摘要 | 第1-6页 |
Abstract | 第6-8页 |
目录 | 第8-12页 |
1 引言 | 第12-15页 |
·概述 | 第12页 |
·国内外发展状况 | 第12-13页 |
·课题的意义 | 第13页 |
·课题的难点及成果 | 第13-15页 |
2 直接转矩控制原理与系统组成 | 第15-23页 |
·直接转矩控制(DTC)的原理 | 第15页 |
·DTC的基本概念 | 第15-21页 |
·异步电动机数学模型的基本方程 | 第15-16页 |
·逆变器的开关状态和电压状态 | 第16-17页 |
·电压空间矢量对电动机转矩的影响 | 第17-18页 |
·电压空间矢量的正确选择 | 第18-19页 |
·转矩调节 | 第19-20页 |
·直接转矩控制的基本结构 | 第20-21页 |
·采用智能控制方法的直接转矩控制 | 第21页 |
·全数字的直接转矩控制系统 | 第21-23页 |
3 传统DTC系统的仿真 | 第23-31页 |
·引言 | 第23-25页 |
·直接转矩控制系统仿真模型的建立 | 第25-28页 |
·电机模块及电机测量模块 | 第25-26页 |
·异步电机模型 | 第26-27页 |
·电压开关状态的确定 | 第27-28页 |
·其它 | 第28页 |
·仿真结果 | 第28-29页 |
·提高仿真速度的技巧 | 第29-31页 |
4 状态选择器的设计及仿真--用遗传算法优化的模糊控制器选择电压状态 | 第31-46页 |
·引言 | 第31-32页 |
·用遗传算法优化的模糊控制系统构成 | 第32-33页 |
·模糊控制器设计 | 第33-35页 |
·模糊控制简介 | 第33页 |
·模糊控制在直接转矩控制系统中的应用 | 第33-34页 |
·模糊控制器的设计 | 第34-35页 |
·区间判断 | 第35-37页 |
·确定电压状态 | 第37页 |
·用遗传算法优化模糊控制器 | 第37-40页 |
·遗传算法概述 | 第37页 |
·采用遗传算法的优点 | 第37-38页 |
·遗传算法优化模糊控制器的方法 | 第38页 |
·遗传算法优化模糊控制器的实现方法 | 第38-40页 |
·遗传算法优化的模糊控制器进行电压选择的DTC系统的仿真 | 第40-45页 |
·模糊逻辑工具箱简介 | 第40-41页 |
·模糊控制器的设计 | 第41-43页 |
·模糊控制的DTC系统和传统DTC系统的仿真结果比较 | 第43-44页 |
·用遗传算法优化的模糊控制器 | 第44页 |
·用遗传算法优化的模糊控制器选择电压状态的DTC传统仿真结果 | 第44-45页 |
·本章小结 | 第45-46页 |
5 神经网络转速辨识器的设计--对改善DTC系统低速性能的研究 | 第46-64页 |
·神经网络速度辨识在直接转矩控制中的意义 | 第46-47页 |
·建立神经网络中的问题 | 第47页 |
·确定网络结构 | 第47-50页 |
·异步电机数学模型 | 第47-48页 |
·神经网络转速辨识器的结构 | 第48-50页 |
·选择有效的学习算法 | 第50-58页 |
·BP网络及缺陷 | 第50-52页 |
·一种模糊规则动态调整BP算法中参数的方法 | 第52-53页 |
·用于调整学习率η和动量因子α的模糊推理系统 | 第53-55页 |
·基于模糊推理的BP算法学习过程 | 第55-58页 |
·在线的神经网络转速辨识模型 | 第58-59页 |
·MATLAB对速度辨识的仿真 | 第59-62页 |
·几种学习算法的比铰 | 第59-60页 |
·神经网络仿真模型 | 第60-62页 |
·速度辨识仿真结果 | 第62页 |
·本章小结 | 第62-64页 |
6 系统硬件设计 | 第64-79页 |
·引言 | 第64页 |
·设计考虑 | 第64页 |
·DSP数据处理部分 | 第64-67页 |
·数字信号处理器(DSP)TMS320F240的特点 | 第65-66页 |
·TMS320F240与存储器的接口 | 第66-67页 |
·主从系统电路设计 | 第67-68页 |
·主控制电路 | 第68-69页 |
·系统主回路 | 第69-79页 |
·IGBT-IPM智能功率模块 | 第69-70页 |
·霍尔电流、电压传感器模块 | 第70-72页 |
·温度检测电路 | 第72-79页 |
结论 | 第79-81页 |
参考文献 | 第81-85页 |
附录A MATLAB下模糊控制系统 | 第85-87页 |
附录B 神经网络参数 | 第87-93页 |
在学研究成果 | 第93-94页 |
致谢 | 第94页 |