基于多标量模型的感应电机神经网络逆控制 neural network inverse control of induction motor based on multiscalar model.pdfVIP

下载本文档

1
0
约1.61万字
约 5页
2017-08-13 发布于上海
举报
版权申诉

基于多标量模型的感应电机神经网络逆控制 neural network inverse control of induction motor based on multiscalar model.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于多标量模型的感应电机神经网络逆控制 neural network inverse control of induction motor based on multiscalar model

EI．F(、TRIfDRTVF2010 V01．40No．12 电气传动 2010年第40卷第12期基于多标量模型的感应电机神经．网络逆控制王新 (东南大学能源与环境学院，江苏南京210096) 摘要：感应电机多标量模型具有状态变量是标量且物理意义明确和不需旋转坐标变换等优点l神经网络逆系统适合解决不确定性因素(参数变化和外在扰动等)存在的情况下，感应电机高性能的控制问题。为此，提出基于多标量模型的感应电机神经网络逆控制结构，实现感应电机系统的自适应解耦线性化，进而提高系统控制性能。最后对系统进行了仿真研究和软硬件实现方案讨论，理论分析和仿真表明所提控制结构是有效的。关键词：多标量模型；神经网络逆系统；自适应解耦线性化；感应电机中图分类号：TPl3 文献标识码：A NeuralNetworkInverseControlofInductionMotorBasedonMultiscalarModel WANGXin (School ofEnergyEnvironment，Southeast University，Nanjing210096，Jiangsu，China) multiscalarmodelofinductionmotor(IM)ownthe suchasthestate Abstract：The advantages variables arescalar，the ofstatevariablesisclearandthe coordinatetransformationisnotnec— physicalmeaning rotating neuralnetworkinverse suitabletosolvecontrol ofIMwiththeuncer- essary．The system(NNIS)is problem tainfactors(the variationandexternaldisturbanceetc．)．Forthat，theNNlCstructurebasedon parameters themultiscalarmodelofIMwas andlinearization(DL)ofIMwasrealizedand given。theadaptivedecoupling the control was last，thesimulationwasdoneandthesoftware system performanceimproved．At study hardware ofthe were andthesimulationshowthat implementationsproposedsystemdiscussed．theoryanalysis the methodisvalid． proposed networkinverse and Keywords：multiscalarmodel；neural system；adaptivedecouplinglinearization；induc— tionmotor 情况下就使结构十分复杂，而且还没有考虑到未 1 引言