无刷直流电动机匝间短路故障检测及识别方法

匝间短路故障是无刷直流电动机(BLDCM)定子绕组发生故障的主要形式之一,具有潜伏性、识别困难以及发展导致更为严重的故障等特点,因此,在早期对匝间短路故障进行检测和识别具有重要的意义。建立了无刷直流电动机定子线圈匝间短路模型,提出了将定子绕组静态电阻测量和基于小波分析的反电动势相结合的故障识别方法,设计了信号检测电路并进行了试验研究。分析结果表明,该方法对无刷直流电动机早期匝间故障的识别是有效的。     

无刷直流电动机的转矩脉动

依据无刷直流电动机的基本电磁规律,分析了它的转矩特性,并讨论了影响转矩脉动的各种因素及减小转矩脉动所能采用的各种有效措施。     

基于DSP的无刷直流电动机控制系统

介绍一种基于DSP的无刷直流电动机控制系统,简述了实现该控制系统 的硬件设计方案及控制策略。     

无刷直流电动机的电流取样

本文介绍了无刷直流电动机一种新的电流取样方式,即“电流绝对值＋转向判定”,并与传统电流取样方式进行了比较。     

无刷直流电动机余度控制技术

介绍了一种用于无刷直流电动机的余度控制系统，给出了系统的硬件设计方案及控制策略。该系统采用两套相互独立的功率电路来驱动无刷直流电动机，使得通道故障时能够实现容错工作模式，提高了系统的可靠性。试验结果表明该系统具有良好的控制性能及动态特性。     

轿车用直流无刷电动机及步进电动机

1汽车工业中电机的作用当前，汽车零部件工业已成为汽车工业的一个发展重点，零部件的质量直接影响到轿车水平的高低。电机是汽车零部件中的关键件，它在汽车中的应用不只限于电源、自动化机械、点火起动装置，且已扩大到发动机底盘、车轮、车体以及车厢，可以说汽车中无处不需电矾。电机在汽车中功能逐渐扩大，并与电子电器组成部件，取代某些机械设备，成为变速、节能、安全、舒适的核心部分。表1为电机在轿车中的主要应用情况，从表可见装车用各类电机的品种和数量都很多，要求很高，另外在汽车制造业的工艺装备，测试设备以及生产流水作…     

无槽无刷直流电动机

对相同外形尺寸的无槽无刷直流电动机和有槽无刷直流电动机进行性能测试，并作一些对比和分析，为对无槽无刷直流电动机的基本技术性能的了解，提供了一个具体的和实际的例子，对有着槽和无槽电动机的热了阻进行了测试和对比，然后从电动机的温升最终限制电动机输出功率的角度出发，说明同样外形尺寸情况下，无槽电动机可能会有较大的输出功率。     

高压无刷直流电动机驱动系统

给出了一种简单可靠易行的高压无刷直流电动机驱动系统设计方案,详细讨论了该系统的一些关键问题,如过压欠压保护、过流保护、功率器件的过热保护以及高低压隔离等,并给出了各部分的实现原理图。     

基于Motorola DSP56803的无刷直流电动机控制系统

Motorola DSP56803处理器具有强大的功能，并且有基于SDK的集成开发环境和为用户提供的典型电动机控制的应用程序设计；这使基于该类处理器的应用程序，尤其是针对电动机控制的应用程序的开发效率得到提高，并能得到较好的控制效果。介绍了使用DSP56803开发的无刷直流电动机的控制系统。     

基于相空间重构和支持向量机的电能扰动分类方法

电能扰动的分类需要信号特性提取和分类器构造2个阶段,文中采用相空间重构和支持向量机的组合,提出了一种全新的电能扰动信号的分类方法。首先利用相空间重构方法构造扰动信号轨迹,通过编码获得二进制轨迹图像。针对该图像定义了4类具有区别性的指标,以表征不同扰动类型的特性。然后将特性指标作为支持向量机分类器的输入矢量,实现自动分类识别。算例表明该方法计算量少,正确率高,所需训练样本少,可以有效分类识别电压暂降、电压瞬升、电压中断、脉冲振荡、谐波、闪变等6种电能扰动。     

基于混合采样和支持向量机的变压器故障诊断

针对变压器不平衡数据集对变压器故障诊断模型产生的影响,提出了基于混合采样和支持向量机（support vector machines, SVM）的变压器故障诊断方法,利用合成少数类过采样技术（synthetic minority oversampling technique, SMOTE）和基于最近邻规则的欠采样方法,分别对变压器故障数据和正常数据进行采样,再利用混合采样得到的平衡数据训练基于支持向量机变压器故障诊断模型。通过测试集对比不平衡数据和平衡数据下基于SVM的变压器故障诊断模型的性能。最后分析了采样率对于变压器故障诊断模型诊断准确率的影响。实验结果表明,该方法可以有效降低不平衡数据对诊断模型的影响,提高变压器故障诊断模型的准确率。     

基于欧氏聚类和支持向量机的变压器故障诊断

以变压器油中溶解气体的相关信息作为特征向量,首次将基于欧氏聚类的支持向量机多分类模型应用于变压器故障诊断中。该组合模型以变压器状态类别间的欧氏距离为依据,构建支持向量机多分类模型。实验表明,该方法能够避免多分类模型组建的盲目性,同时能有效地对变压器进行故障诊断。     

基于类加权支持向量机的永磁直流电机故障模式识别方法

该文针对永磁直流电机故障在线诊断中存在类样本数目不平衡、误判损失不等、在线样本数据缺少类别标识等问题,通过对支持向量机数学模型中的误差惩罚因子进行加权,构建了一种基于加权支持向量机的永磁直流电机故障模式识别算法。理论分析和实验结果表明:该算法可以提高小样本类(故障样本类)诊断精度,降低误判损失。     

基于支持向量机混合模型的短期负荷预测方法

将支持向量机专家系统混合模型应用于短期负荷预测采用方法分为2个阶段:应用神经网络中的聚类算法将历史数据分割成不相连的数据域;对每个数据域选择最佳核函数预测单个SVMs。实际数据验证表明,该方法与单个多项式核、高斯核和3次样条核的SVMs预测相比具有预测精度高、支持向量少和计算量小等优点。     

基于支持向量机的局部阴影条件下光伏阵列建模

由于周围高大建筑物、树木等的遮挡,光伏阵列经常处在局部阴影中.而光伏阵列是光伏发电系统的关键部分,其电气特性容易受到光伏电池温度、太阳光辐射强度和负载阻抗等因素的影响.为了能够获得光伏阵列最大输出功率,建立其电气特性模型尤为重要.本文首先基于光伏阵列的工作原理,提出了一种快速建立局部阴影下光伏阵列数学模型的方法.然后,...     

基于模糊C均值支持向量机的直流电机故障模式识别

提出了一种基于模糊C-均值的永磁直流电机故障模式识别方法。首先通过模糊C-均值聚类算法对无类别标识的故障样本数据进行模糊划分,并根据模糊聚类的隶属度矩阵,判断定位每一样本数据的所属类,并定位样本数据中的野点,消除野点后,再利用基于支持向量机的模式识别方法对模糊划分后的数据进行训练。研究结果表明:该方法解决了永磁直流电机故障在线监测与诊断中缺少已知类别标签的训练样本问题,抑制了复杂环境中噪声,提高了含有大量噪声数据的永磁直流电机在线故障识别精度。     

基于负荷混沌特性和最小二乘支持向量机的短期负荷预测

以负荷时间序列的混沌特性为基础,结合混沌时间序列的相空间重构理论和支持向量机的回归理论建立了一种基于负荷混沌特性和最小二乘支持向量机的短期负荷预测模型。首先将原始负荷数据进行相空间重构,形成相点序列,然后选择与当前相点最邻近的相点作为此负荷预测模型的训练样本,经过训练寻求决策函数后就可以求出包含预测点的相点,最后还原此相点得出预测值。通过与BP神经网络的预测结果进行比较,证明了该模型在短期负荷预测中的有效性。     

基于支持向量机增量学习的电力系统暂态稳定评估

基于传统支持向量机的暂态稳定评估模型,通常将所有的学习样本同时参与学习,如果有新样本加入,则需要对所有样本重新学习.针对传统暂态稳定评估模型不能在线更新的不足,提出了一种支持向量机增量学习的暂态稳定评估方法.该方法利用一种快速支持向量机增量学习方法,构造递归解法将新数据增加到解中,并对模型更新前的训练数据保持Karus...     

基于支持向量机逆系统的无轴承异步电机非线性解耦控制

无轴承异步电机是非线性、多变量和强耦合的系统,实现其电磁转矩和径向悬浮力之间的动态解耦控制是电机稳定悬浮运行的关键。本文采用基于最小二乘支持向量机(LS-SVM)α阶逆系统的方法对无轴承异步电机进行解耦控制。将用LS-SVM辨识出的无轴承异步电机逆系统串联在原系统之前,使复杂的非线性原系统解耦成四个独立的伪线性子系统——两个径向位移子系统、一个速度子系统和一个转子磁链子系统,然后根据线性系统理论进行系统综合。最后的仿真试验研究表明,基于LS-SVMα阶逆系统方法能够实现无轴承异步电机悬浮力和旋转力之间的动态解耦控制。