排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
永磁同步电机矢量控制系统MTPA控制实现 总被引:2,自引:0,他引:2
分析了永磁同步电机矢量控制系统最大转矩电流比控制,并给出了一台15kW内置式永磁同步电机矢量控制系统分别在id=0控制和最大转矩电流比控制下的实验结果.实验结果表明,相比较于id=0控制,最大转矩电流比控制可减小定子电流,从而减小电机和逆变器损耗. 相似文献
2.
3.
4.
由于永磁同步电机模型预测转矩控制的控制目标量纲不同,其成本函数需加权求和,但权重系数的设计与调节较为困难。将模糊决策法、VIKOR法、TOPSIS法、变异系数赋权法和熵值赋权法等客观评价法应用于永磁同步电机模型预测转矩控制以解决上述问题。对于仅考虑磁链和转矩控制的永磁同步电机模型预测转矩控制,上述方法均是可行的,无需权重系数,但在一定程度上增加了计算负担。不同策略的控制性能存在一定的差异,但整体基本相当。由综合性能对比可知,TOPSIS法的控制性能相对最优。 相似文献
5.
6.
对汽车电动助力转向(EPS)方案转向感觉进行对比评价分析比较困难.在应用模糊语言变量的基础上,将群体多准则决策和模糊多层次综合评价进行融合,采用轻便性、回正性、中间位置转向性能和移线性能作为评价因素集,构建了模糊层次结构模型,利用标度法构建评价准则比较关系矩阵及一致判断矩阵,并对各总评价值模糊区间进行加权排序,体现了各种评价因素和各级决策信息间的逻辑关系,为EPS开发、参数的对比优化提供了途径. 相似文献
7.
前方车辆驾驶人意图信息对后方车辆预警防撞模型危险判断至关重要,针对传统防撞模型误警率高、制动不及时等问题,设计了一种考虑前方车辆驾驶人意图的汽车主动预警防撞模型。首先,选择BP神经网络(Back-propagation neural network,BPNN)和隐马尔可夫模型(Hidden Markov model,HMM)作为驾驶行为层与驾驶意图层的主体模型,并利用驾驶模拟器采集的前车制动踏板、加速踏板和车速等意图观测数据作为输入构建意图识别模型,从而实现对前车驾驶人加速驾驶、匀速驾驶、正常制动和紧急制动意图的识别;其次,利用车联网将前车驾驶人意图识别结果与路面附着信息传递给后方车辆,建立考虑前车驾驶人意图的汽车主动预警防撞模型,动态判断碰撞危险并调整预警及制动执行逻辑;最后,为验证所提出的意图识别模型准确性和主动预警防撞模型的有效性,搭建基于Simulink、Carsim及PreScan的联合仿真平台,并进行多工况试验测试。结果表明,所提出的BP-HMM模型对前车驾驶人意图的平均识别准确率为94.17%,优于传统BP或HMM识别模型;主动预警防撞模型在预警测试中的平均正警率为93.43%,与TTC、Mazda及考虑后车驾驶人意图的三种模型相比,平均误警率分别降低了16.12%、23.43%和26.67%,且在自动紧急制动测试工况中均能成功避免碰撞,两车最短相对距离大多保持在2~8 m范围内,平均值为3.698 m,具有更高的安全性和稳定性。 相似文献
8.
9.
10.