基于模糊神经网络的异步电机转速估计方法

根据异步电机的数学模型,提出基于模糊神经网络的异步电机转速估计方法。将传统参考自适应系统中原有的自适应调节机构用一个具有在线学习能力的模糊神经网络取代,得出了一种基于模糊神经网络的异步电机转速估计方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电机实际转速的变化,具有良好的性能。     

基于模糊神经网络的感应电动机转速估计方法

根据感应电动机的数学模型,提出一种基于模糊神经网络的感应电动机转速估计的方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电动机实际转速的变化,具有良好的性能。     

异步电机转速估计方法综述

去掉转速传感器可以降低成本及提高系统可靠性.因此无论学术界还是工业界在这方面的研究都很活跃.对异步电机转速的估计方案从5个方面进行综述.所收录的方法涵盖异步电机调速的各种方式,包括VVVF、直接或间接矢量控制、直接转矩控制,甚至软启动.     

用神经元网络进行异步电机转速的辨识和估计

根据异步电动机直接转矩控制原理、提出了采用人工神经元网络速度辨识方法去实现无速度传感器的交流调速控制系统。文介绍了异步电动机直接转矩控制的基本方程和神经网络速度辨识模型,仿真结果表明,系统具有良好的性能。     

自适应神经网络辨识异步电机转速的研究

根据异步电机的数学模型，经过一定的变换，利用电机易于检测到的定子电压和电流，通过Simulink模块和S函数建立了自适应神经网络辨识模型，该方法简单，直观，仿真结果表明，系统具有良好的性能。     

基于模糊滑模控制的异步电机转速跟踪误差研究

为了提高异步电机控制系统响应速度,降低电机转速跟踪误差,设计了模糊滑模控制系统,并对电机转速跟踪误差进行仿真验证。建立异步电机数学模型,给出了异步电机模糊逻辑控制流程。针对电机转速设计了PI控制器和滑模控制器,证明了滑模控制器的稳定性。利用MATLAB软件对电机转速和转矩进行仿真,比较两种控制系统输出效果。结果表明,采用模糊PI控制系统,电机转速和转矩响应速度慢,跟踪误差较大。采用模糊滑模控制系统,电机转速和转矩响应速度快,跟踪误差较小。采用模糊滑模控制系统,异步电机不仅响应速度快,而且输出误差小。     

基于模糊神经网络和PI控制的异步电机位置控制系统

提出一种用于异步电机位置控制的模糊神经网络(fuzzy neural network,FNN)控制器.其控制系统采用Sugeno型FNN和比例积分(proportional integrate,PI)控制进行构建.在进行试验测试之前,利用实验数据库和梯度算法对模糊神经网络进行在线训练.利用DS1104型DSP控制卡实现控制算法.利用该控制器对异步电机进行位置控制,在电机施加非线性负载和发生参数扰动的条件下,对控制系统的功能以及鲁棒性进行测试,试验结果表明,该控制系统能够保证电机稳定有效的工作.     

基于遗传算法的异步电机转速估算

本文根据遗传算法的基本原理，研究了直接转矩控制过程中的异步电机转速估算过程。结果表明，这种方法应用在负载转矩变化不太频繁的系统中时，速度估算比较准确。     

基于绝对稳定性的异步电机转速自适应辨识方法

基于非线性控制系统的绝对稳定性定理，提出了一种新的通用异步电机转速自适应辨识方法。通过理论分析可以证明传统的MRAS（模型参考自适应方法）转速辨识算法就是该理论的一种较优实现形式，从而从另一方面证明了MRAS转速辨识方法的稳定性，并且解决了传统MRAS算法中武断的忽略磁链观测误差的问题。在MATLAB／Simulink环境下对该理论进行了仿真验证。     

自适应神经网络辨识异步电机转速的研究

根据异步电机的数学模型 ,经过一定的变换 ,利用电机易于检测到的定子电压和电流 ,通过Simulink模块和S函数建立了自适应神经网络辨识模型。该方法简单、直观 ,仿真结果表明 ,系统具有良好的性能     

基于Elman神经网络的潜油电机速度辨识研究

鉴于潜油电机独特的高温工作环境所导致传感器安装困难的不足,该文利用Elman神经网络对无速度传感器潜油电机进行了速度辨识。实验方案中把数据采集卡采集到定子电流用小波分析,滤除高温所产生的高频噪声的影响,提取有用的信号作为样本输入,把测速发电机采集到的速度信号作为样本输出,按照"离线训练,在线辨识"的思想训练神经网络,使之仅通过定子电流就能对潜油电机速度进行辨识,实验证明本系统具有很高的稳态精度和良好的动态性能,其辨识结果可为进一步实现潜油电机的闭环控制和故障诊断提供有力保障。     

用神经网络实现对感应电动机的转速估计

根据感应电动机数学模型,介绍了一种利用神经网络进行感应电动机转速估计的新方法,在该方法中采用一个三层神经网络作为速度估计器来估计转速。仿真结果表明这种基于人工神经网络的转速估计模型可以准确地跟踪感应电动机转速的变化,具有良好的动态跟随性能。     

基于自组织竞争网络的异步电机参数辨识研究

矢量控制系统中的转子磁场定向的精度取决于异步电动机的参数。在传统的利用空载、短路实验测量电机参数方法的基础上,本文提出一种利用变频器自身的资源,不需要外接电路的方案来对电机参数进行辨识。为了克服由于数据采样精度所照成的参数波动较大的缺点,提高所辨识参数的精度,利用上位机中基于自组织竞争神经网络算法对所得参数组进行学习以获得最优参数。试验结果表明:该神经网络可快速收敛,并可抑制参数异常点的干扰,获得较为精确的参数。     

采用模糊自适应速度估计的异步电动机调速系统

为提高无速度传感器异步电动机速度的实时估计与磁链的准确定向，在按定子磁链定向的矢量控制系统中，提出了模糊自适应速度估计的方法。并与传统的PI自适应速度估计进行了比较。仿真与实验结果表明，该系统具有较好的动态辨识特性和鲁棒性。     

基于神经网络技术的异步电机控制

针对常用的传统PID控制在提高异步电动机调速性能方面存在的瓶颈问题,本文提出了一种新型的单神经元控制算法以实现异步电动机的矢量控制.在分析单神经元控制器基本工作原理的基础上,为了加快神经元权值的学习训练速度,采用梯度下降法与变步长法相结合的控制算法,并利用MATLAB软件建立新型单神经元控制器与异步电动机调速系统的仿真模型,在计算机上进行了仿真,最后在笼型异步电动机上进行了应用实验.仿真与实验表明,这种单神经元控制器具有良好的自学习与自适应能力,可以改善调速系统的动态与静态性能,提高异步电动机的跟踪能力.     

BP神经网络辩识感应电机转子磁链和转速

根据感应电机数字模型，提出了仅基于定子电流的人工神经网络转子磁链与速度的辩识方法，实现无速度传感器的交流调速系统的转子磁链和转速闭环控制。用BP算法对神经网络进行学习和训练，构建相应的多层前馈神经网络（MFNN）。仿真和实验结果表明，这种转子磁链与速度的辩识模型具有良好的性能。     

基于模糊神经网络的异步电动机故障诊断研究

在对当前的检测方法与故障诊断手段研究的基础上,提出了基于模糊神经网络的故障诊断方法。该方法利用改进的BP算法,提高了学习速率,增强了稳定性。同时,针对异步电动机常见的故障特点,运用该诊断模型,对异步电动机故障进行了诊断。仿真结果表明：它具有准确度高,诊断速度快等优点,是一种较实用的故障诊断方法。     

基于神经网络的直流电机转速控制

用非线性自回归移动平均模型的神经网络对直流电机转速进行控制,并通过仿真分析其控制效果,在抗干扰方面与原来的闭环控制进行比较,证明神经网络控制的优越性。     

自组织竞争神经网络在异步电机参数辨识中的应用

介绍了自组织竞争神经网络在交流异步电机参数辨识中的应用。例举了参数辨识所需要的几个实验,阐述了用神经网络处理所采集数据的过程与算法。实验结果证明,该神经网络可以快速稳定地收敛。