直接转矩控制下开关磁阻电机的参数辨识研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-12页 |
| 1.1.1 开关磁阻电机的发展现状 | 第10-11页 |
| 1.1.2 直接转矩在SR电机控制的研究 | 第11-12页 |
| 1.2 电机参数辨识发展现状 | 第12-16页 |
| 1.2.1 交流电机参数辨识方法 | 第13-14页 |
| 1.2.2 SR电机与异步电机参数辨识的差异性 | 第14-15页 |
| 1.2.3 开关磁阻电机参数辨识方法 | 第15-16页 |
| 1.3 论文的选题意义及论文安排 | 第16-18页 |
| 1.3.1 选题背景及意义 | 第16-17页 |
| 1.3.2 论文内容安排 | 第17-18页 |
| 第2章 SR电机的直接转矩理论及磁链特性检测 | 第18-31页 |
| 2.1 SR电机直接转矩控制原理 | 第18-25页 |
| 2.1.1 SR电机结构及数学模型 | 第18-21页 |
| 2.1.2 SR电机直接转控制理论 | 第21-25页 |
| 2.2 基于DSP的SR电机磁链采集 | 第25-30页 |
| 2.2.1 磁链测量原理 | 第25-26页 |
| 2.2.2 测量过程及结果 | 第26-28页 |
| 2.2.3 电感特性和转矩特性 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第3章 基于优化BP神经网络定子电阻辨识方法 | 第31-44页 |
| 3.1 优化BP神经网络定子电阻辨识原理 | 第31-35页 |
| 3.1.1 电流误差的提出 | 第31-33页 |
| 3.1.2 双模型电流误差定子电阻辨识方法的提出 | 第33-34页 |
| 3.1.3 定子电阻误差辨识方法可行性分析 | 第34-35页 |
| 3.2 优化BP神经网络模型 | 第35-39页 |
| 3.2.1 BP神经网络算法原理 | 第36-37页 |
| 3.2.2 传统BP网络学习过程 | 第37-38页 |
| 3.2.3 BP网络的局限性及优化 | 第38-39页 |
| 3.3 定子电阻辨识的实现与分析 | 第39-43页 |
| 3.3.1 基于优化BP网络基本数据选择 | 第40页 |
| 3.3.2 优化BP网络辨识实现 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于遗传算法的Torrey模型的参数辨识 | 第44-55页 |
| 4.1 基于傅里叶级数拟合模型—Torrey模型 | 第44-45页 |
| 4.2 基于遗传算法的Torrey模型辨识 | 第45-51页 |
| 4.2.1 基于遗传算法辨识原理 | 第45-46页 |
| 4.2.2 约束条件处理 | 第46-47页 |
| 4.2.3 遗传算法设计 | 第47-50页 |
| 4.2.4 遗传算法流程 | 第50-51页 |
| 4.3 实验结果及分析 | 第51-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 算法验证及仿真 | 第55-72页 |
| 5.1 直接转矩控制仿真平台搭建 | 第55-61页 |
| 5.2 Torrey磁链模型的验证 | 第61-65页 |
| 5.3 基于优化BP网络的定子电阻辨识仿真验证 | 第65-71页 |
| 5.4 本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 攻读学位期间公开发表学术论文情况 | 第80-81页 |
| 致谢 | 第81-82页 |
| 作者简介 | 第82页 |
