第一章 绪论 | 第1-18页 |
1.1 前言 | 第9页 |
1.2 交、直流传动系统的演化 | 第9-12页 |
1.2.1 直流调速系统 | 第10页 |
1.2.2 交流调速系统 | 第10-12页 |
1.3 人工智能 | 第12-14页 |
1.4 人工智能在电气传动控制中的运用 | 第14-15页 |
1.4.1 模糊逻辑控制在电气传动控制中的运用 | 第14-15页 |
1.4.2 神经网络在电气传动中的应用 | 第15页 |
1.5 智能直接转矩控制策略 | 第15-16页 |
1.6 本文的主要工作及研究内容 | 第16-18页 |
第二章 直接转矩控制方案的理论基础 | 第18-32页 |
2.1 异步电动机的数学模型 | 第18-20页 |
2.2 异步电动机的直接转矩控制 | 第20-26页 |
2.2.1 磁链的运动轨迹控制 | 第20-25页 |
2.2.2 转矩直接控制 | 第25-26页 |
2.2.3 电压矢量表 | 第26页 |
2.3 电压矢量作用分析 | 第26-29页 |
2.3.1 区段内确定位置上不同矢量的作用 | 第27-28页 |
2.3.2 区段内在不同位置时同一电压矢量的作用 | 第28-29页 |
2.4 仿真实例 | 第29-32页 |
2.4.1 异步电动机直接转矩控制系统的建模 | 第30页 |
2.4.2 磁链及转矩调节器 | 第30页 |
2.4.3 开关表和逆变器 | 第30-31页 |
2.4.4 仿真结果 | 第31-32页 |
第三章 智能控制策略 | 第32-48页 |
3.1 自动控制理论发展简史 | 第32页 |
3.1.1 经典控制理论阶段 | 第32页 |
3.1.2 现代控制理论阶段 | 第32页 |
3.1.3 大系统理论和智能控制理论阶段 | 第32页 |
3.2 模糊控制 | 第32-36页 |
3.2.1 模糊控制发展概况 | 第33页 |
3.2.2 模糊控制的基本结构和组成 | 第33-36页 |
3.3 神经网络控制 | 第36-48页 |
3.3.1 神经网络的发展概况 | 第36-37页 |
3.3.2 常用神经网络结构和学习算法 | 第37-38页 |
3.3.3 前馈神经网络 | 第38-42页 |
3.3.4 反馈神经网络 | 第42-43页 |
3.3.5 模糊神经网络 | 第43-48页 |
第四章 模糊直接转矩控制策略 | 第48-59页 |
4.1 感应电机定子电阻模糊辨识 | 第48-52页 |
4.1.1 模糊观察器输入变量的确定 | 第49页 |
4.1.2 模糊观测器的设计 | 第49-52页 |
4.1.3 实验结果 | 第52页 |
4.2 基于模糊逻辑的直接转矩控制 | 第52-59页 |
4.2.1 引言 | 第52页 |
4.2.2 模糊直接转矩控制方法 | 第52-57页 |
4.2.3 模糊直接转矩控制与一般直接转矩控制性能的比较 | 第57-59页 |
第五章 神经网络直接转矩控制策略 | 第59-69页 |
5.1 异步电机定子磁链神经网络观测器 | 第59-62页 |
5.1.1 利用神经网络建立定子磁链观测器 | 第59-60页 |
5.1.2 实时递归神经网络及其算法 | 第60-62页 |
5.2 异步电机转速神经网络辨识 | 第62-64页 |
5.2.1 异步电机的数学模型 | 第62页 |
5.2.2 转子速度估计 | 第62-63页 |
5.2.3 具体算法 | 第63-64页 |
5.2.4 仿真结果 | 第64页 |
5.3 直接转矩控制的模糊神经网络实现 | 第64-69页 |
5.3.1 基于直接转矩控制的感应电机模糊实现 | 第64-65页 |
5.3.2 模糊神经网络实现 | 第65-68页 |
5.3.3 仿真结果 | 第68-69页 |
第六章 神经元自适应控制的智能直接转矩闭环调速系统 | 第69-76页 |
6.1 PID控制 | 第69-71页 |
6.1.1 PID控制原理 | 第69-70页 |
6.1.2 自适应控制 | 第70-71页 |
6.2 自适应神经元速度调节器 | 第71-73页 |
6.3 自适应算法调节增益的神经元控制智能直接转矩控制系统 | 第73-76页 |
6.3.1 基于自适应算法修正增益的神经元速度控制器 | 第73-74页 |
6.3.2 系统仿真结果 | 第74-76页 |
结束语 | 第76-77页 |
参考文献 | 第77-81页 |
致谢 | 第81-82页 |
作者在攻读硕士学位期间完成的论文 | 第82页 |