<center id="qq224"></center>
專(zhuān)輯類(lèi)-超聲-紅外-激光-無(wú)線-通訊相關(guān)專(zhuān)輯-183冊(cè)-1.48G 自適應(yīng)天線原理-212頁(yè)-1.9M.pdf
上傳時(shí)間： 2013-06-28
上傳用戶(hù)：hank
專(zhuān)輯類(lèi)-電子基礎(chǔ)類(lèi)專(zhuān)輯-153冊(cè)-2.20G 電子技術(shù)（電工學(xué)Ⅱ）典型題解析及自測(cè)試題-299頁(yè)-3.2M.pdf
上傳時(shí)間： 2013-06-19
上傳用戶(hù)：aa17807091
專(zhuān)輯類(lèi)-數(shù)字處理及顯示技術(shù)專(zhuān)輯-106冊(cè)-9138M 空時(shí)自適應(yīng)信號(hào)處理-207頁(yè)-4.8M.pdf
上傳時(shí)間： 2013-04-24
上傳用戶(hù)：watch100
專(zhuān)輯類(lèi)-數(shù)字處理及顯示技術(shù)專(zhuān)輯-106冊(cè)-9138M 自適應(yīng)濾波器原理（第三版）1007頁(yè)-15.4M.pdf
標(biāo)簽： 1007 15.4 自適應(yīng)濾波器
上傳時(shí)間： 2013-04-24
上傳用戶(hù)：wang0123456789
專(zhuān)輯類(lèi)-單片機(jī)專(zhuān)輯-258冊(cè)-4.20G 自裝單片微電腦快速入門(mén)-102頁(yè)-2.2M.pdf
上傳時(shí)間： 2013-05-23
上傳用戶(hù)：caixiaoxu26
本文擬借助于神經(jīng)網(wǎng)絡(luò)良好的逼近能力，實(shí)現(xiàn)永磁同步電機(jī)的無(wú)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(qiáng)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(wèn)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(jiǎn)單，需要離線確定的參數(shù)少、泛化能力強(qiáng)、逼近精度高、實(shí)時(shí)性強(qiáng)，采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)永磁同步電機(jī)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(jī)自適應(yīng)調(diào)速控制策略，建立了一種包含辨識(shí)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(shí)網(wǎng)絡(luò)在線動(dòng)態(tài)辨識(shí)系統(tǒng)輸出并對(duì)控制網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整，控制網(wǎng)絡(luò)與PI控制方法相結(jié)合實(shí)現(xiàn)永磁同步電機(jī)自適應(yīng)轉(zhuǎn)速控制。仿真結(jié)果表明，該系統(tǒng)動(dòng)態(tài)響應(yīng)快、實(shí)時(shí)性較強(qiáng)、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(jī)無(wú)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(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練后，將其用于永磁同步電機(jī)的轉(zhuǎn)子位置角在線估計(jì)。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(jì)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(jī)調(diào)速控制系統(tǒng)，并進(jìn)行了相應(yīng)的軟硬件設(shè)計(jì)，為實(shí)現(xiàn)永磁同步電機(jī)的各種控制策略奠定了實(shí)驗(yàn)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(jī)的自適應(yīng)調(diào)速控制和轉(zhuǎn)子位置角估計(jì)創(chuàng)造了條件。
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 永磁同步電機(jī) 自適應(yīng)控制
上傳時(shí)間： 2013-05-23
上傳用戶(hù)：1101055045
直接轉(zhuǎn)矩控制技術(shù)，是繼矢量控制技術(shù)之后出現(xiàn)的又一種新的控制思想，其控制手段直接，系統(tǒng)響應(yīng)迅速，具有優(yōu)良的靜、動(dòng)態(tài)特性，系統(tǒng)魯棒性好，因而受到了普遍關(guān)注并得到了迅速發(fā)展。 本論文從交流調(diào)速技術(shù)的發(fā)展開(kāi)始，分析了異步電機(jī)直接轉(zhuǎn)矩控制的基本原理，推導(dǎo)了u-l、i-n兩種磁鏈模型，并對(duì)這兩種磁鏈模型的適應(yīng)范圍和特點(diǎn)進(jìn)行了分析，然后推導(dǎo)了在全速范圍都適用的u-n模型。u-n模型的特點(diǎn)是：低速下工作于i-n模型，高速下工作于u-i模型，高低速之間自然過(guò)渡，加之引入電流調(diào)節(jié)器對(duì)電流觀測(cè)值進(jìn)行補(bǔ)償，大大提高了模型的觀測(cè)精度。 然后以交流電力機(jī)車(chē)為例，介紹了直接轉(zhuǎn)矩控制技術(shù)在交流調(diào)速系統(tǒng)中的應(yīng)用，并根據(jù)電力機(jī)車(chē)的牽引特性，設(shè)計(jì)了不同的控制策略： (1)低速區(qū)：采用圓形磁鏈的直接轉(zhuǎn)矩控制； (2)高速區(qū)：采用六邊形磁鏈的直接轉(zhuǎn)矩控制； (3)弱磁區(qū)：通過(guò)改變磁鏈給定值來(lái)調(diào)節(jié)轉(zhuǎn)矩，實(shí)現(xiàn)恒功率調(diào)節(jié)。 同時(shí)應(yīng)用MATLAB/SIMULINK軟件建立了直接轉(zhuǎn)矩控制系統(tǒng)的仿真模型，并得出了仿真結(jié)果，驗(yàn)證了該方法的正確性。 最后介紹了無(wú)速度傳感器的直接轉(zhuǎn)矩控制方法，推導(dǎo)了基于模型參考自適應(yīng)(MRAS)理論的轉(zhuǎn)子轉(zhuǎn)速的辨識(shí)方法，建立了轉(zhuǎn)子轉(zhuǎn)速的辨識(shí)模型，并得到了仿真結(jié)果。
標(biāo)簽： 直接轉(zhuǎn)矩 控制技術(shù) 交流調(diào)速系統(tǒng)
上傳時(shí)間： 2013-04-24
上傳用戶(hù)：wangrong
隨著電力電子技術(shù)的飛速發(fā)展,越來(lái)越多的電力電子裝置被廣泛應(yīng)用到各個(gè)領(lǐng)域,其中相當(dāng)一部分負(fù)荷具有非線性或具有時(shí)變特性,使電網(wǎng)中暫態(tài)沖擊、無(wú)功功率、高次諧波及三相不平衡問(wèn)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(duì)電力系統(tǒng)進(jìn)行諧波抑制和無(wú)功補(bǔ)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(jiǎn)稱(chēng)APF)與無(wú)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(bǔ)償各次諧波、自動(dòng)產(chǎn)生所需變化的無(wú)功功率和諧波功率,其特性不受系統(tǒng)影響,無(wú)諧波放大威脅.并聯(lián)型電力有源濾波器(Shunt Active Power Filter,簡(jiǎn)稱(chēng)SAPF)更是得到了廣泛的應(yīng)用. 近年來(lái),自適應(yīng)算法中的遞推最小二乘法(簡(jiǎn)稱(chēng)RLS)應(yīng)用越來(lái)越廣泛,該算法簡(jiǎn)單,收斂速度快.應(yīng)用基于RLS自適應(yīng)算法的濾波器(簡(jiǎn)稱(chēng)RLS濾波器),可以快速有效的濾除雜波,同時(shí)自動(dòng)調(diào)整濾波器參數(shù),不斷改進(jìn)濾波性能,最終得到所需的信號(hào). 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(gè)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(gè)分量:一個(gè)是由實(shí)測(cè)的三相負(fù)載瞬時(shí)功率計(jì)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(shí)參考值；另一個(gè)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(guò)RLS濾波器計(jì)算得出的電網(wǎng)各相應(yīng)該提供的有功電流瞬時(shí)參考值.兩個(gè)分量的計(jì)算共同構(gòu)成了該有源濾波器參考電流的計(jì)算.補(bǔ)償電流指令值與實(shí)際補(bǔ)償電流比較生成控制逆變橋工作的PWM脈沖,生成補(bǔ)償電流,達(dá)到補(bǔ)償負(fù)載無(wú)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(guò)于敏感而導(dǎo)致補(bǔ)償后電流紋波太大的問(wèn)題.使得當(dāng)穩(wěn)態(tài)時(shí)SAPF自身的功率損耗和暫態(tài)負(fù)載變化時(shí)因?yàn)橹绷鱾?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(dòng)迅速反饋到指令電流的計(jì)算中.RLS算法收斂快,SAPF實(shí)時(shí)性大大提高.基于該方法的SAPF結(jié)構(gòu)簡(jiǎn)單,無(wú)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(shí)時(shí)性.
標(biāo)簽： RLS 功率 自適應(yīng)算法
上傳時(shí)間： 2013-04-24
上傳用戶(hù)：mfhe2005
永磁同步電機(jī)(Permanent Magnet Synchronous Motor)因功率密度大、效率高、過(guò)載能力強(qiáng)、控制性能優(yōu)良等優(yōu)點(diǎn)，在中小容量調(diào)速系統(tǒng)和高精度調(diào)速場(chǎng)合發(fā)展迅速。但由于永磁同步電機(jī)的磁場(chǎng)具有獨(dú)特的交叉耦合和交叉飽和現(xiàn)象，且其控制系統(tǒng)是一個(gè)強(qiáng)非線性、時(shí)變和多變量系統(tǒng)，要實(shí)現(xiàn)高精度調(diào)速就需對(duì)其控制策略進(jìn)行深入研究。 永磁同步電機(jī)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(jī)的無(wú)位置傳感器控制成為一個(gè)新的研究熱點(diǎn)。本文擬借助于神經(jīng)網(wǎng)絡(luò)良好的逼近能力，實(shí)現(xiàn)永磁同步電機(jī)的無(wú)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(qiáng)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(wèn)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(jiǎn)單，需要離線確定的參數(shù)少、泛化能力強(qiáng)、逼近精度高、實(shí)時(shí)性強(qiáng)，采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)永磁同步電機(jī)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(jī)自適應(yīng)調(diào)速控制策略，建立了一種包含辨識(shí)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(shí)網(wǎng)絡(luò)在線動(dòng)態(tài)辨識(shí)系統(tǒng)輸出并對(duì)控制網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整，控制網(wǎng)絡(luò)與PI控制方法相結(jié)合實(shí)現(xiàn)永磁同步電機(jī)自適應(yīng)轉(zhuǎn)速控制。仿真結(jié)果表明，該系統(tǒng)動(dòng)態(tài)響應(yīng)快、實(shí)時(shí)性較強(qiáng)、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(jī)無(wú)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(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行離線訓(xùn)練后，將其用于永磁同步電機(jī)的轉(zhuǎn)子位置角在線估計(jì)。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(jì)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(jī)調(diào)速控制系統(tǒng)，并進(jìn)行了相應(yīng)的軟硬件設(shè)計(jì)，為實(shí)現(xiàn)永磁同步電機(jī)的各種控制策略奠定了實(shí)驗(yàn)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(jī)的自適應(yīng)調(diào)速控制和轉(zhuǎn)子位置角估計(jì)創(chuàng)造了條件。
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 永磁同步電機(jī) 自適應(yīng)控制
上傳時(shí)間： 2013-07-03
上傳用戶(hù)：kakuki123
心音信號(hào)是人體最重要的生理信號(hào)之一，包含心臟各個(gè)部分如心房、心室、大血管、心血管及各個(gè)瓣膜功能狀態(tài)的大量生理病理信息。心音信號(hào)分析與識(shí)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(duì)目前該研究領(lǐng)域中存在的分析方法問(wèn)題和分類(lèi)識(shí)別技術(shù)難點(diǎn)展開(kāi)了深入的研究，內(nèi)容涉及心音構(gòu)成的分析、心音信號(hào)特征向量的提取、正常心音信號(hào)（NM）和房顫（AF）、主動(dòng)脈回流（AR）、主動(dòng)脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號(hào)的分類(lèi)識(shí)別。本文的工作內(nèi)容包括以下5個(gè)方面： a）心音信號(hào)采集與預(yù)處理。本文采用自行研制的帶有錄音機(jī)功能的聽(tīng)診器實(shí)現(xiàn)對(duì)心音信號(hào)的采集。通過(guò)對(duì)心音信號(hào)噪聲分析，選用小波降噪作為心音信號(hào)的濾波方法。根據(jù)實(shí)驗(yàn)分析，選擇Donoho閾值函數(shù)結(jié)合多級(jí)閾值的方法作為心音信號(hào)預(yù)處理方案。 b）心音信號(hào)時(shí)頻分析方法。文中采用5種時(shí)頻分析方法分別對(duì)心音信號(hào)進(jìn)行了時(shí)頻譜特性分析，結(jié)果表明：不同的時(shí)頻分析方法與待分析心音信號(hào)的特性有密切關(guān)系，即需要在小的交叉項(xiàng)干擾與高的時(shí)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(shí)頻（ATF）分析方法，通過(guò)實(shí)驗(yàn)驗(yàn)證該分布能較好地反映心音信號(hào)的時(shí)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(shí)頻分析方法，從而選擇自應(yīng)錐形核時(shí)頻分析方法進(jìn)行心音信號(hào)分析。 c）心音信號(hào)特征向量提取。根據(jù)對(duì)3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫(kù)中標(biāo)準(zhǔn)心音信號(hào)的時(shí)頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過(guò)Fihser降維處理方法提取出了實(shí)現(xiàn)分類(lèi)可視化，且最易于分類(lèi)的心音信號(hào)的2維特征向量，作為心音信號(hào)分類(lèi)的特征向量。 d）心音信號(hào)分類(lèi)方法。根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，研究了支持向量機(jī)核函數(shù)、多分類(lèi)支持向量機(jī)的選取方法，同時(shí)，基于分類(lèi)的目的 性和可信性，本文提出以分類(lèi)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(hào)分類(lèi)的支持向量機(jī)模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中NM、AF、AR、AS、MR每類(lèi)心音信號(hào)的80組2維特征向量中每類(lèi)60組數(shù)據(jù)作為支持向量機(jī)的學(xué)習(xí)樣本，對(duì)余下的每類(lèi)20組數(shù)據(jù)進(jìn)行測(cè)試，得到每類(lèi)的分類(lèi)精度（Ar）均為100％，同時(shí)對(duì)臨床上采集的與上述4種同類(lèi)心臟雜音信號(hào)和正常心音信號(hào)中每類(lèi)24個(gè)心動(dòng)周期進(jìn)行分類(lèi)實(shí)測(cè)，分類(lèi)精度分別為：NM、AF、MR的分類(lèi)精度均為100％，而AR、AS均為95．83％，驗(yàn)證了該方法的分類(lèi)有效性。 e）心音信號(hào)分析與識(shí)別的軟件系統(tǒng)。本文以MATLAB語(yǔ)言的可視化功能實(shí)現(xiàn)了心音信號(hào)分析與識(shí)別的軟件運(yùn)行平臺(tái)構(gòu)建，可完成對(duì)心音信號(hào)的讀取、預(yù)處理，繪制時(shí)-頻、能量特性的三維圖及兩維等高線圖；同時(shí)，利用MATLAB與EXCEL的動(dòng)態(tài)鏈接，實(shí)現(xiàn)對(duì)心音信號(hào)分析數(shù)據(jù)的存儲(chǔ)以及統(tǒng)計(jì)功能；最后，通過(guò)對(duì)心音信號(hào)2維特征向量的分析，實(shí)現(xiàn)心音信號(hào)的自動(dòng)識(shí)別功能。 本文的研究特色主要體現(xiàn)在心音信號(hào)特征向量提取的方法以及多分類(lèi)支持向量機(jī)模型的建立兩方面。 綜上所述，本文從理論與實(shí)踐兩方面對(duì)心音信號(hào)進(jìn)行了深入的研究，主要是采用自適應(yīng)錐形核時(shí)頻分析方法提取心音信號(hào)特征向量，根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，建立心音信號(hào)分類(lèi)的支持向量機(jī)模型，并對(duì)正常心音信號(hào)和4種心臟雜音信號(hào)進(jìn)行了分類(lèi)研究，取得了較為滿(mǎn)意的分類(lèi)結(jié)果，但由于用于分類(lèi)的心臟雜音信號(hào)種類(lèi)及數(shù)據(jù)量尚不足，因此，今后的工作重點(diǎn)是采集更多種類(lèi)的心臟雜音信號(hào)，進(jìn)一步提高心音信號(hào)分類(lèi)精度，使本文研究成果能最終應(yīng)用于臨床心臟量化聽(tīng)診。 關(guān)鍵詞：心音信號(hào)，小波降噪，非平穩(wěn)信號(hào)，心臟雜音，信號(hào)處理，時(shí)頻分析，自適應(yīng)，支持向量機(jī)
上傳時(shí)間： 2013-04-24
上傳用戶(hù)：weixiao99
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
