188宝金博页面版

  • 图案背景
  • 纯色背景
视图
标记
批注
批注本地保存成功，开通会员云端永久保存 去开通
珍宝文档库

上传于：2014-07-26

粉丝量：88

学术论文 期刊论文 精品实用文档，希望能帮到大家


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 基于神经网络的异步电机广义预测控制

    星级： 3 页

  • 基于神经网络的异步电机广义预测控制（PDF）

    星级： 2 页

  • 基于神经网络的广义预测控制

    星级： 6 页

  • 基于BP神经网络的非线性广义预测控制

    星级： 4 页

  • 基于神经网络的广义预测控制

    星级： 64 页

  • 基于神经网络的广义预测控制

    星级： 63 页

  • 基于BP神经网络的非线性广义预测控制

    星级： 4 页

  • 基于神经网络的广义预测控制综述

    星级： 5 页

  • 基于神经网络的广义预测控制综述

    星级： 4 页

  • 基于bp神经网络的非线性广义预测控制

    星级： 4 页

  • 基于神经网络误差修正的广义预测控制

    星级： 4 页

  • 基于神经网络误差修正的广义预测控制

    星级： 4 页

  • 基于神经网络的二容水箱广义预测控制

    星级： 3 页

  • 基于bp神经网络的广义预测控制算法的研究与应用

    星级： 69 页

  • 基于BP神经网络的广义预测控制算法的研究与应用

    星级： 4 页

暂无目录

点击鼠标右键菜单,创建目录

    暂无笔记

    选择文本，点击鼠标右键菜单，添加笔记

    暂无书签

    在左侧文档中，点击鼠标右键，添加书签

    188宝金博页面版: 基于神经网络的异步电机广义预测控制

    下载积分： 900

    内容提示： 廛屉抖 夔基 于 神 经 网 络 的 异 步 电 机 广 义 预 测 控 制张俊青(围场久远建筑设计咨询有限责任公 司(原围场建筑设计所)， 河北围场068450)脯要】 交流感应电机矢量控制 系 统中， 辅圭是一个重要的 变量。 但由 于异步电机固 有的 非线性， 住得按一般的 线} 生系 统模型设计 的 最优控 制很难实现最优 ， 而且建模不精确， 不可预测的 参数变 化的 影响， 会使控 制品质下降， 鲁棒胜减弱， 使系统 得 不到良好的 控制 效果。傍 蝴 】异 步电 机； 矢 量控 制； 神经网络模型 ； 广义预测控制交 流 感 应电 机矢 量 控 制 系统 中 ， 转速是 一个 重 要 的 变 量 。 但...

    文档格式：PDF | 页数：2 | 浏览次数：14 | 上传日期：2014-07-26 18:38:16 | 文档星级：
    廛屉抖 夔基 于 神 经 网 络 的 异 步 电 机 广 义 预 测 控 制张俊青(围场久远建筑设计咨询有限责任公 司(原围场建筑设计所)， 河北围场068450)脯要】 交流感应电机矢量控制 系 统中， 辅圭是一个重要的 变量。 但由 于异步电机固 有的 非线性， 住得按一般的 线} 生系 统模型设计 的 最优控 制很难实现最优 ， 而且建模不精确， 不可预测的 参数变 化的 影响， 会使控 制品质下降， 鲁棒胜减弱， 使系统 得 不到良好的 控制 效果。傍 蝴 】异 步电 机； 矢 量控 制； 神经网络模型 ； 广义预测控制交 流 感 应电 机矢 量 控 制 系统 中 ， 转速是 一个 重 要 的 变 量 。 但 由 于异 步电 机 固有的 非线 性， 使得按 一 般的 线 性系 统 模型 设 计的 最优 控 制很难实现最 优， 而且建模不精确， 不可预测的参数变化的影响， 会使控制品质下 降， 鲁棒 性2I或弱 ， 使系统得 不到良好 的控制效果。预测控制 是20世纪70年代后期产生的 一种新型计算机控制 法，近年 来关于同步 电动机预测控制 的 研究很多。 由 于非 线性 系 统很难得到精确的 模 型， 这也是 非 线性 预测控 制 研究困难之 所在。 神经网络具有 良好的学习、 归纳、 容错、 并行计 算、 自适应 及自组织能力可以逼近任 意非 线性 系 统， 鲁棒性 强， 善于处理不确定性系 统 ， 因此神经网络适合于对高阶、 非线 性 、 强耦合的 异步 电 机进行无传感 器速度估计。 本文采用多层前向神经网 络作为预测模型 ， 介绍基于神经网络的异 步 电机 广义预测控制 的 方法。1异步电机的 矢■控 制 模型感 应 电机 的 动态数学模 型 是 进行磁 场定向(Fiel dorient at ion)矢量 控制 的 理论基础。 所 谓矢 量控 制 就是 根据感 应 电机 的动态数学模 型，按 照在不同坐标系下产生同样旋转磁场的等效变换原则， 利用坐标变换方法。 将感 应 电机 定子电流 分解为产生 磁场 的 电 流 分 量 (励磁电 流】 和与其正交 的产生转矩的 电 流 分量(转矩电 流 )， 并分别加以控制 ， 同时控 制定子电流 的 幅值和相位， 即把感应 电 机的 物理模 型等效地变 换成类似直流 电 动机 模 式， 模仿自然的 直流电 动机的 控 制方式对电 动机 的 磁 场和转矩分别进行控制 。 以获得 类似于直流电 动机 的动态特性。转子转速是定子电压和电子电流的 函数：竹： 厂鼬， (扣 1)。 山， (后- 2)， r(扣1) ， u(k- 2)1其中， ∞， 、 “分别为转子转速、 定子电压。 电 机转子转速和定子电 压和电流 之间存在一一 对应 关系。 但由 感 应电 机动态数学模 型可知，这一对应 关系 是 一种非常复杂的 非 线性 、 强耦合的多变量 映射关系 。 而神经网 络恰恰是 比较适合处理这种映射关系的 ， 这就启示我们用神经网络来对感 应电 机进行建模， 然后对其施加预测控制 。2基于神经网络的 异步电机广义预测控制基于 神经网络的 异步 电 机广义预测控 制 是使用非 线 性 的 神经网络模 型来预测未来模型 性能。 控制 器计 算控 制输入， 而控制 输入在未来指定的 时间内将最 优化模 型性能。21异步 电机的神 经网络建模神经网络算法本身不需要 复杂的 数学模 型 ， 只要 有输入样本 和目标样本再加 以合适的 权值和偏置值， 就能够进行训练和学习。 在这里选用B P前馈网络来建 模 。图1异 步 电机 矢量 控 制模 型信号采集及显示本文采用三层前向神经网络结构输入层向量为妇， (^一1)， ∞， (女- 2)．， I^～1)， u( k- 2n， 这也表明了构成输入神经元的数目， M =4： 隐层神经元的 个 数可由 试凑法得 到， N =7： 输 出层神经元的 个数Q =I o神经 网络预 测模型表达式为：r W、炉 (^)钐 ={ ∑ 蛎 陋 ‘ (^)】 +6}I J= IJ2：， ” ∥ (＆ 】 =∑ 哪 。 ， u， (k-- i)+∑ q ， ， “＆ 4h 缸f = 』I ： ，其中“． )为输出层节点的激励函数， 取为线性 函数， k)≈i 州． )为隐层即个节点的 激励函数， 取为单 曲 正切 s 型传输函数^(z bi， - ；晰为第j 个 隐层点 到输出点 的 连接权值； 哟． 。 为第i个输入节点 到第j 个隐层点的 连接权值； b为输出节 点阀值； 6， 为第j 个隐节点 阀值。22广义预测控制因州z )。 古 ， 利用泰 勒 一阶展 开 ， 模型可以转化为下式：, oXk)≈ p』^一l h 8州眦 hq 埘 』t _3№ ， △ u(扛 l m2△ 址(心k△ 其中 上述中 的均通过转化而来。 至此， 便将神经网络表示的 异 步电 机 非线性 预测模 型处理成的 线 性部分加 非 线 性 部分的 形式。 其 中 非 线性 部分 由表示。有了预测模 型 ， 我们就可以采用广义预测控 制 进行控 制 ， 控 制 率为：△ 一(G 叼G 钮)。 G 7机- f )其中 ， △u为控 制向量 ； G 为阶跃响应 序列组成的 矩阵： Q 、 R 为加杈阵 ； r为经柔化后的 设 定值向量【参考轨迹)； 厂为加反馈 校正误差的预测模型输出。由 于系 统为非 线性 系 统， △ 部分不能忽略， 因此可设 非 线 性部分引起的误差为， 并采用迭代递推求解控 制律， 即I e(D ) 旬l△ u(D )=(G 叼G 毛 R )√ G 彳 b咖 (0))f e b“)哥 h )牾 h 】I △ u(， 州) =(G 勺G " +l i t) 。 G 4∽加(n))其中， ‰(r t)为△ Ⅱ (n) 代 入神经网络模 型 而求出的 输出： 为收敛“h ) 啊 h 】 J因子。则＆ 时刻的控 制量 为11, 皓)=u(J } 一J)+p D ‘ ‘ q (C勺G ： -R)。 G 4( y-f )3仿真采用M atl ab对基于 神经网络的 异步电 机广义预测控 制 系统 进行仿真 研究。 其中 异 步电 机 参数为： 定子电阻R=12． 1462． 定子 电 感 L =O ．724mH ： 转子电 阻 R =I 9． 8807， 转子电 感L =O ． 724m H ： 转动惯量=Q3 7： 阻尼系 数=0． 02791； 电机极对数=40预测时域为7， 控制 时域为2， 其中 给定值为800—1000， 由 图2可以看出， 基于神经网络的 异步电 机的 广义预测控制 方法的 系统 输出速度能够快速 、 准确、 无超调地跟踪给定速度。4结论采用B P神经网络作为预测模 型 ， 介绍了基 于 神经网络的 异步 电 动机 的广义预测控 制法。 人工神经网络经过严格 的 训练以后． 具有对非线性系 统进行辨识的 能力， 由 非线性处理函构成的 ( 下转第174页)11虻 H ∞UIG Yll∞ 143

    阅读了该文档的用户还阅读了这些文档

    188宝金博页面版:关于我们

    188宝金博页面版:帮助中心

    188宝金博页面版:关注我们

    • 新浪微博

    关注188宝金博页面版公众号

    188宝金博页面版
    阅读
    APP
    阅读
    返回
    顶部
    188宝金博页面版官网登录在线平台入口（2026已更新）—江苏协昌电子科技股份有限公司