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。
標簽： BP神經網絡 永磁同步電機 自適應控制
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。
標簽： PID BP神經網絡 無刷直流電機
上傳時間： 2013-08-04
上傳用戶：YYRR
本文首先簡述了交流調速系統的發展和研究重點，介紹了異步電機調速系統的不同控制策略，詳細論述了異步電機矢量控制系統的基本原理：異步電機的數學模型和坐標變換、矢量控制的基本方程式、轉子磁鏈的觀測方法、矢量控制的系統結構等，并重點分析了空間矢量脈寬調制(SVPWM)技術的基本原理、控制算法以及在TMS320LF2407中的實現方法。 從工程實際應用出發，本文設計和開發了一套以DSP芯片TMS320LF2407為核心的有速度傳感器異步電機矢量控制系統，并給出了硬件和軟件的實現方法。該系統的功率電路采用電壓型的交-直-交變壓變頻結構，由整流電路、濾波電路及智能功率模塊IPM(PM15RSH120)逆變電路構成；控制電路以DSP芯片TMS320LF2407為核心，加上PWM信號發生電路、定子電流檢測電路、直流母線電壓檢測電路、智能功率模塊驅動電路、速度檢測電路、系統保護電路等，構成了功能齊全的異步電機全數字化矢量控制系統。 在此基礎上，本文對無速度傳感器異步電機矢量控制系統進行了有益的探索。提出了改進的電壓型轉子磁鏈估算模型，消除了電壓型轉子磁鏈估算模型中純積分環節所固有的漂移問題和積累誤差對實際系統性能的影響。在傳統型參考自適應系統基礎上，將系統中原有的自適應調節機構用一個具有在線學習能力的模糊神經網絡取代，提出一種基于模糊神經網絡的異步電機轉速估計方法，并給出了速度估計器的模糊神經網絡結構和學習算法。最后對基于模糊神經網絡轉速估計的異步電機矢量控制系統進行了仿真，結果表明該系統具有良好的性能。
標簽： 模糊神經網絡 異步電機 轉速
上傳時間： 2013-07-02
上傳用戶：amandacool
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
開關磁阻電機(SwitchedReluctanceMotor，SRM)具有結構簡單、工作可靠、效率高和成本較低等優點，在很多領域都顯示出強大的競爭力，但是位置傳感器的存在不僅削弱了SRM結構簡單的優勢，而且降低了系統高速運行的可靠性，增加了成本，探索實用的無位置傳感器檢測轉子位置的方案成為開關磁阻電機驅動系統(SwitchedReluctanceMotorDrive，SRD)研究的熱點。SRM高度非線性的電磁特性決定了在精確的數學模型基礎上實現無位置傳感器控制十分困難，而人工神經網絡的出現為解決這個問題提供了新的思路。徑向基函數(RadialBasisFunction，RBF)神經網絡是一種映射能力極強的前向型神經網絡，具有收斂速度快、全局逼近能力強等優點。本文提出一種利用自適應RBF神經網絡對SRM進行控制的新方法，所采用的RBF神經網絡以電機繞組的相電流、磁鏈作為輸入，轉子位置作為輸出，通過離線和在線相結合的方法對網絡進行訓練，建立SRM電流、磁鏈與轉子位置之間的非線性映射，從而實現SRM的無位置傳感器控制。 常規的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采用。在系統模型參數變化不大的情況下，PID控制效果良好，但當被控對象具有高度非線性和不確定性時，僅靠PID調節效果不好。對于SRM，它的電磁關系高度非線性，固定參數的PID調節器無法得到很理想的控制性能指標。論文提出了一種基于RBF神經網絡在線辨識的SRM單神經元PID自適應控制新方法。該方法針對開關磁阻電機的非線性，利用具有自學習和自適應能力的單神經元來構成開關磁阻電機的單神經元自適應控制器，不但結構簡單，而且能適應環境變化，具有較強的魯棒性。同時構造了一個RBF網絡對系統進行在線辨識，建立其在線參考模型，由單神經元控制器完成控制器參數的自學習，從而實現控制器參數的在線調整，能取得更好的控制效果。 仿真及實驗結果表明，自適應RBF神經網絡能夠實現電機的準確換相，從而實現了電機的無位置傳感器控制；基于RBF神經網絡在線辨識的單神經元自適應控制能夠達到在線辨識在線控制的目的，控制精度高，動態特性好，具有較好的自適應性和魯棒性。
標簽： RBF PID 控制 神經網絡
上傳時間： 2013-04-24
上傳用戶：skfreeman
·基于BP神經網絡的字符識別
標簽： BP神經網絡 字符識別
上傳時間： 2013-06-17
上傳用戶：brucewan
·魯棒控制7本.神經網絡10本
標簽： 魯棒控制 神經網絡
上傳時間： 2013-05-20
上傳用戶：lizhen9880
·基于PCA和BP神經網絡算法的車牌字符識別
標簽： PCA BP神經網絡 算法 車牌字符
上傳用戶：maizezhen
神經網絡控制算法作為一種比較成熟的智能控制算法，在空空導彈的理論研究中也得到了很多應用，但它的實際應用通常是通過軟件實現的，而軟件實現是串行執行指令，運行速度慢，可靠性低，很難滿足實際導彈制導系統實時性的要求?？刂扑惴ㄓ布崿F的最大特點就是可提高控制算法的實時運算速度和可靠性。本課題針對導彈制導系統，以FPGA為硬件平臺研究神經網絡控制算法的硬件實現。本文首先對BP神經網絡算法思想進行了深入分析，并對BP網絡的各個階段進行了理論推導，最后對BP神經網絡PID飛行控制算法進行了研究和總結，為硬件實現提供了理論基礎?；趯ι鲜隼碚摰纳钊胙芯亢头治觯疚奶岢隽艘环N適合FPGA實現該神經網絡控制算法的硬件實現模型。在該模型中，神經網絡各層之間采用串行執行數據方式，層間則采用并行運行方式，可有效提高系統的運算速度。由于模塊化、層次化的自頂向下的模塊化設計方法可有效減少錯誤的產生，是設計復雜大規模系統的理想設計方法。本文采用了此設計方法，通過把系統模塊化，對各個子模塊分別用VHDL硬件描述語言進行描述，并基于QUARTUS II軟件開發平臺進行綜合和仿真，直到達到研究設計要求。最后將仿真程序源代碼下載配置到具體的Cyclone II系列EP2C70 FPGA芯片中,應用于某實際導彈控制系統的研究。理論分析和實驗結果表明該神經網絡飛行控制算法的FPGA硬件實現是有效可行的，可滿足系統實時性的要求，為制導系統的實際工程實現提供了基礎。
標簽： FPGA PID 神經網絡 飛行控制
上傳用戶：冇尾飛鉈
·詳細說明：基于概率神經網絡的數字語音識別matlab程序文件列表: newpnn ......\demopnn1.m ......\ENFRAME.M ......\MELBANKM.M ......\mfcc.m ......\testpnn.asv ......\testpnn.m
標簽： matlab 概率神經網絡 數字語音 識別
上傳時間： 2013-06-22
上傳用戶：thh29
蟲蟲下載站版權所有 京ICP備2021023401號-1
