專輯類-數字處理及顯示技術專輯-106冊-9138M 自適應濾波器原理（第三版）1007頁-15.4M.pdf
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
本文擬借助于神經網絡良好的逼近能力，實現永磁同步電機的無位置傳感器控制。 人工神經網絡(Neural Network)可以逼近任意復雜非線性映射，具有很強的自學習自適應能力，十分適合于解決復雜的非線性控制問題。其中，BP神經網絡是目前廣泛應用的神經網絡之一，得到了較為深入的研究，其結構簡單，需要離線確定的參數少、泛化能力強、逼近精度高、實時性強，采用BP神經網絡實現永磁同步電機的調速控制具有重要意義。 文中提出了基于BP神經網絡的永磁同步電機自適應調速控制策略，建立了一種包含辨識網絡和控制網絡的雙神經網絡結構控制系統。辨識網絡在線動態辨識系統輸出并對控制網絡參數進行調整，控制網絡與PI控制方法相結合實現永磁同步電機自適應轉速控制。仿真結果表明，該系統動態響應快、實時性較強、精度較高。 文中提出了一種基于混合訓練算法的BP神經網絡永磁同步電機無位置傳感器控制方法。采用混沌優化和梯度下降法相結合的混合算法對BP神經網絡進行離線訓練后，將其用于永磁同步電機的轉子位置角在線估計。結果表明，該訓練算法可以有效地加快神經網絡收斂速度，且估計的轉子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機調速控制系統，并進行了相應的軟硬件設計，為實現永磁同步電機的各種控制策略奠定了實驗基礎。DSP控制系統為神經網絡訓練提供樣本，為研究永磁同步電機的自適應調速控制和轉子位置角估計創造了條件。
上傳時間： 2013-05-23
上傳用戶：1101055045
隨著電力電子技術的飛速發展,越來越多的電力電子裝置被廣泛應用到各個領域,其中相當一部分負荷具有非線性或具有時變特性,使電網中暫態沖擊、無功功率、高次諧波及三相不平衡問題日趨嚴重,給電網的供電質量造成嚴重的污染和損耗.因此,對電力系統進行諧波抑制和無功補償,提高電網供電質量變得十分重要.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特性,并且能跟蹤補償各次諧波、自動產生所需變化的無功功率和諧波功率,其特性不受系統影響,無諧波放大威脅.并聯型電力有源濾波器(Shunt Active Power Filter,簡稱SAPF)更是得到了廣泛的應用. 近年來,自適應算法中的遞推最小二乘法(簡稱RLS)應用越來越廣泛,該算法簡單,收斂速度快.應用基于RLS自適應算法的濾波器(簡稱RLS濾波器),可以快速有效的濾除雜波,同時自動調整濾波器參數,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自適應算法的并聯型有源濾波器.它的參考電流是一個同電網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載瞬時功率計算得到的,基于平均功率算法的電網應該為負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各相應該提供的有功電流瞬時參考值.兩個分量的計算共同構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,達到補償負載無功和抑制諧波的目的. 應用RLS濾波器得到維持直流母線電壓恒定的直流側有功系數A<,dc>,克服了傳統PI控制中參數難以得到且由于參數過于敏感而導致補償后電流紋波太大的問題.使得當穩態時SAPF自身的功率損耗和暫態負載變化時因為直流側電容提供電網和負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結構簡單,無需鎖相器. 根據本文的算法應用MATAB建立了仿真系統,仿真結果表明基于該算法的SAPF的可行性和實時性.
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、控制性能優良等優點，在中小容量調速系統和高精度調速場合發展迅速。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象，且其控制系統是一個強非線性、時變和多變量系統，要實現高精度調速就需對其控制策略進行深入研究。 永磁同步電機調速系統中，位置傳感器的存在使得系統成本增加、結構復雜、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。本文擬借助于神經網絡良好的逼近能力，實現永磁同步電機的無位置傳感器控制。 人工神經網絡(Neural Network)可以逼近任意復雜非線性映射，具有很強的自學習自適應能力，十分適合于解決復雜的非線性控制問題。其中，BP神經網絡是目前廣泛應用的神經網絡之一，得到了較為深入的研究，其結構簡單，需要離線確定的參數少、泛化能力強、逼近精度高、實時性強，采用BP神經網絡實現永磁同步電機的調速控制具有重要意義。 文中提出了基于BP神經網絡的永磁同步電機自適應調速控制策略，建立了一種包含辨識網絡和控制網絡的雙神經網絡結構控制系統。辨識網絡在線動態辨識系統輸出并對控制網絡參數進行調整，控制網絡與PI控制方法相結合實現永磁同步電機自適應轉速控制。仿真結果表明，該系統動態響應快、實時性較強、精度較高。 文中提出了一種基于混合訓練算法的BP神經網絡永磁同步電機無位置傳感器控制方法。采用混沌優化和梯度下降法相結合的混合算法對BP神經網絡進行離線訓練后，將其用于永磁同步電機的轉子位置角在線估計。結果表明，該訓練算法可以有效地加快神經網絡收斂速度，且估計的轉子位置角誤差較小、精度較高。 文中建立了以TMS320F2812芯片為核心的永磁同步電機調速控制系統，并進行了相應的軟硬件設計，為實現永磁同步電機的各種控制策略奠定了實驗基礎。DSP控制系統為神經網絡訓練提供樣本，為研究永磁同步電機的自適應調速控制和轉子位置角估計創造了條件。
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的一種不可缺少的手段。本文針對目前該研究領域中存在的分析方法問題和分類識別技術難點展開了深入的研究，內容涉及心音構成的分析、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。本文的工作內容包括以下5個方面： a）心音信號采集與預處理。本文采用自行研制的帶有錄音機功能的聽診器實現對心音信號的采集。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。根據實驗分析，選擇Donoho閾值函數結合多級閾值的方法作為心音信號預處理方案。 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構，其性能優于一般錐形核分布（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。根據對3M Littmann（） Stethoscopes[31]數據庫中標準心音信號的時頻分析結果，提取8組特征數據，通過Fihser降維處理方法提取出了實現分類可視化，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、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則的核函數參數與松弛變量的優化方法，建立了心音信號分類的支持向量機模型，選取標準數據庫中NM、AF、AR、AS、MR每類心音信號的80組2維特征向量中每類60組數據作為支持向量機的學習樣本，對余下的每類20組數據進行測試，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。本文以MATLAB語言的可視化功能實現了心音信號分析與識別的軟件運行平臺構建，可完成對心音信號的讀取、預處理，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的動態鏈接，實現對心音信號分析數據的存儲以及統計功能；最后，通過對心音信號2維特征向量的分析，實現心音信號的自動識別功能。 本文的研究特色主要體現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，主要是采用自適應錐形核時頻分析方法提取心音信號特征向量，根據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果，但由于用于分類的心臟雜音信號種類及數據量尚不足，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用于臨床心臟量化聽診。 關鍵詞：心音信號，小波降噪，非平穩信號，心臟雜音，信號處理，時頻分析，自適應，支持向量機
上傳時間： 2013-04-24
上傳用戶：weixiao99
交流伺服技術是研制開發各種先進的機電一體化設備，如工業機器人、數控機床、加工中心等的關鍵性技術，但是要提高交流伺服系統的控制性能關鍵在于伺服控制器對電機動態和靜態響應的控制，要獲得良好的電機動、靜態性能關鍵在于伺服控制器的控制算法。為此，本文開展了主要針對電機控制算法中的PID控制器參數整定算法研究。研究工作是基于黑龍江省科技攻關項目為支撐。 本論文在查閱大量文獻資料的基礎上，掌握了系統構成和基本控制原理，并分析了國內交流伺服存在的問題，設計了基于TI公司電機數字化控制芯片TMS320F2812的交流伺服控制器的控制單元；基于三菱公司智能化功率器件IPM設計了控制器的功率單元；以及電源單元和相關電路的保護單元。 基于電機矢量控制原理，構建了永磁同步電機的矢量控制模型，在原有研究的基本PID控制基礎上，根據模糊控制的基本原理，研究了應用于電機控制的模糊參數自整定PID控制器設計原理，構建模糊參數自整定PID控制器的數學模型，并進行該系統的仿真研究和實際應用程序設計。 本文的重點是闡述模糊參數自整定PID控制器的設計原理和方法，利用基于模糊參數自整定PID控制器的交流伺服系統仿真模型，應用Matlab/Simulink仿真軟件平臺驗證模型和算法的正確性，并與常規PID控制性能進行對比分析。在實際硬件平臺驗證了本文提出算法的可行性和正確性。 通過仿真和實際結果對比得出結論，模糊參數自整定PID控制器可以提高交流伺服系統的動態和靜態性能。
上傳時間： 2013-04-24
上傳用戶：lht618
本文以異步電機參數離線自整定及參數在線辨識為對象，從理論分析，算法提出，仿真證明和實驗驗證四部分進行了深入研究。 異步電機參數離線自整定及參數在線辨識技術的研究，為異步電機控制性能的不斷提高提供了保障，以使更好，更精確的控制方式能夠應用到工程實際中去。 由于在工程中使用的電機和變頻器不一定能夠匹配，而需要在電機運行之前由專業的工程師對變頻器作重新設置，此過程復雜，耽誤時間而且需要專業人員操作。 本文提出一套異步電機參數離線自整定算法，使用C語言編程，并在一臺2.2KW電機的硬件實驗平臺上驗證了該算法，實現了電機在運行之前，變頻器自動測試出電機的基本參數，為矢量控制等控制方式提供所需要的電機參數。 電機在運行過程中，由于溫度等因素的影響，電機的參數會發生變化，影響電機運行的穩定性，所以要對電機參數做在線辨識。本文對異步電機參數在線辨識作了理論分析和方法總結，為下一步工作打下基礎。 算法的實現需要相應的硬件實驗平臺，本文對硬件實驗平臺作了詳細介紹，包括主電路的設計、IGBT的驅動保護電路設計、DSP數字控制器的設計。 本文還對文中提出的實驗方法作了MATLAB/Simulink仿真，驗證了該方法的可行性，對實驗有指導意義。
上傳時間： 2013-04-24
上傳用戶：541657925
本文在此背景下，針對非線性PID控制、自抗擾控制以及Smith預估器和前饋控制展開研究。為了提高控制器的穩定性和魯棒性，設計了ADRC-Smith預估控制器和前饋ADRC控制器，將其應用于大時滯溫度控制系統，并在此基礎上設計了吹塑機控制系統解決方案，通過大量的理論研究、仿真和實驗，實現了良好的控制效果。論文的主要工作有： 1.研究了自抗擾技術和溫度控制的現狀以及溫度控制的特點。 2.研究了ADRC的發展史，深入了解ADRC的原理與優點。ADRC在控制非線性對象時比PID具有更好的控制性能，但是參數調節理論不完善，阻礙了其廣泛應用。 3.通過MATLAB仿真，得到ADRC參數之間的內在規律，通過將ADRC的參數統一到一個時間因子上，達到簡化調節參數個數的目的，從而降低調試難度，同時，在無時滯溫控實驗平臺上進行實驗，驗證了參數調節規律的可行性。 4.自抗擾控制器在大時滯溫控上的應用，以前文獻一般將時滯環節等效成一階慣性環節，這樣就要求增加ADRC的階次，增加了調節參數個數，在參數調節理論不完善的情況下無疑是增加了調試難度。本文將ADRC分別與Smith預估器和前饋控制器相結合，設計了ADRC-Smith預估控制器和前饋ADRC控制器來解決具有大時滯控制問題。這兩類新控制器的優點是不增加ADRC的階次，是解決不確定大時滯被控對象的新途徑，也是ADRC控制器實際應用上的一次創新。 5.在可編程計算機控制器(PCC)搭建的大時滯溫控實驗平臺上進行實驗，將前饋ADRC控制器和貝加萊專用溫度控制器PIDXH的控制效果進行比較，實驗結果表明前饋ADRC控制器在穩定性、魯棒性等方面都優于PIDXH控制器。 6.研究了吹塑機控制系統解決方案，并在吹塑機上實驗前饋ADRc控制器，得到了良好的控制效果，進一步驗證了算法的可行性。
上傳時間： 2013-04-24
上傳用戶：1234xhb
工業生產過程中，時滯對象普遍存在，同時也是較難控制的，尤其是大時滯對象的控制一直都是一個難題。而很多溫度控制系統都是屬于大時滯系統，常見的智能溫度控制器雖然在溫度控制的實際應用中表現了比較理想的控制效果，但它仍然屬于將參數整定與系統控制分開處理的離線整定方法，如果工況發生變化就必須重新調整參數。針對這一問題，為了實現時滯系統參數自整定的控制，本文將神經網路控制、模糊控制和PID控制結合起來，設計了基于神經網路的模糊自適應PID控制器。 首先，本論文分析了時滯系統的特點，討論了幾種時滯系統較為成熟的常規控制算法：微分先行控制算法、史密斯預估控制算法、大林控制算法，并深入研究了它們的控制性能；并且通過仿真對這三種控制方法在溫控系統中的控制性能進行了比較。 其次，在分析PID參數自整定傳統方法的基礎上，設計了一種改進方法，并設計了相應的控制器。該控制器綜合了模糊控制、神經網絡控制和PID控制各自的長處，既具備了模糊控制簡單有效的控制作用以及較強的邏輯推理功能，也具備了神經網絡的自適應、自學習的能力，同時也具備了傳統PID控制的廣泛適應性。該方法不需要離線整定參數，實現了在線自整定參數。仿真實驗表明了該控制器對模型和環境都具有較好的適應能力和較強的魯棒性。 最后將基于神經網路的模糊自適應PID控制器應用于貝加萊PID溫控裝置，能夠出色地實現參數的在線自整定。理論分析、系統仿真、實驗結果都證實了這種控制策略能有效地減少系統超調量，并減少了調節時間，提高了系統的實時性和控制精度。
上傳時間： 2013-07-05
上傳用戶：xinyuzhiqiwuwu
