專輯類-執(zhí)行器件相關(guān)專輯-43冊-296M 交直流傳動系統(tǒng)的自適應(yīng)控制-323頁-4.2M.pdf
上傳時間： 2013-04-24
上傳用戶：1054154823
專輯類-超聲-紅外-激光-無線-通訊相關(guān)專輯-183冊-1.48G 自適應(yīng)天線原理-212頁-1.9M.pdf
上傳時間： 2013-06-28
上傳用戶：hank
專輯類-電子基礎(chǔ)類專輯-153冊-2.20G 電子技術(shù)（電工學(xué)Ⅱ）典型題解析及自測試題-299頁-3.2M.pdf
上傳時間： 2013-06-19
上傳用戶：aa17807091
專輯類-數(shù)字處理及顯示技術(shù)專輯-106冊-9138M 空時自適應(yīng)信號處理-207頁-4.8M.pdf
上傳時間： 2013-04-24
上傳用戶：watch100
專輯類-數(shù)字處理及顯示技術(shù)專輯-106冊-9138M 自適應(yīng)濾波器原理（第三版）1007頁-15.4M.pdf
標(biāo)簽： 1007 15.4 自適應(yīng)濾波器
上傳時間： 2013-04-24
上傳用戶：wang0123456789
專輯類-單片機專輯-258冊-4.20G 自裝單片微電腦快速入門-102頁-2.2M.pdf
上傳時間： 2013-05-23
上傳用戶：caixiaoxu26
本文擬借助于神經(jīng)網(wǎng)絡(luò)良好的逼近能力，實現(xiàn)永磁同步電機的無位置傳感器控制。 人工神經(jīng)網(wǎng)絡(luò)(Neural Network)可以逼近任意復(fù)雜非線性映射，具有很強的自學(xué)習(xí)自適應(yīng)能力，十分適合于解決復(fù)雜的非線性控制問題。其中，BP神經(jīng)網(wǎng)絡(luò)是目前廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)之一，得到了較為深入的研究，其結(jié)構(gòu)簡單，需要離線確定的參數(shù)少、泛化能力強、逼近精度高、實時性強，采用BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)永磁同步電機的調(diào)速控制具有重要意義。 文中提出了基于BP神經(jīng)網(wǎng)絡(luò)的永磁同步電機自適應(yīng)調(diào)速控制策略，建立了一種包含辨識網(wǎng)絡(luò)和控制網(wǎng)絡(luò)的雙神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)控制系統(tǒng)。辨識網(wǎng)絡(luò)在線動態(tài)辨識系統(tǒng)輸出并對控制網(wǎng)絡(luò)參數(shù)進行調(diào)整，控制網(wǎng)絡(luò)與PI控制方法相結(jié)合實現(xiàn)永磁同步電機自適應(yīng)轉(zhuǎn)速控制。仿真結(jié)果表明，該系統(tǒng)動態(tài)響應(yīng)快、實時性較強、精度較高。 文中提出了一種基于混合訓(xùn)練算法的BP神經(jīng)網(wǎng)絡(luò)永磁同步電機無位置傳感器控制方法。采用混沌優(yōu)化和梯度下降法相結(jié)合的混合算法對BP神經(jīng)網(wǎng)絡(luò)進行離線訓(xùn)練后，將其用于永磁同步電機的轉(zhuǎn)子位置角在線估計。結(jié)果表明，該訓(xùn)練算法可以有效地加快神經(jīng)網(wǎng)絡(luò)收斂速度，且估計的轉(zhuǎn)子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機調(diào)速控制系統(tǒng)，并進行了相應(yīng)的軟硬件設(shè)計，為實現(xiàn)永磁同步電機的各種控制策略奠定了實驗基礎(chǔ)。DSP控制系統(tǒng)為神經(jīng)網(wǎng)絡(luò)訓(xùn)練提供樣本，為研究永磁同步電機的自適應(yīng)調(diào)速控制和轉(zhuǎn)子位置角估計創(chuàng)造了條件。
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 永磁同步電機 自適應(yīng)控制
上傳時間： 2013-05-23
上傳用戶：1101055045
隨著電力電子技術(shù)的飛速發(fā)展,越來越多的電力電子裝置被廣泛應(yīng)用到各個領(lǐng)域,其中相當(dāng)一部分負(fù)荷具有非線性或具有時變特性,使電網(wǎng)中暫態(tài)沖擊、無功功率、高次諧波及三相不平衡問題日趨嚴(yán)重,給電網(wǎng)的供電質(zhì)量造成嚴(yán)重的污染和損耗.因此,對電力系統(tǒng)進行諧波抑制和無功補償,提高電網(wǎng)供電質(zhì)量變得十分重要.電力有源濾波器(Active Power Filter,簡稱APF)與無源濾波器相比,APF具有高度可控制和快速響應(yīng)特性,并且能跟蹤補償各次諧波、自動產(chǎn)生所需變化的無功功率和諧波功率,其特性不受系統(tǒng)影響,無諧波放大威脅.并聯(lián)型電力有源濾波器(Shunt Active Power Filter,簡稱SAPF)更是得到了廣泛的應(yīng)用. 近年來,自適應(yīng)算法中的遞推最小二乘法(簡稱RLS)應(yīng)用越來越廣泛,該算法簡單,收斂速度快.應(yīng)用基于RLS自適應(yīng)算法的濾波器(簡稱RLS濾波器),可以快速有效的濾除雜波,同時自動調(diào)整濾波器參數(shù),不斷改進濾波性能,最終得到所需的信號. 本文研究了基于平均功率和RLS自適應(yīng)算法的并聯(lián)型有源濾波器.它的參考電流是一個同電網(wǎng)相電壓同相位的三相平衡的有功電流,它包含兩個分量:一個是由實測的三相負(fù)載瞬時功率計算得到的,基于平均功率算法的電網(wǎng)應(yīng)該為負(fù)載各相提供的有功電流瞬時參考值；另一個是為了維持有源濾波器中逆變器的直流母線電壓基本恒定,主要通過RLS濾波器計算得出的電網(wǎng)各相應(yīng)該提供的有功電流瞬時參考值.兩個分量的計算共同構(gòu)成了該有源濾波器參考電流的計算.補償電流指令值與實際補償電流比較生成控制逆變橋工作的PWM脈沖,生成補償電流,達到補償負(fù)載無功和抑制諧波的目的. 應(yīng)用RLS濾波器得到維持直流母線電壓恒定的直流側(cè)有功系數(shù)A<,dc>,克服了傳統(tǒng)PI控制中參數(shù)難以得到且由于參數(shù)過于敏感而導(dǎo)致補償后電流紋波太大的問題.使得當(dāng)穩(wěn)態(tài)時SAPF自身的功率損耗和暫態(tài)負(fù)載變化時因為直流側(cè)電容提供電網(wǎng)和負(fù)載之間的有功功率差而引起的電壓的波動迅速反饋到指令電流的計算中.RLS算法收斂快,SAPF實時性大大提高.基于該方法的SAPF結(jié)構(gòu)簡單,無需鎖相器. 根據(jù)本文的算法應(yīng)用MATAB建立了仿真系統(tǒng),仿真結(jié)果表明基于該算法的SAPF的可行性和實時性.
標(biāo)簽： RLS 功率 自適應(yīng)算法
上傳時間： 2013-04-24
上傳用戶：mfhe2005
永磁同步電機(Permanent Magnet Synchronous Motor)因功率密度大、效率高、過載能力強、控制性能優(yōu)良等優(yōu)點，在中小容量調(diào)速系統(tǒng)和高精度調(diào)速場合發(fā)展迅速。但由于永磁同步電機的磁場具有獨特的交叉耦合和交叉飽和現(xiàn)象，且其控制系統(tǒng)是一個強非線性、時變和多變量系統(tǒng)，要實現(xiàn)高精度調(diào)速就需對其控制策略進行深入研究。 永磁同步電機調(diào)速系統(tǒng)中，位置傳感器的存在使得系統(tǒng)成本增加、結(jié)構(gòu)復(fù)雜、可靠性降低，所以永磁同步電機的無位置傳感器控制成為一個新的研究熱點。本文擬借助于神經(jīng)網(wǎng)絡(luò)良好的逼近能力，實現(xiàn)永磁同步電機的無位置傳感器控制。 人工神經(jīng)網(wǎng)絡(luò)(Neural Network)可以逼近任意復(fù)雜非線性映射，具有很強的自學(xué)習(xí)自適應(yīng)能力，十分適合于解決復(fù)雜的非線性控制問題。其中，BP神經(jīng)網(wǎng)絡(luò)是目前廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)之一，得到了較為深入的研究，其結(jié)構(gòu)簡單，需要離線確定的參數(shù)少、泛化能力強、逼近精度高、實時性強，采用BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)永磁同步電機的調(diào)速控制具有重要意義。 文中提出了基于BP神經(jīng)網(wǎng)絡(luò)的永磁同步電機自適應(yīng)調(diào)速控制策略，建立了一種包含辨識網(wǎng)絡(luò)和控制網(wǎng)絡(luò)的雙神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)控制系統(tǒng)。辨識網(wǎng)絡(luò)在線動態(tài)辨識系統(tǒng)輸出并對控制網(wǎng)絡(luò)參數(shù)進行調(diào)整，控制網(wǎng)絡(luò)與PI控制方法相結(jié)合實現(xiàn)永磁同步電機自適應(yīng)轉(zhuǎn)速控制。仿真結(jié)果表明，該系統(tǒng)動態(tài)響應(yīng)快、實時性較強、精度較高。 文中提出了一種基于混合訓(xùn)練算法的BP神經(jīng)網(wǎng)絡(luò)永磁同步電機無位置傳感器控制方法。采用混沌優(yōu)化和梯度下降法相結(jié)合的混合算法對BP神經(jīng)網(wǎng)絡(luò)進行離線訓(xùn)練后，將其用于永磁同步電機的轉(zhuǎn)子位置角在線估計。結(jié)果表明，該訓(xùn)練算法可以有效地加快神經(jīng)網(wǎng)絡(luò)收斂速度，且估計的轉(zhuǎn)子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機調(diào)速控制系統(tǒng)，并進行了相應(yīng)的軟硬件設(shè)計，為實現(xiàn)永磁同步電機的各種控制策略奠定了實驗基礎(chǔ)。DSP控制系統(tǒng)為神經(jīng)網(wǎng)絡(luò)訓(xùn)練提供樣本，為研究永磁同步電機的自適應(yīng)調(diào)速控制和轉(zhuǎn)子位置角估計創(chuàng)造了條件。
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 永磁同步電機 自適應(yīng)控制
上傳時間： 2013-07-03
上傳用戶：kakuki123
心音信號是人體最重要的生理信號之一，包含心臟各個部分如心房、心室、大血管、心血管及各個瓣膜功能狀態(tài)的大量生理病理信息。心音信號分析與識別是了解心臟和血管狀態(tài)的一種不可缺少的手段。本文針對目前該研究領(lǐng)域中存在的分析方法問題和分類識別技術(shù)難點展開了深入的研究，內(nèi)容涉及心音構(gòu)成的分析、心音信號特征向量的提取、正常心音信號（NM）和房顫（AF）、主動脈回流（AR）、主動脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號的分類識別。本文的工作內(nèi)容包括以下5個方面： a）心音信號采集與預(yù)處理。本文采用自行研制的帶有錄音機功能的聽診器實現(xiàn)對心音信號的采集。通過對心音信號噪聲分析，選用小波降噪作為心音信號的濾波方法。根據(jù)實驗分析，選擇Donoho閾值函數(shù)結(jié)合多級閾值的方法作為心音信號預(yù)處理方案。 b）心音信號時頻分析方法。文中采用5種時頻分析方法分別對心音信號進行了時頻譜特性分析，結(jié)果表明：不同的時頻分析方法與待分析心音信號的特性有密切關(guān)系，即需要在小的交叉項干擾與高的時頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應(yīng)錐形核時頻（ATF）分析方法，通過實驗驗證該分布能較好地反映心音信號的時頻結(jié)構(gòu)，其性能優(yōu)于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時頻分析方法，從而選擇自應(yīng)錐形核時頻分析方法進行心音信號分析。 c）心音信號特征向量提取。根據(jù)對3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫中標(biāo)準(zhǔn)心音信號的時頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過Fihser降維處理方法提取出了實現(xiàn)分類可視化，且最易于分類的心音信號的2維特征向量，作為心音信號分類的特征向量。 d）心音信號分類方法。根據(jù)心音信號特征向量組成的散點圖，研究了支持向量機核函數(shù)、多分類支持向量機的選取方法，同時，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準(zhǔn)則的核函數(shù)參數(shù)與松弛變量的優(yōu)化方法，建立了心音信號分類的支持向量機模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫中NM、AF、AR、AS、MR每類心音信號的80組2維特征向量中每類60組數(shù)據(jù)作為支持向量機的學(xué)習(xí)樣本，對余下的每類20組數(shù)據(jù)進行測試，得到每類的分類精度（Ar）均為100％，同時對臨床上采集的與上述4種同類心臟雜音信號和正常心音信號中每類24個心動周期進行分類實測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗證了該方法的分類有效性。 e）心音信號分析與識別的軟件系統(tǒng)。本文以MATLAB語言的可視化功能實現(xiàn)了心音信號分析與識別的軟件運行平臺構(gòu)建，可完成對心音信號的讀取、預(yù)處理，繪制時-頻、能量特性的三維圖及兩維等高線圖；同時，利用MATLAB與EXCEL的動態(tài)鏈接，實現(xiàn)對心音信號分析數(shù)據(jù)的存儲以及統(tǒng)計功能；最后，通過對心音信號2維特征向量的分析，實現(xiàn)心音信號的自動識別功能。 本文的研究特色主要體現(xiàn)在心音信號特征向量提取的方法以及多分類支持向量機模型的建立兩方面。 綜上所述，本文從理論與實踐兩方面對心音信號進行了深入的研究，主要是采用自適應(yīng)錐形核時頻分析方法提取心音信號特征向量，根據(jù)心音信號特征向量組成的散點圖，建立心音信號分類的支持向量機模型，并對正常心音信號和4種心臟雜音信號進行了分類研究，取得了較為滿意的分類結(jié)果，但由于用于分類的心臟雜音信號種類及數(shù)據(jù)量尚不足，因此，今后的工作重點是采集更多種類的心臟雜音信號，進一步提高心音信號分類精度，使本文研究成果能最終應(yīng)用于臨床心臟量化聽診。 關(guān)鍵詞：心音信號，小波降噪，非平穩(wěn)信號，心臟雜音，信號處理，時頻分析，自適應(yīng)，支持向量機
上傳時間： 2013-04-24
上傳用戶：weixiao99
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
