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
baobao

上传于：2009-04-01

粉丝量：5

该文档贡献者很忙，什么也没留下。


  • 相关
  • 目录
  • 笔记
  • 书签

188宝金博页面版:更多相关文档

  • 基于多层神经网络控制的动态自适应播放

    星级： 4 页

  • 自适应动态神经网络控制感应电机系统

    星级： 6 页

  • 不确定多时滞系统动态自适应神经网络控制

    星级： 5 页

  • 基于多层神经网络控制的动态自适应播放

    星级： 4 页

  • 基于动态面的直接自适应神经网络控制

    星级： 6 页

  • 具有未建模动态机械臂的自适应神经网络控制

    星级： 3 页

  • 基于多层神经网络控制的动态自适应播放

    星级： 4 页

  • 不确定时滞混沌系统的自适应动态神经网络控制

    星级： 8 页

  • 基于多层神经网络控制的动态自适应播放

    星级： 4 页

  • 基于动态面的船舶航向自适应神经网络控制究

    星级： 5 页

  • 基于动态面的直接自适应神经网络控制

    星级： 6 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: 自适应动态神经网络控制感应电机系统

    下载积分： 300

    内容提示： 自适应动态神经网络控制感应电机系统 项湜伍 上海师范大学 计算机科学和技术系 200234 上海电机高等专科学校 信息系 摘要 感应电机控制系统是一个较难的工程问题。本文使用神经网络的自适应控制技术来实现感应电机的控制问题。第一种是单输入——单输出（SISO）系统，控制器使用静态多层感知器神经网络（MLP 神经网络） 。第二种是多输入——多输出（MIMO）系统，控制器使用递归神经网络作为动态控制系统方案。 本文我们重点讨论 MIMO 系统 关键词：动态神经网络，非线性自适应控制，学习，感知器。 Induction Motor Adaptive Control System Based on Neural Network A...

    文档格式：PDF | 页数：6 | 浏览次数：96 | 上传日期：2009-04-01 18:16:08 | 文档星级：
    自适应动态神经网络控制感应电机系统 项湜伍 上海师范大学 计算机科学和技术系 200234 上海电机高等专科学校 信息系 摘要 感应电机控制系统是一个较难的工程问题。本文使用神经网络的自适应控制技术来实现感应电机的控制问题。第一种是单输入——单输出（SISO）系统，控制器使用静态多层感知器神经网络（MLP 神经网络） 。第二种是多输入——多输出（MIMO）系统，控制器使用递归神经网络作为动态控制系统方案。 本文我们重点讨论 MIMO 系统 关键词：动态神经网络，非线性自适应控制，学习，感知器。 Induction Motor Adaptive Control System Based on Neural Network Abstract: Motor control is a difficult engineering problem. In this paper, application to the induction motor control of two recently developed control techniques utilizing neural network is presented. The first, single input-single output (SI SO), controller employs static multiplayer perceptron (MLP) network ， while the second, multinput-multioutput (MIMO), approach is based on a recurrent network used as a dynamic model of the controlled system. In this paper, we discuss MIMO system. Key words, Dynamic neural networks, nonlinear adaptive control, learning, induction motor 1.引言 感应电机控制系统是一个较难的工程问题。 交流电机的机械系统的非线性特性， 以及交流电机的有些状态变量参量无法测量，这些问题都使系统控制问题变的复杂。另外，在温度发生变化时，转子电阻发生很大变化，这又是一个使控制系统难以克服的困难问题。 本文研究使用神经网络技术来控制感应电机，对此较难的控制问题能得到较满意的解决。 有二种方法实现此系统的控制。第一方法是单输入单输出（SISO）的多层感知器网络，第二种方法是多输入多输出（MIMO）的动态模型控制系统。我们重点讨论第二种方法。 使用神经网络可以实现感应电机的控制工程， 它可以使系统的性能， 鲁棒性及稳定性皆十分良好。在系统在线操作前，可以对神经网络进行脱线训练，它的控制算法比较简单。 设计稳定的自适应神经网络控制器是十分困难的理论问题。我们采用 RBF 神经网络作为稳定的非线性自适应控制系统。调节参数，使 RBF 神经网络系统的输出是线性的。 2.感应电机的模型 一个三相鼠笼式感应电动，它的三相输入电压分别为Ua、Ub、Uc，三相的输入电流分别为ia、ib、ic。为了研究方便，我们假设如下，在转子和定子之间的气隙是均匀的而且为常数，磁滞和饱和现象可以忽略。进一步假设定子电源的中性点是隔离的，所以没有零序定子电流，即ia+ib+ic=0，而且Ua+Ub+Uc=0。在上述情况，三相定子绕组SA、SB、SC可以进行换算，使用Parks换算法，它们可以换算为等值的正交相移的绕组SD和SQ。这样感应电机的动态非线性模型可以用下列微分方程来表示[1] npM JLr = d wr d t tLJ －(ψrd isq -ψrq isd)（1）135

    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