一种感应电机定转子互感参数离线辨识的方法

文章利用模型参考自适应系统(Model Reference Adaptive System,MRAS)在恒压频比起动的基础上进行电机转速辨识,并根据电机转子磁链的电压和电流模型,提出一种感应电机定转子互感参数Lm离线辨识方法,以便电机未完全空载时,也能离线辨识出其互感参数。对无速度传感器转速辨识原理以及实现方法进行了介绍,并利用Matlab进行系统仿真,验证了算法的有效性。     

基于三相异步感应电机数学模型的在线参数辨识技术研究

三相异步感应电机矢量控制的关键在于磁场定向,而影响磁场定向的重要因素之一是电机参数转子电阻。为解决矢量控制动态性能对转子电阻的依赖问题,对三相异步感应电机转子电阻在线辨识技术进行了研究。建立感应电机数学模型,根据电机模型的数学表达式,提出了转子电阻的在线辨识方法,根据电机模型的等效电路图,推导了迭代求解转子电阻的数学表达式,在迭代求解过程中,以电机变量空间矢量图中的转子电阻电压和电流的平行关系作为判定计算结束的标志,得以准确求解转子电阻值。试验结果表明,该方法可有效地在线辨识转子电阻,计算简单,辨识精度高,符合工程应用需要。     

基于矢量控制系统的转子电阻鲁棒观测器及其对比研究

提出了一种具有抑制转子电阻不确定性对速度辨识影响的转子电阻鲁棒观测器,运用Lyapunov稳定性理论,构造新的Lyapunov函数,从理论上证明了观测器在全速范围内的稳定性,推导出转速的辨识率。通过与目前流行的转子电阻与转速双辨识方案的仿真比较研究,结果表明:本文提出的转子电阻鲁棒观测器,可在全速范围内很好地抑制转子电阻不确定性对速度辨识的影响,具有很好的鲁棒性能,并且其计算量小,结构简单,且实时性容易满足,在工程实用性上更具优势。     

无速度传感器异步电机控制在无锡地铁的应用

针对无速度传感器控制技术在地铁中的应用问题,详细介绍了基于模型参考自适应的无速度传感器控制算法,同时采用定子电阻辨识的方法提升了极低速工况下的速度辨识的精度,满足了地铁大转矩启动的要求。通过地面试验和装车试验充分证明了该算法能实现全工况下的速度辨识,完全满足地铁各种工况的运行要求,在无锡地铁1号上的长时间载客运营表明了控制系统的可靠性。     

无速度传感器电励磁同步电机的转速和转子位置估计

研究了一种基于模型参考自适应的电励磁同步电机无速度传感器控制方案。分别给出了基于电压和电流模型的磁链观测方法,利用基于电压和电流的气隙磁链观测结果之差作为误差,经过PI自适应率进行调节之后得到估计转速。对所研究的电励磁同步电机无速度传感器矢量控制系统进行了仿真试验,仿真结果表明该控制系统能够快速、准确地辨识电机转速。     

基于模型参考自适应的永磁同步电机在线参数辨识方法研究

为实现用模型参考自适应(MRAS)对永磁同步电机(PMSM)参数进行在线辨识,建立了参考模型与可调模型,将两模型输出的差经过自适应机构,并通过合适的自适应率来实时调节可调模型中的待辨识参数,最终使得可调模型中的待辨识参数收敛到一个正确的值,从而得到要辨识的电机参数。仿真和试验结果表明,基于MRAS的在线参数辨识算法可以准确、实时地辨识出永磁同步电机的定子电阻、电感和永磁体磁链。     

用于NARMAX参数辨识的一种神经网络方法

本文提出一种适合于ＮＡＲＭＡＸ参数辨识的神经网络模型和相应的训练算法，该模型能直接辨识ＮＡＲＭＡＸ参数，结构简单，辨识率高。为非线性系统的参数辨识和模态分析提供了一种有效的方法，仿真结果表明，文中所提出的神经网络方法和相应的算法是有效的。     

基于鲁棒二次稳定性理论的状态观测器增益矩阵求法

针对具有定子电阻不确定参数的电机模型，设计了全阶自适应状态观测器，运用具有定子电阻参数不确定系统的二次稳定性理论，推导出转子速度的自适应辨识率，同时将定子电阻和速度视作不确定参数，利用LMI工具箱中求解不确定参数系统二次稳定性的方法，得到状态观测器的增益矩阵来保证整个系统在全速度范围内的稳定运行。此方法计算量小，易满足实时性控制要求。仿真结果表明，基于鲁棒二次稳定性理论求出状态观测器增益矩阵能保证系统在全速度范围内的稳定运行，并且可抑制定子电阻不确定性对速度辨识的影响，具有很好的鲁棒性能。     

基于全维观测器的无速度传感器异步电机控制

提出了一种模型参考自适应观测器，用于异步电机无速度传感器矢量控制系统的转速辨识。该方法将电机矢量控制与模型参考自适应系统（MRAS）相整合，异步电机作为参考模型，而全阶观测器为可调模型，利用两模型输出的误差构造了一个自适应律。理论分析和仿真结果表明，该转速辨识方法具有较强的鲁棒性和令人满意的动静态性能。     

考虑定子电阻鲁棒性的永磁同步电机速度辨识方案

针对具有定子电阻不确定性的永磁同步电机模型,设计了一种具有定子电阻鲁棒性的自适应观测器,并结合Lyapunov方法推导出转子速度自适应辨识率,同时运用线性矩阵不等式（LMI）求解二次稳定性条件的方法来获得观测器的增益矩阵。仿真结果表明,该自适应观测器在全速范围内能很好地抑制定子电阻不确定性对速度辨识的影响,具有很强的鲁棒性。     

改进的BP神经网络在铁路客运量时间序列预测中的应用

针对目前铁路客运量预测方法的不足,采用改进的BP神经网络对铁路客运量时间序列进行预测。分析改进的BP神经网络原理,对1980年—1998年的铁路客运量进行归一化处理,建立铁路客运量时间序列神经网络预测模型,设计网络参数,进行网络学习与训练的仿真试验。对比分析改进的BP神经网络与标准的BP神经网络预测结果,证明改进的BP神经网络预测结果更准确,精度更高。     

基于LM神经网络模型的机车牵引力和制动力的计算

针对传统机车牵引力、制动力计算的不足,提出了基于LM(Levenberg-Marquardt)算法的前向多层神经网络模型方法,阐述了该神经网络的结构设计,利用LM算法使得在网络结构最小、训练步长最短的情况下实现精度最优.仿真与试验的结果表明,利用该神经网络模型能较好地计算机车的牵引力与制动力,其精确性、快速性和抗干扰性都优于其他计算方法.     

转子电阻变化对异步电机直接转矩控制影响的仿真分析

使用MATLAB/SIMULINK语言建立三相异步电机直接转矩控制仿真模型。通过对不同转子电阻在直接转矩控制下得到的电机转速和定子磁链图形的分析比较，得出了转子电阻变化对交流异步电机直接转矩控制没有影响的结论。     

基于多智能体的城市轨道交通列车延误仿真模型与应用

城市轨道交通列车延误处置方案制定是轨道交通运营管理的重要工作,处置方案的合理性是提高处置效率的前提,验证处置方案的合理性也是运营管理部门急待解决的问题。基于此,以多智能体（以下简称多Agent）理论为基础,分别构建乘客Agent、列车Agent、网络Agent及突发事件Agent的仿真模型;分析列车延误的多Agent仿真原理;以上海轨道交通2号线列车延误为背景,编写多Agent列车延误仿真程序,并对处置方案进行仿真分析,该模型已在上海轨道交通人民广场站大客流处置工作中得到了实际应用。     

基于改进NARX神经网络的接触线表面不平顺与弓网接触力关联分析方法

建立弓网耦合动力学模型,采用软件MATLAB的Simulink模块对该模型进行动态仿真,获取接触线表面不平顺和弓网接触力数据;对接触线表面不平顺和弓网接触力数据进行归—化处理后,分别作为非线性自回归(NARX)神经网络的输入和输出;对传统的贝叶斯正则化算法进行改进,并采用改进的贝叶斯正则化算法进行NARX神经网络权值修正,得到改进的NARX(NARX-IR)神经网络方法;利用NARX-IR神经网络方法进行接触线表面不平顺与弓网接触力的关联分析.采用根均方误差和相关系数,对基于LM算法的BP(BP-LM)神经网络方法、基于传统贝叶斯正则化算法的NARX(NARX-BR)神经网络方法和NARX-IR神经网络方法进行性能评价.结果表明:BP-LM神经网络方法难以描述接触线表面不平顺与弓网接触力的复杂关联关系;不论在训练还是预测中,NARXIR神经网络方法的根均方误差均小于NARX-BR神经网络方法,而相关系数则大于NARX-BR神经网络方法.由此可推断:NARX-IR神经网络方法更适合于分析接触线表面不平顺与弓网接触力的关联关系.     

城轨信号系统中AP布站设计方案

以地铁用户给定的线路环境数据为输入,根据无线信道传播损耗模型进行无线信号覆盖质量仿真运算,输出全线无线接入点(AP)的初步布置方案,其中输入数据包括数据通信系统设备工作电磁环境参数、现场物理环境数据、无线传输收发设备的技术参数和需要达到的数据传输性能等.根据初步布置方案进行仿真分析,对全线各点的无线覆盖性能给出图形化的...     

直接磁场定向控制在主变流器中的应用

由于直接磁场定向控制是通过对电机的反馈测量而计算出用于控制算法的定子或转子磁链,具有对电机参数变化的自适应作用,因而更加适合于对控制性能要求较高的主变流器的应用.结合电机的电流模型对转子磁链进行辨识,在控制策略中设计了转速、电流、磁链等多个闭环,采用了简单实用的偏差电压解耦方式,构建了完整的控制方案.通过在150 kVA机组上的各种试验,结果表明该控制系统运行稳定、动态性能好,满足实际运用的要求.     

基于径向基神经网络的铁路货运量预测

货运量预测是铁路运输部门一项重要工作,因此,关于铁路货运量预测理论和方法的研究一直是一个热点。但是,铁路货运量受多种因素影响,且各因素的作用机制通常不能或无法用精确的数学语言来准确描述。本文采用径向基函数(RBF)神经网络对货运量进行分析及预测。通过对1989~2002年全国铁路货运量的历史数据分析处理后,得到铁路货运量增长量的时间序列,将时间序列视为一个从输入到输出的非线性映射,引入RBF神经网络来进行非线性映射的逼近。对网络进行学习与训练仿真实验后,用2003~2004年的增长量进行模型检验,并与BP神经网络、灰色预测模型预测结果进行对比,结果表明,应用RBF神经网络对铁路货运量进行短期预测预测精度更高、效果更好。     

大跨度PC斜拉桥结构快速分析神经网络模型

为进行大跨度PC斜拉桥、悬索桥等复杂结构的优化设计、可靠性分析或模型修正,提出基于神经网络的结构快速分析方法。通过对比分析不同样本集构造方法对结构分析精度与效率的影响,认为均匀试验设计法是构造网络训练样本的最优方法。基于Matlab工具箱函数newrb建立招宝山大桥平面分析的径向基函数网络模型,该模型含45个输入层节点和2个输出层节点。根据均匀试验设计法生成180个训练样本,利用有限元分析软件ANSYS进行参数化批量分析,得到样本的模拟试验结果,采用OLS法对径向基函数网络进行训练,用训练好的网络预测结构响应。结果表明:该神经网络模型满足结构快速分析的精度要求,与有限元分析结果吻合良好。