-
公开(公告)号：CN110971169B
公开(公告)日：2021-06-25
申请号：CN201911329138.5
申请日：2019-12-20
Applicant: 长安大学
Abstract: 本发明公开了一种基于模糊输出占空比的永磁同步电机直接转矩控制方法，首先通过开关表选择电压矢量，然后将当前转矩误差和转矩误差变化率、定子磁链误差三个输入量输入到模糊控制器中，输入量在模糊控制器中经模糊化、模糊推理、解模糊三部分，输出所选择的基本电压矢量对应的占空比，通过空间矢量调制技术输出用于直接转矩控制。本发明可以有效减小转矩脉动和磁链脉动。
-
公开(公告)号：CN110224654B
公开(公告)日：2021-01-12
申请号：CN201910603585.9
申请日：2019-07-05
Applicant: 长安大学
Abstract: 本发明公开了一种无差拍预测控制近似替代电压矢量简化选择方法，本发明首先推导计算磁链和转矩无差拍控制理想施加电压矢量的角度和幅值，再确定备选电压矢量集合为该电压矢量与零电压矢量，最后根据理想电压矢量的幅值，选择施加零电压矢量还是非零电压矢量，本发明无需遍历所有基本电压矢量即可选择出最优电压矢量，将预测运算次数由7次减小至2次，显著降低了算法的复杂度和计算量，提高了电机的控制性能。
-
公开(公告)号：CN110971169A
公开(公告)日：2020-04-07
申请号：CN201911329138.5
申请日：2019-12-20
Applicant: 长安大学
Abstract: 本发明公开了一种基于模糊输出占空比的永磁同步电机直接转矩控制方法，首先通过开关表选择电压矢量，然后将当前转矩误差和转矩误差变化率、定子磁链误差三个输入量输入到模糊控制器中，输入量在模糊控制器中经模糊化、模糊推理、解模糊三部分，输出所选择的基本电压矢量对应的占空比，通过空间矢量调制技术输出用于直接转矩控制。本发明可以有效减小转矩脉动和磁链脉动。
-
公开(公告)号：CN110943663A
公开(公告)日：2020-03-31
申请号：CN201911215132.5
申请日：2019-12-02
Applicant: 长安大学
Abstract: 本发明公开了一种永磁同步电机动态有限状态集模型预测转矩控制方法，基于表面式永磁同步电机磁链和转矩预测模型，分析了电压矢量角度和幅值对电机磁链和转矩的作用规律，使用模糊控制根据系统状态在线设计备选电压矢量集合，并分析在备选电压矢量集合中增加零电压矢量对系统控制效果的影响。综合考虑系统转矩、磁链、开关频率以及动态性能的控制要求，以磁链误差绝对值作为系统静动态判断条件，动态调整系统的备选电压矢量集合，精简了备选电压矢量集合，同时提高了控制系统的综合性能，减小转矩脉动。
-
公开(公告)号：CN110518847A
公开(公告)日：2019-11-29
申请号：CN201910817695.5
申请日：2019-08-30
Applicant: 长安大学
Abstract: 本发明公开了基于BP神经网络的表面式永磁同步电机模型预测控制方法，本发明首先通过表面式永磁同步电机模型预测控制算法中的输入量和输出量生成最优电压矢量序列，再通过最优电压矢量序列训练BP神经网络拓扑模型，采用训练后的BP神经网络替代表面式永磁同步电机模型预测算法，BP神经网络具有强大的非线性拟合和模式识别分类的能力，可以大大减少算法的运算时间和运算负担，提高系统的及时性，同时具有结构简单、精度较高、反应速度快等优点，而且神经网络分布式并行运算的特点使得大量运算成为可能，可以减轻系统计算负担，提高系统响应及时性，相对于传统的模型预测算法具有一定的创新优势，验证了智能算法在电机控制中的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN110620538B
公开(公告)日：2021-05-18
申请号：CN201910691275.7
申请日：2019-07-29
Applicant: 长安大学
Abstract: 一种减小磁链脉动的方法，对对磁链和转矩增减效果影响最大的电压矢量角度集合、对磁链和转矩增减效果影响最小的电压矢量角度集合、混合备选电压矢量角度集合以及含7个基本电压矢量的备选电压矢量集合分别进行仿真分析，得到混合备选电压矢量集合的稳态综合性能是最优的，该集合中每一个电压矢量角度值对应一个考虑磁链幅值约束的成本函数值，在所有的考虑磁链幅值约束的成本函数值中选择最小的成本函数值所对应的电压矢量角度，将该电压矢量施加给电机。本发明在混合备选电压矢量集合的基础上，利用考虑磁链幅值约束的成本函数，增强对磁链的有效约束，解决动态下转速阶跃出现较大磁链波动的问题。
-
公开(公告)号：CN110518860B
公开(公告)日：2021-05-04
申请号：CN201910817768.0
申请日：2019-08-30
Applicant: 长安大学
Abstract: 本发明公开了基于BP神经网络和开关表的永磁同步电机模型预测控制方法，本发明采用BP神经网络替代表面式永磁同步电机模型预测算法，BP神经网络具有强大的非线性拟合和模式识别分类的能力，其分布式并行运算的特点可以大大减少算法的运算时间和运算负担，提高系统的及时性，并且BP神经网络替代模型预测算法的准确率和效果均令人满意，其选择最优电压矢量的准确率可以达到88.34％，由于神经网络没有反馈和纠正能力，通过设置一个开关量和阈值切换神经网络工作模式和开关表工作模式可以有效解决BP神经网络动态阶跃下的失控问题，本发明具有一定的创新优势，验证了智能算法在电机控制中的应用前景。
-
公开(公告)号：CN110224649B
公开(公告)日：2021-04-06
申请号：CN201910595422.0
申请日：2019-07-03
Applicant: 长安大学
Abstract: 本发明涉及一种基于支持向量机用于DTC预测控制的方法，先选取已有的电机运行参数作为输入与输出样本；将选取的输入与输出样本分别进行归一化处理；对归一化处理后的样本进行训练，得到输出电压矢量的基于支持向量机用于DTC的预测模型；对当前电机的运行参数进行归一化处理后输入到预测模型中，通过预测模型输出施加的基本电压矢量；根据预测模型输出的基本电压矢量，控制逆变器的开关状态，完成基于支持向量机用于DTC预测控制。本发明能够减少相关计算量，减小转矩脉动，且开关频率恒定。
-
公开(公告)号：CN110535396B
公开(公告)日：2021-03-30
申请号：CN201910817795.8
申请日：2019-08-30
Applicant: 长安大学
Abstract: 本发明公开了基于BP神经网络的表面式永磁同步电机模型预测控制方法，本发明采用BP神经网络替代表面式永磁同步电机模型预测算法，BP神经网络具有强大的非线性拟合和模式识别分类的能力，其分布式并行运算的特点可以大大减少算法的运算时间和运算负担，提高系统的及时性，并且BP神经网络替代模型预测算法的准确率和效果均令人满意，其选择最优电压矢量的准确率可以达到88.34％，由于神经网络没有反馈和纠正能力，通过设置一个开关量和阈值切换神经网络工作模式和MPC工作模式可以有效解决BP神经网络动态阶跃下的失控问题。
-
公开(公告)号：CN110518847B
公开(公告)日：2021-03-30
申请号：CN201910817695.5
申请日：2019-08-30
Applicant: 长安大学
Abstract: 本发明公开了基于BP神经网络的表面式永磁同步电机模型预测控制方法，本发明首先通过表面式永磁同步电机模型预测控制算法中的输入量和输出量生成最优电压矢量序列，再通过最优电压矢量序列训练BP神经网络拓扑模型，采用训练后的BP神经网络替代表面式永磁同步电机模型预测算法，BP神经网络具有强大的非线性拟合和模式识别分类的能力，可以大大减少算法的运算时间和运算负担，提高系统的及时性，同时具有结构简单、精度较高、反应速度快等优点，而且神经网络分布式并行运算的特点使得大量运算成为可能，可以减轻系统计算负担，提高系统响应及时性，相对于传统的模型预测算法具有一定的创新优势，验证了智能算法在电机控制中的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.015 seconds)
