基于RBF神经网络的有源电力滤波器控制方法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-15页 |
| ·引言 | 第11页 |
| ·谐波的危害与抑制 | 第11-13页 |
| ·谐波的危害 | 第11-12页 |
| ·谐波的治理 | 第12-13页 |
| ·有源电力滤波器的发展和现状 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| 2 有源电力滤波器的基本原理及其结构 | 第15-22页 |
| ·有源电力滤波器的基本原理 | 第15-16页 |
| ·有源电力滤波器的分类 | 第16-19页 |
| ·并联有源电力滤波器的结构及其数学模型 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 3 谐波电流检测方法 | 第22-35页 |
| ·谐波电流检测方法的现状 | 第22页 |
| ·基于瞬时无功功率理论的谐波电流检测方法 | 第22-30页 |
| ·瞬时无功功率理论介绍 | 第22-24页 |
| ·p-q 运算方式 | 第24-25页 |
| ·i p iq运算方式 | 第25-26页 |
| ·电压波形畸变对谐波检测方法的影响 | 第26-30页 |
| ·低通滤波器的选取 | 第30页 |
| ·仿真实验 | 第30-32页 |
| ·谐波源仿真 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 4 并联有源电力滤波器的控制 | 第35-60页 |
| ·补偿电流跟踪控制方法简介 | 第35-36页 |
| ·人工神经网络 | 第36-39页 |
| ·人工神经网络概况 | 第36页 |
| ·神经网络概念 | 第36-38页 |
| ·神经网络的基本特点 | 第38-39页 |
| ·RBF 神经网络 | 第39-43页 |
| ·RBF 神经网络概述 | 第39页 |
| ·RBF 网络结构和基本思想 | 第39-40页 |
| ·RBF 网络的学习算法 | 第40-43页 |
| ·RBF 网络的优缺点分析 | 第43页 |
| ·基于蚁群算法优化 RBF 网络 | 第43-51页 |
| ·蚁群优化算法描述 | 第43-45页 |
| ·基本蚁群优化算法数学模型 | 第45-47页 |
| ·基本蚁群优化算法的实现 | 第47-48页 |
| ·基本蚁群优化算法特点及其改进 | 第48页 |
| ·蚁群算法优化 RBF 网络 | 第48-50页 |
| ·仿真实验 | 第50-51页 |
| ·递推积分 PI 控制 | 第51-53页 |
| ·递推积分 PI 控制的算法分析 | 第51-52页 |
| ·递推积分 PI 算法的无误差仿真 | 第52-53页 |
| ·基于蚁群优化算法的 RBF 网络监督控制 | 第53-59页 |
| ·基于蚁群优化的 RBF 网络监督控制算法 | 第53-55页 |
| ·仿真分析 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 5 APF 样机研制与系统调试 | 第60-73页 |
| ·AD 采样硬件电路设计 | 第60-63页 |
| ·同步采样均匀细分电路 | 第60-61页 |
| ·电流信号调理电路 | 第61-62页 |
| ·A/D 采样电路 | 第62-63页 |
| ·基于 DSP+CPLD 的控制算法平台设计 | 第63-66页 |
| ·DSP+CPLD 平台设计 | 第64页 |
| ·软件设计 | 第64-66页 |
| ·IGBT 驱动电路设计 | 第66-67页 |
| ·IGBT 三相全桥电路 | 第67-68页 |
| ·APF 调试 | 第68-71页 |
| ·APF 调度波形 | 第68-70页 |
| ·比较两种控制算法的补偿效果 | 第70-71页 |
| ·APF 系统样机描述 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| 参考文献 | 第75-77页 |
| 作者简历 | 第77-79页 |
| 学位论文数据集 | 第79-80页 |
