模型与基于神经模糊系统的线性化误差模型组成的合成模型,然后引入单神经元控制器,利用线性ARX模型输出和系统输出值之间的误差,以及被控制过程合成模型的梯度信息,对控制器参数进行在线调节,从而获得较好的控制结果.仿真实验结果表明,与PID控制器相比,基于线性化误差模型的自适应控制器具有更快的响应速度.

自适应神经元控制在机器人手指关节控制中的应用

对机器人手指关节驱动用直线驱动器的位置控制提出了单神经元自适应控制方案。通过实验验证了控制方案的正确性,为机器人手指关节的位置控制提供了一种有效方法。

寄生时栅式电机的滤波设计与实现

寄生时栅式电机是基于时栅位移传感器设计的一种自带位置检测功能的驱动装置,在提取电机位置信息的过程中需要滤掉定子磁场的无效成分,此外电机内部的强磁场会随着速度的增加而变得毫无规律,影响转子位置的精确测量。针对上述干扰信号,采用了低通滤波器、自适应线性神经网络(adaptive linear neuron,ADALINE)等来消除干扰,并通过实验证明该方法效果显著,得到了最优的行波信号,同时实现了寄生时栅式电机转子位置的精确测量。