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
無刷直流電機(BLDCM)是隨著電機控制技術、電力電子技術和微電子技術的發展而出現的一種新型電機。它是在有刷直流電機的基礎上發展起來的。無刷直流電機具有交流電機的結構簡單、運行可靠、維護方便等一系列特點，又具有直流電機的運行效率高、無勵磁損耗以及調速性能好等諸多優點，在很多場合有廣泛的應用前景，成為了國內外研究的熱點。無刷直流電機傳統的理論部分分析和設計方法已經比較成熟，因此對無刷直流電機控制策略的研究就顯得十分重要。 PID控制以其結構簡單、可靠性高、易于工程實現等優點至今仍被廣泛應用。在系統模型參數變化不大的情況下，PID控制性能優良。但在工業上有許多無法建立精確數學模型的復雜控制對象和非線性控制對象，若采用傳統的PID進行控制的話，那么很難獲得比較理想的控制效果。 對于無刷直流電機而言，它是一個多變量、強耦合的非線性系統，固定參數的PID調節器無法得到很理想的控制性能指標。基于以上原因，本文以無刷直流電機為控制對象，通過分析無刷直流電機的數學模型，以BP神經網絡為基礎，設計了應用于無刷直流電機的神經網絡PID控制器。 在MATLAB平臺上，先利用神經網絡PID控制器，給出相應的控制算法，對典型的參數時變非線性系統的控制進行了仿真研究。仿真結果表明，同傳統PID控制器相比，神經網絡PID控制器對模型、環境具有較好的適應能力與較強的魯棒性，有效的改善了系統的控制結果，達到了預期的目的。隨后利用SIMULNK建立了無刷直流電機控制系統的仿真模型。分別采用普通PID控制器和神經網絡PID控制器對電機的不同運行狀況進行了仿真分析。仿真結果驗證了所建模型的正確性，并證明了神經網絡控制的優越性。
上傳時間： 2013-08-04
上傳用戶：YYRR
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
·基于BP神經網絡的字符識別
上傳時間： 2013-06-17
上傳用戶：brucewan
·基于PCA和BP神經網絡算法的車牌字符識別
上傳時間： 2013-04-24
上傳用戶：maizezhen
基于BP神經網絡的PID控制器的研究與實現:
上傳時間： 2013-11-25
上傳用戶：SimonQQ
小麥在儲藏階段由于各種災害導致損失巨大，并降低了面粉質量，及時檢測并分離小麥的受損顆粒迫在眉睫。文章以提取4類小麥碰撞聲信號為基礎，使用數字信號處理方法對小麥完好粒、蟲害粒、霉變粒及發芽粒的碰撞聲信號提取有效特征，最后利用BP神經網絡進行分類，對于3類小麥類型的識別取得了較好的識別率。應用結果表明BP神經網絡能夠較好地實現區分受損小麥顆粒與完好小麥顆粒。
上傳時間： 2014-12-29
上傳用戶：lxm
針對硫化鎳礦選礦浮選工業過程中液位控制進行數學分析，建立 BP預測模型并實施多浮選槽液位控制方法，利用目前工程領域流行的 MATLAB 7.0中提供的神經網絡工具箱，對網絡模型進行訓練和仿真，為有效抑制各槽液位擾動、實時調整各浮選槽液位和實現浮選指標的提高提供了有效的途徑。仿真結果證明了BP神經網絡對解決硫化鎳礦浮選過程液位PID控制的有效性，具有廣泛應用和推廣的價值。
上傳時間： 2014-12-29
上傳用戶：凌云御清風
文中將BP神經網絡的原理應用于參數辨識過程，結合傳統的 PID控制算法，形成一種改進型BP神經網絡PID控制算法。該算法利用BP神經網絡建立系統參數模型，能夠跟蹤被控對象的變化，取得較高的辨識精度。針對BP神經網絡對權系初始值敏感的缺點，優化BP神經網絡的初始權系數。通過BP算法修正BP網絡自身權系數，實現PID參數的在線調整。仿真結果顯示了該算法收斂速度快、精度高、魯棒性強、穩定性好，表明了該算法的可行性與有效性。
上傳時間： 2013-10-08
上傳用戶：cxl274287265
在變流器故障診斷系統中，通過MATLAB對牽引變流器建立故障仿真模型，提取故障特征，對輸入輸出數據進行標幺化和模糊化的處理，并基于改進的動量BP神經網絡算法，完成對變流器開關管開路的診斷，誤差滿足要求范圍，結果表明：該算法收斂迅速，能避免陷入局部極值，而且準確率很高，是一種快速有效的方法。
上傳時間： 2013-11-09
上傳用戶：familiarsmile
