一、基于模糊神经网络的直接转矩控制变频器的实现（论文文献综述）
李雄川[1]（2021）在《渔船推进电机仿真、控制与监控》文中指出
罗明帅[2]（2021）在《跑步机变频调速控制器的开发》文中指出随着人们健康意识的提高,尤其是新冠肺炎爆发以来,居家锻炼已成为一种趋势。跑步机作为一种重要的室内健身器材得到了较为广泛的应用。人在跑步过程中,由于每个运动者的体重和速度均不一样,导致负载转矩变化很大。因此,本文旨在开发一款跑步机专用的交流调速控制器,使其在脉冲负载的作用下,电机转速平缓调节,实现舒适控制。本文对跑步机的数学模型、矢量控制、电压空间脉宽矢量和脉冲型负载特性作了详细的分析,并建立了基于脉冲型负载的矢量控制系统结构图。针对矢量控制中PI控制器自适应能力不足的问题,提出了一种单神经元PI控制器,并利用Sgn函数和模糊控制分别对单神经元PI控制器的比例增益K进行优化,进一步提高其自适应能力。将上述理论分析在Matlab/Simulink环境下进行建模与仿真,仿真结果表明控制系统具有更好的鲁棒性。在仿真验证的基础上,以DSP TMS320F28335为控制核心开发了一款控制器。首先根据跑步机参数要求,对控制器的电源部分、数字部分以及模拟部分相关电路进行设计,然后利用CCS操作平台对整个系统的主程序和中断服务子程序进行编写,最后对所开发的控制器进行调速性能测试。测试结果表明本文所开发的跑步机变频调速控制器在面对不同类型的脉冲负载时,均能使电机转速的超调量维持在3%以内,满足跑步机国家标准GB17498.6-2008最高速度准确度等级。
刘志辉[3]（2020）在《郭家湾煤矿刮板输送机变频驱动优化设计与实现》文中研究说明随着煤矿综采工作面自动化、智能化程度的不断提高,刮板输送机逐渐向大功率、高可靠性、智能化方向发展。传统驱动方式已经远远不能满足现代刮板输送机的驱动以及运行要求,如启动困难、机械损耗严重、对电网冲击电流大以及首尾电动机功率不平衡问题日益突出。因此,研究并优化刮板输送机变频驱动方案意义重大。本课题针对郭家湾煤矿原刮板输送机变频驱动方案存在的问题,对其进行优化改造。在阐述刮板输送机基本结构、工作原理、驱动方式以及功率不平衡因子等基础内容的基础上,给出刮板输送机启动过程、稳态过程的变频驱动方案设计。启动过程采用电流平均值+调整机头、机尾电动机顺序启动时间的方法实现刮板输送机启动过程的变频控制以及功率平衡;稳态过程采用直接转矩控制方法,以得到精度较高的转矩和转速,实现刮板输送机稳态过程的变频控制以及功率平衡;同时,完成变频驱动方案的保护机制;PLC控制器与变频器之间的通信方式更换为Canopen通信模式,并预留接口进行数据上传至地面调度室。本课题详细介绍了变频驱动原理,并给出优化后刮板输送机变频驱动方案的软件实现方法以及调试过程。所设计方案已经在郭家湾煤矿综采工作面完成工业试验。试验结果表明,优化后的刮板输送机变频驱动方案能够保证其安全、稳定、连续运行,首尾电动机功率差控制在合理范围之内,运行状态以及控制精度达到设计要求。
胡磊[4]（2020）在《刮板输送机负载预测与调速控制研究》文中提出随着智能控制技术的发展,结合煤矿井下开采环境,实现工作面“少人”以及“无人化”开采是井下安全、高效生产的关键,同时也是煤矿智能开采的重要发展方向。刮板输送机作为综采工作面的主要运煤设备,承接采煤机开采过程中的落煤,且负载存在非线性、不稳定的特征,容易使刮板输送机因载荷突变而引起故障等问题。本文对刮板输送机电流进行特征幅值信息提取,引入卷积神经网络预测算法对刮板输送机负载进行预测,并以此作为刮板输送机速度控制的依据,利用模糊PID控制完成刮板输送机的速度调节。具体的研究工作如下:（1）针对煤矿井下采运不平衡问题以及智能化的要求,分析刮板输送机的组成原理以及传动系统的特点,制定基于刮板输送机负载预测的调速控制总体方案;对浅层神经网络算法与深层神经网络算法进行分析,选定本文刮板输送机负载预测的算法。（2）通过分析刮板输送机负载与电流之间的映射关系,以减速器齿轮啮合频率的幅值信息作为刮板输送机负载特性的表征;利用煤矿井下采集的电流数据进行去工频等处理,提取负载的特征幅值数据信息,建立负载幅值数据集,为刮板输送机负载预测模型提供数据支持。（3）对卷积神经网络的网络架构以及特点进行分析,结合刮板输送机的短时特征性质,提出基于一维卷积的刮板输送机负载预测方法;建立基于卷积神经网络的刮板输送机负载预测模型,通过历史数据与预测数据的对比分析,验证模型的有效性,为煤矿井下刮板输送机负载预测研究提供实验室基础。（4）在对刮板输送机负载进行预测的基础上,设计刮板输送机调速控制系统,利用模糊PID控制器幅值反馈的方式,以啮合频率幅值变化作为输入,实现刮板输送机的速度调节;利用Simulink软件仿真的方式对模糊PID控制器性能进行验证,并采用粒子群算法对其控制参数进行优化,使控制更加准确与高效。
何永盛[5]（2020）在《基于贝叶斯网络的变频器主电路故障诊断方法研究》文中提出随着变频技术和微电子技术的蓬勃发展,变频器以其卓越的控制能力和节能能力在矿井提升领域得到了广泛的应用。变频器是矿井提升系统中的关键设备,承担着电气能量变换的重要作用。变频器主电路的组成结构复杂,其中的元件通常工作在高压高频的环境下,易出现故障导致变频器无法正常工作。提升机变频器的正常运行与否直接影响到了设备与人员的安全,也关系着矿山的生产收益。因此研究变频器主电路的故障诊断问题,具有非常重要的应用价值,本文研究了基于贝叶斯网络的变频器主电路故障诊断方法。首先,本文以ABB公司的ACS800型变频器为研究对象,将变频器主电路划分为三个环节:整流环节、直流环节和逆变环节,在研究这三个环节的结构和工作原理上,分析各环节常见故障。根据实验平台对这三个环节分别建立仿真模型,分析发生各种故障时的输出波形,提取出相应的故障特征。其次,对变频器主电路三个环节建立贝叶斯故障诊断模型。对整流环节采用数据驱动的方法建立贝叶斯故障诊断模型。根据提取的故障特征建立贝叶斯诊断模型结构,利用EM算法学习网络的参数。由于模型的参数学习和验证需要大量的数据,本文在仿真模型中设置不同的故障模式以获取样本数据。利用测试数据对模型进行了验证,结果表明模型具有较高的故障诊断精度。提出一种小样本条件下贝叶斯模型建立方法应用于故障数据集较小的直流环节模型构建。对直流环节贝叶斯模型结构,采用历史运行数据矫正基础概率法获取根节点的先验概率,用先验Beta分布法获取非根节点的条件概率。该方法可充分结合专家先验知识和已有样本数据,利用测试数据对建立的模型进行验证,结果表明该模型具有较好的效果。提出一种优化的贝叶斯模型建立方法应用于逆变环节的故障诊断。考虑到变频器故障诊断中存在的属性冗余问题,提出将粗糙集遗传算法和贝叶斯网络相结合的故障诊断模型建立方法,利用粗糙集遗传算法降低属性复杂度,由于约简结果不唯一,提出基于精度和时间的模型性能评价算法选择建立最优模型。利用测试数据对建立的优化模型进行验证,结果表明该模型比模糊神经网络模型具有更高的诊断精度,验证了所提方法的有效性。最后,基于Matlab中的GUI模块完成了变频器主电路故障诊断系统的设计,实现了对变频器主电路三个环节故障的诊断与定位。所建立的故障诊断系统具有较好的人机交互能力和较强的数据处理能力,能够实现波形数据的预处理,故障诊断,模型自学习等。通过实例验证了故障诊断系统各模块的功能。
李成林[6]（2020）在《基于永磁电机的带式输送机功率平衡研究》文中进行了进一步梳理随着我国经济的飞速发展,能源的需求量逐年增长。带式输送机作为煤矿运输系统的主要设备,需要具备大运量、长距、高速的输送能力。因此,双电机驱动的形式被广泛使用。但随着驱动电机数目的增加,协同驱动的难度也相应增加,出现驱动力不平衡运转的情况,严重时会损坏电机。且目前输送机普遍采用“异步电机+减速器”的形式实现低速大扭矩驱动。其驱动环节较多,导致驱动系统整体效率不高,进而使得维护故障的几率增加,不利于企业正常生产。为此,本文设计了基于低速大扭矩的永磁电机直驱系统,并对其进行功率平衡控制研究。论文主要的研究工作有:介绍永磁电机的结构,并根据坐标变换建立永磁同步电机的数学模型。根据带式输送机的工作特性,确定对永磁电机采用id=0的矢量控制策略,并对SVPWM调制技术进行详细分析和研究,利用MATLAB/Simulink软件建立了相应的控制仿真模型。进行带式输送机动力学分析。基于有限元法建立了输送机负载数学模型,进一步与永磁同步电机矢量控制模型建立联系,得到永磁直驱-带式输送机机电耦合模型。此外,通过对双电机驱动的两种布置形式的速度、驱动力等方面对比,确定本文所要研究的头尾双驱动的布置形式以及控制方案,同时探讨并确定了理想的“S”型软启动曲线。根据永磁直驱带式输送机系统具有时滞、时变、多变量控制的复杂性,决定采用模糊PID控制方式,并在此基础上,针对模糊控制论域固定的缺陷,提出变论域思想,根据输入输出实时调整论域。最后借助MATLAB/Simulink仿真,结果表明变论域模糊PID控制性能更优。给出永磁直驱系统电控系统的设计,包括主控制器和变频器选型,控制程序设计等。并且通过模拟仿真,表明该方法具有响应速度快、鲁棒性强、功率平衡精度高等优点,完全满足带式输送机多电机功率平衡控制的要求。同时也验证了本文所建立的永磁直驱-带式输送机系统机电耦合模型的合理性和正确性。图46表13参107
李治昆[7]（2020）在《胶带机永磁直驱系统多机控制策略研究》文中认为带式输送机作为中远程距离的物料传输设备,具有结构简单、运输成本低、可靠性高、传输能力强、方便高效等优点,因而被各大工厂企业广泛使用。随着整个社会产业结构的不断改进,各大企业的生产制造规模也逐渐增大,大功率带式输送机的研究也逐渐成为热点,带式输送机也不断朝着高速、长距离、大功率、智能化的方向发展。针对传统带式机驱动系统存在的不足,本文对基于永磁直驱系统的带式输送机多机控制方案进行了深入研究。本文的主要研究工作如下:首先,对带式输送机的结构、特点进行概述,对带式机系统的几种常用的驱动装置进行分析比较,并选定了永磁电机变频驱动作为本文的驱动方案。根据输送带的粘弹性特征,采用Kelvin-Voigt模型对皮带机进行动态分析。对带式机的启动特性进行研究,并选取S型曲线作为其启动曲线。其次,根据带式输送机的简化模型,对皮带机的摩擦传动理论进行研究,对多机驱动系统中的牵引力分配问题进行探究,并对多机系统中的功率不平衡因素进行分析。以永磁电机作为带式机的驱动电机,针对双机刚性连接、柔性连接的两种不同工况,进行了多机平衡控制结构设计。结合偏差耦合控制结构,对三机双滚筒驱动的带式机进行多机平衡控制,采用转速电流控制法,在保证各电机转速相同的前提下,通过转矩电流耦合补偿法实现三机系统中负载的均衡分配。再者,建立永磁同步电机数学模型,对其矢量控制系统原理进行分析,搭建对应的仿真模型,并进行分析研究。针对传统PI控制策略的缺点,引入ADRC算法,并结合模糊控制理论,设计了模糊自抗扰控制器,并对其性能进行仿真分析和验证。然后,针对本文中已建立的多机平衡控制模型,搭建对应的仿真模型,并通过仿真分析,验证多机平衡控制策略的有效性。最后,以煤矿内基于永磁直驱系统的带式输送机为研究对象,对其多机平衡控制系统进行简介,通过现场实验,对本文中的控制方案进行验证。该论文有图75幅,表3个,参考文献89篇。
武炳林[8]（2020）在《感应电机无速度传感器矢量控制系统研究》文中提出感应电机高性能调速系统需要安装光电编码器,其同心度精度低于50um时,无法实现闭环控制。同时,编码器信号易受到电磁干扰,且安装编码器增加了感应电机变频调速硬件系统的复杂程度。因此通过采集电机定子电压、电流等信号,利用相关算法进行转速估计的无速度传感器技术成为研究热点。目前主要有基于电动机基本模型和基于电动机各向异性两种控制方案。本文主要针对无速度传感器矢量控制系统存在中低速震荡以及对测量噪声敏感的问题,基于电动机基本模型的观测器方法研究感应电机无速度传感器矢量控制系统。首先,分析了感应电机的动态数学模型具有高阶、非线性、强耦合的性质。通过矢量坐标变换简化了感应电机的动态数学模型。其次,针对感应电机在中低速存在转速震荡、抗扰性能弱、转速估计精度低的问题,提出了基于转子磁链模型的模型参考自适应（Model Reference Adaptive System,MRAS）观测器和滑模观测器相结合并运用遗传算法优化滑模观测器参数的转速估计方法,同时设计了一种磁链、转速模糊PI控制器和电流滑模控制器相结合的控制策略。仿真结果表明,所提方法有效减小了感应电机中低速转速震荡幅值,提高了抗扰性能和转速估计精度。再次,针对感应电机高速运行时,电机参数非线性变化导致系统噪声和测量噪声对信号影响增大的问题,研究了基于扩展卡尔曼滤波（Extended Kalman Filter,EKF）的无速度传感器技术。为了增强感应电机无速传感系统对电机参数和外部环境变化以及测量噪声干扰的鲁棒性,设计了一种基于强跟踪扩展卡尔曼滤波（Strong Tracking Extended Kalman Filter,STEKF）的转速估计方法,并采用电压解耦控制器消除dq轴的耦合电压。为解决噪声矩阵参数不易确定的问题,通过全局辅助粒子群算法优化噪声矩阵参数。仿真结果表明,基于STEKF的转速估计法提高了系统的抗扰性能和转速估计精度。最后,通过设计切换控制策略,将改进的MRAS转速估计法和改进的EKF转速估计法结合起来,实现了宽范围条件下对电机转速的准确估计。
郭晓杰[9]（2020）在《船舶电力推进系统智能容错控制技术研究》文中指出船舶电力推进系统将船舶操纵推进用电和其他用电负载一体化,具有降低动力装置重量和体积、提高系统供电可靠性以及便于能量综合利用与统一管理等特点,已经成为未来智能船舶的主要发展方向。多发电机组、多种用电负载和智能变电设备的投入使用改变了船舶电力推进系统的拓扑结构和操作特性,也对其解析容错控制设计提出了严峻挑战。因此,综合考虑系统故障行为特性和容错控制体系结构,进行船舶电力推进系统智能容错控制技术研究具有十分重要的意义。本文针对船舶电力推进系统智能容错控制技术的几个关键问题展开了研究:首先,开展了船舶电力推进系统的容错控制体系结构与数学建模研究。明确了本文的研究对象,介绍了船舶中压直流电力推进系统的基本结构和功能特性。考虑电力推进系统容错控制的多层结构与集成设计,提出了一种船舶中压直流电力推进系统递阶、分层智能容错控制体系结构框架,将系统状态监控、健康评估、故障诊断以及容错控制策略的内在联系进行了统一描述。为了对船舶电力推进系统容错控制研究提供必要的理论框架和模型基础,建立了发电子系统、推进子系统、区域负载集合以及配电子系统的数学模型,重点针对推进子系统中的六相永磁同步电机和螺旋桨负载特性进行了描述。其次,针对船舶电力推进系统的典型故障模式与影响分析进行了智能评估研究。综合考虑专家评估的可信度、模糊信息的不确定性以及故障模式与故障原因的内在关联性,提出了一种基于模糊逻辑与决策试验评估实验室（Decision-making Trial and Evaluation Laboratory,DEMATEL）理论的故障模式影响智能评估方法,利用信息熵与定性分析相结合的综合权重分配机制确定了专家意见可信度权重,引入了模糊语言术语集和模糊数得到各风险因子的模糊评价及相对模糊权重,设计了基准调整搜索算法确定模糊风险优先数的α-割集,采用质心解模糊思想和α-割集理论对模糊风险优先数进行了清晰化处理。将模糊风险优先数的解模糊值作为DEMATEL算法的输入变量,计算了各故障模式的原因度和风险优先级排序。以推进子系统的典型故障模式为例,验证了所提的智能评估方法的有效性,为后续的容错控制策略设计提供了理论依据。然后,针对船舶电力推进系统六相永磁同步电机的绕组缺相故障智能容错控制展开了研究。建立了含参数摄动和负载扰动的六相永磁同步电机缺相故障容错系统数学描述,结合故障检测机制,提出了一种基于中线补偿的零序电流参考值在线决策系统,无需根据不同相绕组开路情形和中性点连接方式重新推导降维解耦的数学模型,建立了矢量解耦的转速/电流容错控制结构框架。为了解决六相永磁同步电机绕组缺相引起的转速跟踪和转矩脉动问题,基于设计的矢量解耦容错控制结构,提出了一种自适应反步滑模鲁棒容错控制策略,利用自适应估计技术和鲁棒控制能量耗散不等式分别在线补偿了反步滑模系统的内部参数摄动和外部负载扰动,实现了六相永磁同步电机系统缺相故障运行的转速跟踪、扰动抑制和容错最优化。考虑到参数摄动自适应律设计中存在增益参数整定困难和抗扰鲁棒性能较差等问题,进一步提出了一种递归小波模糊神经网络智能观测器设计算法,将其应用于反步滑模鲁棒容错系统不确定参数摄动的在线估计过程,保证了基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制系统的渐进稳定性。通过缺相故障模拟和数字仿真试验结果,验证了所提的两种容错控制策略的有效性。最后,开展了船舶电力推进系统的舵/桨输出作用力协调容错控制研究。探讨了船舶航速与航向的耦合关系,以及螺旋桨对航向控制和舵对航速控制的影响,建立了含海浪环境干扰和模型参数估算误差（合称为复合扰动）的船舶航速/航向操纵系统数学描述。针对船舶电力推进系统双舵双桨控制力的部分失效情形,设计了非线性观测器在线补偿不确定性复合扰动,基于失效系数计算和复合扰动观测器,提出了一种自适应滑模协调容错控制策略,结合有效性系数矩阵修正了故障执行器的优先作用等级,设计了具有故障惩罚作用的伪逆优化分配策略。针对船舶电力推进系统双舵双桨输出控制力的部分失效、中断、偏移和卡死等故障模式,给出了含执行器多重故障和复合扰动的船舶航速/航向控制系统数学描述,设计了自适应更新律在线估计执行器失效因子、卡死故障因子、卡死故障的上下界以及复合扰动的上下界,结合故障参数估计值和复合扰动参数估计值,提出了一种控制律重构与控制分配集成设计的自适应反步协调容错控制策略,实现了航速/航向跟踪、复合扰动抑制和执行器能耗最小化。构建了船舶电力推进舵/桨协调容错系统数字仿真测试平台,分别验证了所提的两种容错控制策略的可行性。本文的研究成果具有重要的理论意义和应用前景,可以为船舶电力推进系统智能容错控制的工程化应用提供技术基础和经验积累,实现船舶电力推进系统的可靠运行与健康管理。此外,其研究成果也适用于其他对象,有助于其他工程领域在相关技术层面上的借鉴推广。
刘瑞晨[10]（2020）在《基于蚁群算法与BP神经网络的桥式起重机驱动优化研究》文中指出作为现代生产过程最重要的物料搬运设备之一,起重机械广泛地应用于车间、码头港口和建筑工地等作业场合。随着我国的经济规模快速扩大,起重机在现代化生产过程中发挥的作用也越来越重要。但是在起重机领域,对电机的调速控制还有所欠缺,不能满一些对控制精度要求很高的作业场合,例如核电站用起重机、航空发动机的转子吊装、桥式起重机的自动路径规划等等。尤其起重机智能化是未来发展的趋势,电机的调速控制是其实现智能化的十分重要的一个环节。比例积分微分控制（下文简称PID控制）因为其结构简单、实现简单和稳定强等优点被广泛的应用于控制电机,但是传统的PID控制参数固定,其控制效果并不是十分理想,在传统PID控制下电机响应较慢、超调量大。BP神经网络是一种前馈网络,该算法使用梯度下降法对权值和阈值进行修正,直到误差达到最小,可以实现根据当前误差对参数在线调整。但是该算法存在着易陷入局部最小和对初始参数的设置较敏感等问题。因此,论文提出一种基于蚁群算法优化附加动量系数的BP神经网络来实现对PID参数的在线实时调整,使PID控制性能最优。使用蚁群算法全局搜索最优初始参数值,再由BP神经网络进一步自我学习对参数进行修正,同时在修正权值的过程中附加动量系数,减少系统振荡。MATLAB的仿真结果表明本文提出的基于蚁群算法优化附加动量系数的BP神经网络整定的PID控制器具的控制性能优良,电机响应快,超调量小,具有较强抗干扰能力强,转矩波动稳定,同时,可以应用于桥式起重机的自动纠偏、防摇摆和路径规划,为起重机智能化提供良好的驱动,有助于提高生产效率和吊装精度,具有一定的应用价值。
二、基于模糊神经网络的直接转矩控制变频器的实现（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于模糊神经网络的直接转矩控制变频器的实现（论文提纲范文）
（2）跑步机变频调速控制器的开发（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 跑步机变频调速系统的国内外发展和现状 |
| 1.2.1 变频器的研究与应用现状 |
| 1.2.2 变频调速控制策略的研究现状 |
| 1.2.3 脉冲型负载的研究现状 |
| 1.3 本文研究的主要内容 |
| 第二章 跑步机矢量控制的理论分析 |
| 2.1 矢量控制原理 |
| 2.2 坐标变换 |
| 2.2.1 Clarke变换 |
| 2.2.2 Park变换 |
| 2.3 跑步机的数学模型 |
| 2.3.1 三相静止坐标系下的数学模型 |
| 2.3.2 按转子磁场定向的数学模型 |
| 2.3.3 脉冲负载下矢量控制系统的结构组成 |
| 2.4 空间电压矢量脉宽调制技术 |
| 2.4.1 SVPWM基本原理 |
| 2.4.2 SVPWM算法实现 |
| 2.5 脉冲型负载特性分析 |
| 2.6 本章小结 |
| 第三章 单神经元PI控制策略的研究 |
| 3.1 单神经元PI控制理论 |
| 3.1.1 单神经元PI数学模型 |
| 3.1.2 单神经元PI控制器的学习算法 |
| 3.1.3 分析可调参数对单神经元的影响 |
| 3.2 单神经元比例系数的算法改进 |
| 3.3 模糊控制在单神经元PI控制中的应用 |
| 3.4 仿真验证 |
| 3.4.1 MATLAB/Simulink简介 |
| 3.4.2 转子磁场定向的矢量控制系统仿真分析 |
| 3.4.3 改进型单神经元PI控制的矢量控制系统仿真分析 |
| 3.4.4 模糊-单神经元PI控制的矢量控制系统仿真分析 |
| 3.5 本章小结 |
| 第四章 控制器的电路设计 |
| 4.1 系统整体设计框图及设计参数 |
| 4.2 主电路设计 |
| 4.2.1 整流和滤波电路 |
| 4.2.2 逆变及其驱动电路 |
| 4.3 控制电路设计 |
| 4.3.1 主控芯片的选择 |
| 4.3.2 直流电压采样电路 |
| 4.3.3 直流电流采样电路 |
| 4.3.4 交流电流采样电路 |
| 4.3.5 电流过载保护电路 |
| 4.3.6 转速检测电路 |
| 4.4 辅助电源及其它电路设计 |
| 4.4.1 辅助电源电路 |
| 4.4.2 电源隔离电路 |
| 4.4.3 PWM隔离电路 |
| 4.5 PCB设计 |
| 4.6 本章小结 |
| 第五章 控制器的程序设计 |
| 5.1 开发环境 |
| 5.2 主程序设计 |
| 5.3 PWM中断服务子程序设计 |
| 5.3.1 时钟中断模块 |
| 5.3.2 ADC采样模块 |
| 5.3.3 转速测量模块 |
| 5.3.4 按键中断模块 |
| 5.3.5 SVPWM模块 |
| 5.4 本章小结 |
| 第六章 控制器的调试与测试 |
| 6.1 调试注意事项 |
| 6.2 DSP最小系统调试 |
| 6.3 SVPWM调试 |
| 6.3.1 固定输出PWM调试 |
| 6.3.2 死区设置 |
| 6.4 控制器变频性能测试 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（3）郭家湾煤矿刮板输送机变频驱动优化设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 本课题的选题背景与意义 |
| 1.2 国内外刮板输送机驱动系统研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 存在问题 |
| 1.4 课题研究主要内容 |
| 1.5 课题结构安排 |
| 2 刮板输送机变频驱动模型 |
| 2.1 刮板输送机基本结构与工作原理 |
| 2.1.1 刮板输送机基本结构 |
| 2.1.2 刮板输送机工作原理 |
| 2.2 刮板输送机驱动方式 |
| 2.3 刮板输送机传动系统 |
| 2.4 刮板输送机载荷分析 |
| 2.5 刮板输送机功率不平衡因子分析 |
| 2.5.1 启动过程功率不平衡分析 |
| 2.5.2 稳态过程功率不平衡分析 |
| 2.6 本章小结 |
| 3 刮板输送机电动机变频驱动原理 |
| 3.1 变频调速原理 |
| 3.2 直接转矩控制 |
| 3.2.1 直接转矩控制系统模型 |
| 3.2.2 直接转矩控制理论基础 |
| 3.2.3 可行性及局限性分析 |
| 3.3 本章小结 |
| 4 刮板输送机变频驱动优化设计 |
| 4.1 刮板输送机启动过程变频驱动优化设计 |
| 4.1.1 系统方案设计 |
| 4.1.2 功率平衡原理 |
| 4.1.3 变频驱动方案实现 |
| 4.2 刮板输送机稳态过程变频驱动方案设计 |
| 4.2.1 系统方案设计 |
| 4.2.2 Canopen通信原理 |
| 4.2.3 变频驱动方案实现 |
| 4.3 刮板输送机变频驱动方案保护设计 |
| 4.4 本章小结 |
| 5 刮板输送机变频驱动方案软件实现、调试及验证 |
| 5.1 软件设计平台 |
| 5.2 软件实现 |
| 5.2.1 刮板输送机启动过程变频驱动方案软件实现 |
| 5.2.2 刮板输送机稳态过程变频驱动方案软件实现 |
| 5.3 软件调试 |
| 5.4 经济效益分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及研究成果 |
（4）刮板输送机负载预测与调速控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 刮板输送机负载特性与调速控制研究现状 |
| 1.2.2 齿轮动态性能研究现状 |
| 1.2.3 卷积神经网络研究现状 |
| 1.3 主要研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 基于刮板输送机负载预测的调速控制方案研究 |
| 2.1 刮板输送机结构组成及工作原理 |
| 2.2 基于刮板输送机负载预测的调速控制方案设计 |
| 2.3 刮板输送机负载预测算法选定 |
| 2.4 本章小结 |
| 3 刮板输送机负载与电流相关分析及电流数据预处理 |
| 3.1 刮板输送机负载与电流相关分析 |
| 3.1.1 刮板输送机负载波动对电流的影响 |
| 3.1.2 刮板输送机负载转矩与齿轮频率幅值关系 |
| 3.2 电流数据预处理 |
| 3.2.1 电流数据采集 |
| 3.2.2 电流信号的滤波处理 |
| 3.3 负载特征频率幅值处理 |
| 3.3.1 特征频率幅值的提取原理 |
| 3.3.2 特征频率幅值的信号提取 |
| 3.3.3 数据标准化处理 |
| 3.4 本章小结 |
| 4 基于卷积神经网络的刮板输送机负载预测研究 |
| 4.1 卷积神经网络理论基础 |
| 4.1.1 卷积神经网络概述 |
| 4.1.2 卷积神经网络基本架构 |
| 4.2 基于卷积神经网络的刮板输送机负载预测 |
| 4.2.1 基于卷积神经网络的负载预测流程 |
| 4.2.2 训练样本输入形式 |
| 4.3 负载预测模型训练与结果分析 |
| 4.3.1 基于卷积神经网络的负载预测模型建立 |
| 4.3.2 负载预测仿真与结果分析 |
| 4.4 本章小结 |
| 5 基于负载预测的刮板输送机调速控制研究 |
| 5.1 刮板输送机调速控制系统设计 |
| 5.1.1 刮板输送机调速控制原理 |
| 5.1.2 模糊PID控制器设计 |
| 5.2 粒子群算法优化的模糊PID控制 |
| 5.2.1 粒子群算法 |
| 5.2.2 模糊PID控制参数优化 |
| 5.3 模型建立与仿真对比 |
| 5.3.1 模型建立与仿真 |
| 5.3.2 结果对比与分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）基于贝叶斯网络的变频器主电路故障诊断方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究背景与研究意义 |
| 1.2 变频器故障诊断国内外研究现状 |
| 1.2.1 基于解析模型的诊断方法 |
| 1.2.2 基于信号处理的诊断方法 |
| 1.2.3 基于知识的诊断方法 |
| 1.3 贝叶斯故障诊断方法研究现状 |
| 1.4 本文主要解决的问题 |
| 1.5 本文主要研究的内容 |
| 1.6 本章小结 |
| 2 变频器主电路结构原理及故障特征提取 |
| 2.1 矿井提升机变频器的结构 |
| 2.2 双PWM变频器及工作原理 |
| 2.2.1 PWM整流电路工作原理 |
| 2.2.2 中间直流电路工作原理 |
| 2.2.3 逆变电路工作原理 |
| 2.2.4 变频器主电路PWM调制原理 |
| 2.3 变频器主电路故障分析与特征提取 |
| 2.3.1 变频器实验平台 |
| 2.3.2 整流环节开路故障分析与特征提取 |
| 2.3.3 直流环节故障分析与特征提取 |
| 2.3.4 逆变环节开路故障分析与特征提取 |
| 2.4 变频器主电路故障诊断存在的问题及解决思路 |
| 2.5 本章小结 |
| 3 基于贝叶斯网络的变频器主电路故障诊断方法研究 |
| 3.1 贝叶斯故障诊断建模理论 |
| 3.1.1 贝叶斯故障推理基础 |
| 3.1.2 贝叶斯故障建模方法 |
| 3.1.3 贝叶斯网络故障推理算法 |
| 3.1.4 贝叶斯网络在故障诊断中的参数学习方法 |
| 3.1.5 基于贝叶斯网络的变频器主电路故障诊断可行性分析 |
| 3.2 基于贝叶斯网络的整流环节故障诊断模型构建与验证 |
| 3.3 基于贝叶斯网络的直流环节故障诊断模型构建与验证 |
| 3.4 本章小结 |
| 4 基于优化贝叶斯网络的逆变环节故障诊断方法研究 |
| 4.1 贝叶斯故障诊断模型优化方法 |
| 4.1.1 基于遗传算法的粗糙集属性约简 |
| 4.1.2 基于时间和精度选择的优化模型建立 |
| 4.2 贝叶斯模型优化方法在逆变环节故障诊断中的应用 |
| 4.2.1 原始贝叶斯模型建立 |
| 4.2.2 故障诊断模型优化 |
| 4.3 故障诊断结果与对比 |
| 4.4 本章小结 |
| 5 变频器主电路故障诊断系统设计 |
| 5.1 变频器主电路故障诊断系统需求分析 |
| 5.2 变频器主电路故障诊断系统实现 |
| 5.2.1 故障诊断系统运行流程 |
| 5.2.2 故障诊断系统功能验证 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 本文创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简介 |
| 学位论文数据集 |
（6）基于永磁电机的带式输送机功率平衡研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究背景与意义 |
| 1.3 功率平衡研究现状 |
| 1.4 永磁电机国内外研究现状 |
| 1.4.1 永磁电机设计方法的国内外研究现状 |
| 1.4.2 PMSM速度控制技术的研究现状 |
| 1.5 本论文研究的主要工作 |
| 2 永磁直驱系统矢量控制研究 |
| 2.1 PMSM的结构及数学模型 |
| 2.1.1 PMSM的结构 |
| 2.1.2 PMSM数学模型的建立 |
| 2.2 PMSM矢量控制策略 |
| 2.2.1 PMSM矢量控制和直接转矩控制原理 |
| 2.2.2 矢量控制方法 |
| 2.3 空间矢量脉宽调制控制技术 |
| 2.3.1 i_d=0矢量控制模型结构 |
| 2.3.2 SVPWM的仿真模型 |
| 2.3.3 单电机阶跃响应验证 |
| 2.4 本章小结 |
| 3 双机驱动下带式输送机永磁直驱系统控制方案 |
| 3.1 基于有限元的带式输送机动力学模型建立 |
| 3.1.1 带式输送机动力学方程 |
| 3.1.2 输送机动力学方程中参数的计算 |
| 3.2 带式输送机永磁直驱系统机电耦合系统数学模型 |
| 3.3 双机驱动带式输送机功率平衡控制方案 |
| 3.3.1 带式输送机双机驱动方式分析 |
| 3.3.2 带式输送机双机驱动力和功率配比 |
| 3.3.3 功率平衡控制方案 |
| 3.4 几种理想启动曲线 |
| 3.5 本章小结 |
| 4 变论域模糊PID控制器设计 |
| 4.1 PID控制系统 |
| 4.1.1 PID控制原理 |
| 4.1.2 PID控制参数整定方法 |
| 4.2 模糊控制 |
| 4.3 模糊PID控制器设计 |
| 4.3.1 模糊PID控制原理 |
| 4.3.2 输入输出信号模糊化 |
| 4.3.3 模糊规则设计 |
| 4.3.4 解模糊化 |
| 4.4 变论域模糊PID控制器 |
| 4.4.1 变论域控制思想 |
| 4.4.2 伸缩因子的确定 |
| 4.5 算法仿真对比 |
| 4.6 本章小结 |
| 5 永磁直驱-带式输送机工程实现 |
| 5.1 永磁直驱-带式输送机控制系统硬件设计 |
| 5.1.1 变频驱动设计 |
| 5.1.2 变频器的结构原理 |
| 5.1.3 变频器的选型 |
| 5.1.4 PLC选型 |
| 5.2 控制软件设计 |
| 5.2.1 软启动控制程序设计 |
| 5.2.2 功率平衡控制 |
| 5.2.3 带式输送机综保控制设计 |
| 5.3 算例分析 |
| 5.4 本章小结 |
| 结论 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（7）胶带机永磁直驱系统多机控制策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 简介 |
| 1.1 研究背景和意义 |
| 1.2 课题研究现状和发展趋势 |
| 1.3 研究内容 |
| 2 带式输送机结构及性能分析 |
| 2.1 引言 |
| 2.2 带式输送机结构 |
| 2.3 带式输送机驱动装置 |
| 2.4 带式输送机动态特性分析 |
| 2.5 带式输送机启动特性分析 |
| 2.6 本章小结 |
| 3 带式输送机多机平衡控制策略研究 |
| 3.1 引言 |
| 3.2 带式输送机传动原理及牵引力分配 |
| 3.3 带式输送机功率不平衡问题分析 |
| 3.4 带式输送机多机平衡控制策略 |
| 3.5 基于偏差耦合的多机平衡控制策略 |
| 3.6 本章小结 |
| 4 模糊自抗扰控制算法研究 |
| 4.1 引言 |
| 4.2 永磁电机矢量控制系统 |
| 4.3 自抗扰控制器 |
| 4.4 模糊自抗扰控制器 |
| 4.5 本章小结 |
| 5 多机平衡控制系统仿真分析 |
| 5.1 引言 |
| 5.2 刚性连接双机驱动系统仿真 |
| 5.3 柔性连接双机驱动系统仿真 |
| 5.4 偏差耦合多机驱动系统仿真 |
| 5.5 本章小结 |
| 6 实验研究 |
| 6.1 引言 |
| 6.2 煤矿皮带机控制系统设计 |
| 6.3 硬件设计 |
| 6.4 软件设计 |
| 6.5 现场实验 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（8）感应电机无速度传感器矢量控制系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 矢量控制发展概况 |
| 1.2.2 感应电机无速度传感器控制研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 感应电机动态数学模型及矢量控制系统 |
| 2.1 引言 |
| 2.2 感应电机动态数学模型 |
| 2.2.1 三相静止坐标系中感应电机动态数学模型 |
| 2.2.2 两相静止坐标系中感应电机动态数学模型 |
| 2.2.3 旋转正交坐标系中感应电机动态数学模型 |
| 2.3 坐标变换 |
| 2.3.1 Clarke变换 |
| 2.3.2 Park变换 |
| 2.4 电压空间矢量PWM(SVPWM)控制技术 |
| 2.5 感应电机有速度传感器矢量控制系统 |
| 2.6 本章小结 |
| 第3章 基于改进磁链的MRAS感应电机无速度传感器矢量控制系统研究 |
| 3.1 引言 |
| 3.2 MRAS转速估计 |
| 3.2.1 MRAS转速估计原理 |
| 3.2.2 基于瞬时无功功率模型的MRAS转速估计方法 |
| 3.2.3 基于反电动势模型的MRAS转速估计方法 |
| 3.2.4 基于转子磁链模型的MRAS转速估计方法 |
| 3.3 改进的感应电机基于转子磁链MRAS转速估计矢量控制系统 |
| 3.3.1 滑模电流控制器设计 |
| 3.3.2 基于模糊PI的磁链调节器和转速调节器 |
| 3.3.3 巴特沃斯滤波器设计 |
| 3.3.4 基于滑模观测器的感应电机无速度传感器转速估计 |
| 3.3.5 遗传算法 |
| 3.3.6 目标函数 |
| 3.4 仿真验证及分析 |
| 3.5 本章小结 |
| 第4章 改进EKF的感应电机无速度传感器矢量控制 |
| 4.1 引言 |
| 4.2 扩展卡尔曼滤波 |
| 4.2.1 基本原理 |
| 4.2.2 基于EKF的感应电机无速度传感器转速估计 |
| 4.3 电压解耦控制器 |
| 4.4 基于STEKF的感应电机无速度传感器转速估计 |
| 4.5 全局辅助粒子群算法 |
| 4.6 电机参数估计 |
| 4.7 仿真验证及分析 |
| 4.8 本章小结 |
| 第5章 无速度传感器矢量控制宽范围调速 |
| 5.1 引言 |
| 5.2 切换控制原理 |
| 5.3 仿真验证及分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（9）船舶电力推进系统智能容错控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 船舶电力推进系统的发展概述 |
| 1.2.1 国外发展概述 |
| 1.2.2 国内发展概述 |
| 1.3 船舶电力推进系统容错控制技术研究现状 |
| 1.4 船舶电力推进系统容错控制的几个关键问题 |
| 1.4.1 船舶电力推进系统的容错控制体系结构研究 |
| 1.4.2 船舶电力推进系统的故障模式与影响分析研究 |
| 1.4.3 船舶电力推进系统的多相电机容错控制研究 |
| 1.4.4 船舶电力推进系统的螺旋桨协调容错控制研究 |
| 1.5 本文主要研究内容 |
| 第2章 船舶电力推进系统容错控制体系结构及数学建模研究 |
| 2.1 引言 |
| 2.2 船舶电力推进系统的基本结构 |
| 2.3 船舶电力推进系统的智能容错控制体系结构 |
| 2.4 船舶电力推进系统的数学模型 |
| 2.4.1 发电子系统数学模型 |
| 2.4.2 推进子系统数学模型 |
| 2.4.3 区域负载集合数学模型 |
| 2.4.4 配电子系统数学模型 |
| 2.5 本章小结 |
| 第3章 船舶电力推进系统故障模式影响智能评估研究 |
| 3.1 引言 |
| 3.2 故障模式影响的风险优先数评估 |
| 3.3 基于模糊逻辑与DEMATEL理论的故障模式影响智能评估 |
| 3.3.1 系统功能结构层次划分 |
| 3.3.2 模糊语言术语集 |
| 3.3.3 风险因子模糊评价及相对模糊权值 |
| 3.3.4 基准调整搜索算法计算α-割集 |
| 3.3.5 模糊风险优先数的清晰化 |
| 3.3.6 基于模糊逻辑的DEMATEL算法 |
| 3.4 实例验证与结果分析 |
| 3.4.1 推进子系统的典型故障模式 |
| 3.4.2 计算结果及对比分析 |
| 3.5 本章小结 |
| 第4章 船舶电力推进系统六相永磁同步电机智能容错控制策略研究 |
| 4.1 引言 |
| 4.2 含参数摄动和负载扰动的六相永磁同步电机系统数学描述 |
| 4.3 六相永磁同步电机自适应反步滑模鲁棒容错控制策略研究 |
| 4.3.1 六相永磁同步电机缺相故障容错的零序电流参考值在线决策 |
| 4.3.2 自适应反步滑模鲁棒容错控制策略设计 |
| 4.3.3 双交轴电流优化分配 |
| 4.4 基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制策略研究 |
| 4.4.1 基于递归小波模糊神经网络的智能观测器设计 |
| 4.4.2 控制系统稳定性分析 |
| 4.5 仿真验证与结果分析 |
| 4.5.1 一相绕组缺相的六相永磁同步电机容错控制仿真验证 |
| 4.5.2 两相绕组缺相的六相永磁同步电机容错控制仿真验证 |
| 4.6 本章小结 |
| 第5章 船舶电力推进系统舵/桨协调容错控制策略研究 |
| 5.1 引言 |
| 5.2 含复合扰动的船舶航速/航向控制系统数学描述 |
| 5.3 船舶电力推进系统舵/桨自适应滑模协调容错控制策略研究 |
| 5.3.1 非线性复合扰动观测器设计 |
| 5.3.2 自适应滑模容错控制策略设计 |
| 5.4 船舶电力推进系统舵/桨自适应反步协调容错控制策略研究 |
| 5.4.1 含执行器多重故障的船舶航速/航向控制系统数学描述 |
| 5.4.2 自适应反步容错控制策略设计 |
| 5.5 仿真验证与结果分析 |
| 5.5.1 船舶电力推进系统舵/桨自适应滑模协调容错控制仿真验证 |
| 5.5.2 船舶电力推进系统舵/桨自适应反步协调容错控制仿真验证 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（10）基于蚁群算法与BP神经网络的桥式起重机驱动优化研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 研究现状 |
| 1.3 可行性分析及技术路线 |
| 1.4 论文的研究内容和组织架构 |
| 第二章 起重机械的驱动系统 |
| 2.1 起重机驱动装置与驱动形式 |
| 2.1.1 驱动设备的动力来源 |
| 2.1.2 电机控制策略 |
| 2.1.3 驱动装置的布置形式 |
| 2.2 起重机驱动系统的特殊要求 |
| 2.2.1 起重机械对驱动装置的要求 |
| 2.2.2 起重机专用电机 |
| 2.3 PID控制 |
| 2.3.1 PID控制的产生与发展 |
| 2.3.2 常用PID整定方法 |
| 2.4 本章小结 |
| 第三章 基于BP神经网络的电机控制策略与蚁群算法 |
| 3.1 标准BP神经网络 |
| 3.1.1 神经网络的产生与发展 |
| 3.1.2 BP神经网络 |
| 3.1.3 BP神经网络的结构 |
| 3.2 基于附加动量系数的BP神经网络整定的PID |
| 3.2.1 衡量指标 |
| 3.2.2 基于附加动量系数BP神经网络整定PID的仿真结果 |
| 3.3 蚁群算法 |
| 3.3.1 蚁群算法的产生与发展 |
| 3.3.2 蚁群算法的原理 |
| 3.3.3 蚁群算法的特点 |
| 3.3.4 关键参数 |
| 3.4 蚁群算法优化BP神经网络的思路 |
| 3.5 本章小结 |
| 第四章 基于蚁群优化BP神经网络的电机控制策略 |
| 4.1 基于ACO-BP整定的PID控制仿真 |
| 4.1.1 参数设置 |
| 4.1.2 仿真结果 |
| 4.2 基于ACO-BP-PID的起重机专用电机仿真 |
| 4.2.1 参数设置 |
| 4.2.2 仿真结果 |
| 4.3 基于ACO-BP神经网络的控制策略在桥式起重机的应用 |
| 4.3.1 在桥式起重机纠偏中的应用 |
| 4.3.2 在桥式起重机防摇摆中的应用 |
| 4.3.3 在桥式起重机精准定位中的应用 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
四、基于模糊神经网络的直接转矩控制变频器的实现（论文参考文献）
- [1]渔船推进电机仿真、控制与监控[D]. 李雄川. 浙江海洋大学, 2021
- [2]跑步机变频调速控制器的开发[D]. 罗明帅. 西安石油大学, 2021(09)
- [3]郭家湾煤矿刮板输送机变频驱动优化设计与实现[D]. 刘志辉. 西安科技大学, 2020(01)
- [4]刮板输送机负载预测与调速控制研究[D]. 胡磊. 西安科技大学, 2020(01)
- [5]基于贝叶斯网络的变频器主电路故障诊断方法研究[D]. 何永盛. 河南理工大学, 2020(01)
- [6]基于永磁电机的带式输送机功率平衡研究[D]. 李成林. 安徽理工大学, 2020
- [7]胶带机永磁直驱系统多机控制策略研究[D]. 李治昆. 中国矿业大学, 2020(03)
- [8]感应电机无速度传感器矢量控制系统研究[D]. 武炳林. 燕山大学, 2020(01)
- [9]船舶电力推进系统智能容错控制技术研究[D]. 郭晓杰. 哈尔滨工程大学, 2020(04)
- [10]基于蚁群算法与BP神经网络的桥式起重机驱动优化研究[D]. 刘瑞晨. 太原科技大学, 2020(03)