无位置传感器无刷直流电机控制系统的设计分析

无刷直流电机以其效率高、控制及结构简单等方面的优势,在工业控制领域中广泛使用。但是,传统无刷直流电机以位置传感器为支撑获得电机转子位置信号,位置传感器在无刷直流电机中的使用,在一定程度上增加了电机成本,且对电机的使用范围产生了限制。     

无磁链反馈无刷直流电机控制研究

基于直接转矩控制的无磁链反馈,提出一种无刷直流电机控制方法,该方法运用转速和转矩滞环的逻辑信号来驱动空间电压矢量,既起到直接控制电机转矩作用,又削弱了转矩脉动;这种方法消除了复杂的磁链环节,SIMULINK和实验结果表明,该系统实现了设计要求。     

基于滑模控制的无刷直流电动机直接转矩控制

为了降低无刷直流电动机的转矩脉动,增强运行稳定性和控制精准度,提出了一种基于滑模控制的无刷直流电动机直接转矩控制方法。基于无刷直流电动机的数学模型,采用超扭曲算法(super-twisting)的滑模控制器代替原有的转矩、磁链滞环比较器,分析了滑模控制器的稳定性,设计了磁链、转矩观测模型;利用空间矢量调制技术代替原有的开关表,实现了对控制系统开关频率的优化;仿真分析了改进前后两种方法的电动机输出特性。结果表明:采用滑模变结构控制提高了控制精准度,有效地抑制了无刷直流电动机的转矩脉动,滑模控制器的稳定性良好,开关频率恒定,逆变器的通断可控性得到改善。改进后的控制方法可以提高无刷直流电动机的系统性能,使电动机运行具有更好的鲁棒性和稳定性。     

基于神经网络的智能故障诊断技术研究综述

介绍了神经网络在设备故障诊断中应用的三个主要方面：故障模式识别、故障预测和诊断专家系统，对应用的方法、特点及存在的问题也作了概略分析，最后展望了今后研究的方向和重点。     

基于神经网络的齿轮箱故障诊断专家系统及应用

在机械故障诊断中,故障与征兆间并非都是一一对应或线性关系。机械设备的故障诊断实质上是一种模式识别,诊断结果的准确度往往取决于模式识别的精度。传统的故障诊断方法基于统计模式识别,在识别速度、可靠性等方面有一定的局限性。目前,基于智能模式识别的故障诊断技术(如诊断专家系统)有了很大的发展,但在知识获取、自学习等方面有待继续发     

用振动测量和神经网络进行齿轮传动的故障诊断

目前已经使用振动测量和神经网络方法开发出了齿轮传动的故障诊断技术。实施振动测量采用背对背结构的齿轮试验装置，在施加负荷和按齿轮节圆线速度条件下运转，这些都是工业齿轮应用的标准型式。齿轮的普通故障模式体现在试验齿轮上。本所研究的运行齿轮有：正常齿轮、齿尖断裂的齿轮、磨损的齿轮、径向跳动超差的齿轮、综合导程误差超差的齿轮和润滑有限制的齿轮。描述齿轮传动运行状态的特征参数有振动、电机功率、油温和转速。振动测量使用加速度计和声发射传感器。自组织映射(Self Organizing Map，SOM)是一种名的神经网络方法，它是使用上述这些特征参数进行训练和试验。所有经过训练的网络都是有效的，其成功率可达到95％以上。神经网络能够识别运行状态，甚至可以达到100％的成功率。     

机械故障诊断的模糊推理与神经网络并行推理的研究

根据机械故障诊断领域模糊知识及机械故障本身的特点,通过对现场专家知识、实验的总结,利用模糊推理与神经网络的互补性,提出了建立一个图形化专家知识库,并在此专家知识库的基础上采用模糊推理与神经网络并行推理,而后在推理结果层面上做出融合和优化的故障诊断方法。该推理诊断方法克服了样本获取的瓶颈问题和提取规则泛化误差,既能提高诊断推理的速度,叉可以提高其准确度,而且实现了多故障的同时诊断,推理效率高,现场应用表明该方法有效可行。     

基于神经网络和VB程序的旋转机械故障诊断系统

以旋转机械常见的质量不平衡、转子不对中两种故障状态和正常运行状态为例,基于神经网络和VB程序构建了旋转机械的故障诊断软件系统.利用一种基于小波包分解后的时域分析方法对旋转机械振动信号进行特征提取,获得了旋转机械正常振动信号及质量不平衡、转子不对中故障状态振动信号的特征向量.借助MATLAB神经网络工具箱,构建了旋转机械的神经网络故障诊断系统,并用旋转机械正常振动信号及质量不平衡、转子不对中故障状态振动信号的特征向量数据对诊断结果的正确性进行了测试,结果表明诊断正确率为88.9%.最后通过MATLAB的二次开发接口与VB程序进行交互,开发出具有良好人机界面的旋转机械故障诊断软件,包括神经网络学习和故障诊断两层界面.     

基于神经网络数据融合技术的诊断系统的研究

神经网络数据融合技术的诊断系统是以电机振动信号和电流、电压信号为研究对象的,对采集到的3类信号进行实时处理,运用神经网络对数据进行局部诊断,再利用数据融合技术对故障信号进行全局分析融合,从而达到对电机故障类型的准确判断。通过运行表明,应用在故障诊断中的神经网络数据融合技术是一种故障识别率高、方便灵活而且诊断精度高的故障诊断方法。     

混沌神经网络在球磨机故障诊断中的应用

针对神经网络极易陷入局部极小的问题,采用引入动量项和混沌映射的改进BP算法,讨论引入动量项和混沌映射的神经网络综合模型的建模思路及其算法实现;介绍球磨机常见的故障类型,建立球磨机故障诊断的混沌神经网络模型,进行仿真试验,结果表明:该模型具有较高的预测精度,可以有效地运用于球磨机诊断中的故障预测。     

应用虚拟仪器技术的异步电机故障诊断研究

介绍基于虚拟仪器技术构建的异步电机检测系统,实现了异步电机系统的参数检测和故障诊断。文章将基于LabVIEW的小波包理论应用于电机故障诊断研究,将小波变换极大模分析方法应用于信号突变成分的检测,有效地定位并检测出异步电机中的早期故障。最后,通过实验证明了基于小波理论的故障诊断方法的可行性。     

信息融合技术在高压电气设备温变故障诊断中的应用

针对高压电气设备结构复杂、监测环境恶劣、温变故障不易诊断等特点,采用FBG(光纤布拉格光栅)传感器对以温度为主的若干参数进行实时监测。采用神经网络进行故障特征识别分类,通过专家系统对故障信息进行信息融合综合诊断。经仿真和试验研究,温变故障诊断效果良好,为解决高压电气设备温变故障监测和准确诊断提供了一条有效途径。     

基于RBF神经网络的微机械陀螺仪温度控制系统

为了避免微机械陀螺仪受温度影响产生较大波动,设计了基于RBF神经网络的微机械陀螺仪温度控制系统。首先,构建了微机械陀螺仪温度控制装置的数学模型;其次,鉴于控制模型参数会随温度改变而发生变化,提出了基于RBF神经网络的自适应PID控制算法,利用径向基函数的局部逼近能力调节微机械陀螺仪环境温度。结果表明,设计方案基于RBF神经网络,可实时整定PID参数,且能够准确控制微机械陀螺仪的温度。与传统PID控制相比,基于RBF神经网络的自适应PID控制算法具有更快的调节速度和较强的鲁棒性,实现了微机械陀螺仪温度的无静差控制,降低了模型参数变化对控制效果的影响,满足温度控制系统的要求。     

基于主成分分析和遗传程序设计的油浸式变压器故障诊断

提出了一种基于主成分分析和遗传程序设计的分类模型,并应用于油浸式变压器故障诊断中。该分类模型以变压器油中溶解气体的DGA数据为评价指标;通过对所采集数据进行主成分分析,减少了数据的冗余度,从而大大降低了问题的复杂度。实验证明该模型是高效可行的。     

基于神经网络的产品突破性创新机遇识别

为了帮助企业在进行技术研发之前识别出最有潜力的技术,提高产品突破性创新的成功概率,提出了一种在模糊前端阶段进行突破性创新机遇识别的定量方法。首先,通过文献研究,确定产品突破性创新的路径特征,并提取产品突破性创新的相关影响因素,通过建立解释结构模型（ISM）提取并构建产品突破性创新机遇识别特征体系。其次,对突破性创新案例和非突破性创新案例进行特征对比,以各特征因素变化趋势为自变量,建立神经网络。最后,对样本数据进行拟合,构建产品突破性创新机遇识别模型。研究结果表明,研究所提模型能够对产品的突破性创新机遇进行有效识别,可应用于产品创新设计过程的模糊前端阶段。研究可为企业在突破性创新项目中更有效地进行机遇识别提供理论指导。     

神经网络PID控制器在温度控制中的应用

采用计算机技术,能够方便地将神经网络PID控制器应用于实际工业过程中。在介绍基于对角递归神经网络辨识的PID控制器结构及学习算法的基础上,采用PCS-B型过程控制系统实验装置,以MCGS组态软件为运行平台,对加热器温度控制系统进行了实验研究。实验结果表明,通过神经网络PID控制策略组态,能够在线调整PID控制器参数,在温度控制实验中获得了满意的控制效果。     

基于优化模糊神经网络控制的加热炉应用

针对加热炉具有大惯性和纯滞后性,提出优化模糊神经网络控制。该控制将模糊逻辑推理与神经网络控制技术融合,同时利用遗传算法优化隶属度函数,采用误差反向传播学习算法在线调节神经网络权值,提高了控制器的稳定性、鲁棒性和适应性。仿真结果证实了控制器的有效性。