一、三相异步电动机任意负载下参数的计算（论文文献综述）
恵阿丽,鹿伟强,荣相,魏礼鹏,陈雯雅[1]（2021）在《基于Park—WPT和WOA—LSSVM的异步电动机故障诊断方法》文中研究指明针对现有电动机多故障诊断技术诊断精度较差、成本高等问题,基于三相定子电流信号对异步电动机转子断条、气隙偏心及其混合故障进行研究,提出了一种基于Park-WPT（Park矢量变换融合小波包变换）和WOA-LSSVM（鲸鱼优化的最小二乘支持向量机）的异步电动机故障诊断方法。通过Park矢量变换对采集到的三相电流信号进行预处理,根据椭圆轨迹的畸变率提取信号特征,作为第1类特征量;对Park矢量模平方谱进行WPT,求取其分解系数的能量值,作为第2类特征量;采用WOA的收缩包围猎物和螺旋更新猎物位置的机制优化LSSVM中的正则化参数和核宽度,根据提取的2类特征信号建立以WOA-LSSVM为基础的故障诊断模型。实验结果表明,基于Park矢量变换或WPT的单一特征提取算法对混合故障的识别效果较差,故障特征识别率分别为73.75%和88.33%,将2类特征组合后,故障识别率提高到97.08%;WOA-LSSVM的寻优速度较快,故障诊断正确率较高,综合性能优于PSO（粒子群优化）算法、GWO（灰狼优化）算法和GA（遗传算法）优化的LSSVM。
蒋德智,荣相,陈雯雅,王越,连超[2]（2021）在《一种矿用变频器异步电动机参数离线辨识方法》文中研究表明在无速度传感器条件下,变频器调速性能与异步电动机参数密切相关,现有异步电动机参数离线辨识方法大多采用快速傅里叶变换等计算电流幅值和相位,存在频谱泄漏和栅栏效应,易导致测量误差。针对该问题,提出了一种将异步电动机等效电路作为负载的矿用变频器异步电动机参数离线辨识方法。采用稳态响应法辨识定子电阻,采用瞬态响应法辨识转子电阻和漏感;在此基础上,建立同步旋转坐标系下的电动机模型,在恒压频比空载运行状态下,对电流瞬时值进行旋转坐标变换,计算电流幅值和相位,进而辨识定转子互感和空载励磁电流,避免了频谱泄漏和栅栏效应。Matlab/Simulink仿真结果表明,转子电阻和漏感参数辨识结果与给定的电动机模型参数相符,验证了参数辨识方法的准确性。380V/2.2kW电动机参数辨识实验结果表明,变频器施加给电动机的电压信号得到了正确的电流响应,与仿真结果一致,且电动机参数辨识过程可重复性较好,辨识精度较高。搭建660V/90kW矿用变频器机芯,将辨识出的电动机参数用于矿用变频器矢量控制系统,实测结果表明,变频器能够在额定转矩下带载启动并持续稳定运行,电动机参数辨识结果可满足矿用变频器矢量控制要求。
符嘉晋,孟安波,蔡涌烽,陈顺,殷豪,吴非,陈子辉[3]（2021）在《基于注意力机制和卷积神经网络的异步电动机三相电压不平衡损耗研究》文中进行了进一步梳理配电网中三相电压不平衡对异步电动机损耗会造成较大影响。运用等效电路公式分析三相电压不平衡影响下电动机损耗存在精度不稳定、需要参数过多且数学模型过于复杂等问题。针对以上问题,提出一种基于注意力机制和卷积神经网络（CNN）的异步电动机损耗评估方法。该方法将实测电机数据作为输入,引入注意力机制为输入特征赋予不同权重;采用卷积层和全连接层组成的CNN构架对异步电动机实测数据进行学习,最后完成损耗评估。以现场试验得到的电机损耗数据作为实际算例,该方法评估损耗与实测损耗平均误差仅为0.717%和0.549%,并与其他典型机器学习算法进行对比,结果表明所提方法具有更好的损耗评估性能。
陈付豪[4]（2021）在《基于全阶磁链观测器的异步电动机无速度传感器低速性能研究》文中指出
刘晓燕[5]（2021）在《基于差分进化算法的PWM逆变器特定消谐技术的研究》文中研究指明
张阳[6]（2021）在《图形化异步电动机定转子故障检测与识别方法研究》文中进行了进一步梳理
周伟豪[7]（2021）在《基于参数辨识的异步电机效率优化》文中提出异步电动机因其成本低、简单可靠,广泛运用于风机泵类负载拖动,矢量控制使得异步电动机的性能得到进一步提升,使其拓展到更多高性能驱动领域,成为工业用电领域的绝对主力军。但在很多应用场合,异步电动机长期工作在空载或轻载状态,这时电机效率降低很大。为了解决这一问题,一些工业变频器中已经根据实际工况设置了（低于满载的）磁通设置值,用以提高异步电机效率,但是这些弱磁磁通通常根据电机的理论参数进行计算得到,运行过程中电机参数会发生变化,此时电机的效率有进一步提高的空间。针对以上问题,本文提出电机参数辨识的异步电动机效率优化算法,并通过仿真和实验对异步电动机参数辨识算法和效率优化算法进行了验证本文的主要工作如下:第一,对效率优化控制和参数辨识的国内外研究进展进行总结分析。分析了异步电机产生损耗的原因,并明确了电机损耗的影响因素。第二,针对目前考虑铁损的三相电机数学模型结构复杂,阶次较高,不便于后续仿真研究的问题,推导了考虑铁损异步电机的六阶数学模型。第三,推导了考虑铁损的转子磁链计算公式,在Matlab/Simulink环境下对控制系统进行了仿真分析。对损耗模型法效率优化的原理进行了分析,通过异步电机稳态数学模型推导出损耗最小化磁通给定表达式,设计了基于最佳磁链控制的效率优化算法。第四,针对传统辨识算法存在的计算量大、实现困难,且易受环境因素干扰,辨识精度低等问题,提出了基于模型参考自适应的参数辨识方法。该方法实现简单,不需要复杂的迭代和计算过程,计算过程具有鲁棒性,计算精度高。在Matlab/Simulink环境下对系统进行了仿真验证,得到的辨识结果误差小于0.5%。证明了提出的在线辨识方法有效性和可行性。同时,针对MRAS方法中,自适应率的PI控制器参数难以调节的问题,利用具有自学习能力的单神经元PID控制器取代了传统PI控制,对传统MRAS进行了改进。经过仿真验证,改进方法相比传统方法辨识来说,辨识精度更为高效,同时辨识系统的快速性也有一定程度提高。第五,将参数辨识结果与效率优化相结合,利用辨识的结果在线修正最佳磁链来实现更为高效的效率优化控制。与传统的固定设定磁链相比,改算法可以使得大幅提高电机的运行效率。第六,利用搭建的实验电路。实验验证了基于模型参考自适应的参数辨识方法及基于参数辨识的效率优化算法的有效性。
阚羽[8]（2021）在《基于HC32L136的异步电机故障诊断与保护装置研究》文中进行了进一步梳理
黄稳[9]（2021）在《考虑铁损的异步电机最小损耗鲁棒预测电流控制》文中研究指明随着异步电动机被广泛应用于各类电动汽车上,高效低耗成为电动汽车的一个重要的考量标准。而异步电动机本身效率较低,在节能上存在很大的空间。对于异步电动机在轻载时如何提升效率的问题,国内外学者已经进行了多年的研究并且有了成熟的理论。然而电机效率的提升必然会带来弱磁现象,这会使电机的动态性能变差。对于电动汽车而言,一个良好的系统动态响应,可以保证快速的速度控制效果,这是尤为重要的。在高性能的矢量控制系统中,作为一个拥有快速的系统响应速度的预测电流控制,它是近些年来研究的热点。因此,本文研究了传统的无差拍预测电流控制在加入了节能算法之后,会影响电机动态响应的问题。目前的异步电机电流预测控制是把传统的异步电机电流状态方程作为预测方程,忽略了异步电机铁损对系统的影响,然而铁损的存在会降低了控制系统的动态响应速度,还会对磁链和转矩的解耦效果产生影响。为此本文设计了考虑铁损的异步电机最小损耗鲁棒预测电流控制系统,在不影响电机运行效率的前提下也保证了控制系统的动态性能。在异步电机稳态运行时,通过损耗模型法来实现效率的提升。基于铁损模型的预测电流控制实现了考虑铁损的解耦补偿,在一定程度上改善了弱磁引起的系统动态性能降低的问题。同时考虑到无差拍预测电流控制的参数鲁棒性问题,采用一种Luenberger观测器来补偿系统扰动量,达到了无电流静态误差的控制效果,实现了高效高性能的电机驱动系统。在仿真环境和实验平台中对考虑铁损的异步电机最小损耗鲁棒预测电流控制系统进行了验证,结果表明该方案在负载动态和转速变化时具有更快的动态响应速度并且提高了电机参数的鲁棒性。
曹佳兴[10]（2021）在《谐波法诊断电机电气类故障技术研究》文中研究指明
二、三相异步电动机任意负载下参数的计算（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、三相异步电动机任意负载下参数的计算（论文提纲范文）
（1）基于Park—WPT和WOA—LSSVM的异步电动机故障诊断方法（论文提纲范文）
| 0 引言 |
| 1 故障特征提取 |
| 1.1 基于Park矢量变换的故障特征提取 |
| 1.2 基于小波包能量的故障特征提取 |
| 2 WOA-LSSVM算法 |
| 2.1 LSSVM |
| 2.2 WOA-LSSVM算法流程 |
| (1) 收缩包围机制。 |
| (2) 螺旋更新位置。 |
| 3 异步电动机故障诊断流程 |
| 4 实验分析 |
| 4.1 实验设计 |
| 4.2 故障特征提取 |
| 4.3 故障识别与诊断 |
| 4.4 诊断算法对比 |
| 5 结论 |
（2）一种矿用变频器异步电动机参数离线辨识方法（论文提纲范文）
| 0 引言 |
| 1 异步电动机等效电路 |
| 2 异步电动机参数辨识方法 |
| 2.1 定子电阻辨识方法 |
| 2.2 转子电阻和漏感辨识方法 |
| 2.2.1 方法原理 |
| 2.2.2 仿真验证 |
| 2.3 定转子互感辨识方法 |
| 3 电动机参数辨识结果验证 |
| 3.1 电动机参数辨识实验 |
| 3.2 电动机参数辨识和变频器控制效果 |
| 4 结论 |
（3）基于注意力机制和卷积神经网络的异步电动机三相电压不平衡损耗研究（论文提纲范文）
| 0 引 言 |
| 1 三相电压不平衡下异步电动机损耗计算问题描述 |
| 1.1 三相电压不平衡度定义 |
| 1.2 三相电压不平衡下异步电动机损耗计算 |
| 2 基于Attention-CNN的异步电动机损耗评估方法 |
| (1) 输入层。 |
| (2) Attention层。 |
| (3) CNN层。 |
| (4) 输出层。 |
| 3 基于三相电压不平衡扰动源的异步电动机损耗试验 |
| 4 仿真分析 |
| 4.1 数据预处理及误差指标 |
| 4.2 仿真结果分析 |
| 5 结 语 |
（7）基于参数辨识的异步电机效率优化（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究的背景与意义 |
| 1.2 异步电机效率优化控制策略 |
| 1.2.1 搜索控制法研究现状 |
| 1.2.2 基于损耗模型的效率优化研究现状 |
| 1.2.3 混合控制法的研究现状 |
| 1.3 异步电机在线参数辨识研究现状 |
| 1.3.1 直接辨识方法 |
| 1.3.2 间接辨识方法 |
| 1.3.3 智能辨识方法 |
| 1.4 本文研究内容和结构安排 |
| 2 考虑铁损的异步电机模型及矢量控制 |
| 2.1 考虑铁损异步电机的数学模型及其仿真 |
| 2.1.1 考虑铁损异步电机的数学模型 |
| 2.1.2 模型验证 |
| 2.2 基于矢量控制控制的异步电机 |
| 2.2.1 矢量控制原理 |
| 2.2.2 考虑铁损的三相异步电动机矢量控制及仿真 |
| 2.3 本章小结 |
| 3 矢量控制下的异步电机效率优化 |
| 3.1 基于损耗模型的电机效率优化 |
| 3.1.1 异步电动机损耗分析 |
| 3.1.2 最佳转子磁通的求解 |
| 3.2 损耗模型法效率优化仿真 |
| 3.3 本章小结 |
| 4 基于卡尔曼滤波算法的异步电机的参数辨识 |
| 4.1 电机参数误差对基于模型的效率优化算法的影响 |
| 4.2 基于扩展卡尔曼滤波算法的电机参数辨识 |
| 4.2.1 扩展卡尔曼滤波算法原理 |
| 4.2.2 扩展卡尔曼滤波算法估计电机转子电阻 |
| 4.3 EKF估计电机转子电阻仿真 |
| 4.4 本章小结 |
| 5 基于MRAS及其改进算法的参数辨识 |
| 5.1 模型参考自适应理论 |
| 5.1.1 模型参考自适应原理 |
| 5.1.2 自适应结构设计 |
| 5.2 基于模型参考自适应辨识电机参数 |
| 5.2.1 辨识模型选取 |
| 5.2.2 基于电流-电压模型的MRAS参数辨识 |
| 5.3 基于单神经元模型参考自适应的电机参数辨识 |
| 5.3.1 单神经元模型介绍 |
| 5.3.2 单神经元PID控制器设计 |
| 5.3.3 单神经元PID控制器学习算法设计 |
| 5.4 基于MRAS参数辨识的仿真分析 |
| 5.4.1 待辨识参数时不变工况下的仿真分析 |
| 5.4.2 待辨识参数变化工况下的仿真分析 |
| 5.4.3 基于单神经元PID的参数辨识的仿真分析 |
| 5.5 基于MRAS参数辨识的异步电机效率优化 |
| 5.5.1 基于MRAS参数辨识的最佳磁链控制策略 |
| 5.5.2 基于MRAS参数辨识的异步电机效率优化仿真分析 |
| 5.6 本章小结 |
| 6 实验及分析 |
| 6.1 硬件平台介绍 |
| 6.1.1 实验平台框架 |
| 6.1.2 主电路 |
| 6.2 实验系统软件设计 |
| 6.2.1 主程序 |
| 6.2.2 效率优化算法程序设计 |
| 6.3 实验系统平台及实验结果分析 |
| 6.3.1 实验结果及分析 |
| 6.4 本章小结 |
| 7 本文总结与未来展望 |
| 7.1 本文总结 |
| 7.2 未来展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间相关科研成果 |
（9）考虑铁损的异步电机最小损耗鲁棒预测电流控制（论文提纲范文）
| 摘要 |
| Abstract |
| 1 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 异步电机效率优化算法的研究现状 |
| 1.2.2 效率优化算法下高性能控制的研究现状 |
| 1.2.3 无差拍预测电流控制的研究现状 |
| 1.3 主要研究内容 |
| 2 基于损耗模型的异步电机效率优化算法 |
| 2.1 异步电机损耗分析 |
| 2.2 两相旋转坐标系下考虑铁损的异步电机数学模型 |
| 2.3 基于损耗模型的效率优化算法原理 |
| 2.4 本章小结 |
| 3 传统的异步电机最小损耗预测电流控制 |
| 3.1 基于转子磁场定向的异步电机数学模型 |
| 3.2 传统无差拍预测电流控制及稳定性分析 |
| 3.2.1 异步电机预测电流控制系统 |
| 3.2.2 预测电流控制算法稳定性分析 |
| 3.3 传统的异步电机最小损耗预测电流控制 |
| 3.4 不同工况下节能效果仿真分析 |
| 3.5 效率优化算法对系统动态性能的影响 |
| 3.6 本章小结 |
| 4 改进的异步电机最小损耗预测电流控制 |
| 4.1 考虑铁损的解耦补偿 |
| 4.2 基于铁损模型的鲁棒预测电流控制 |
| 4.2.1 基于铁损模型的预测电流控制 |
| 4.2.2 Luenberger观测器的设计 |
| 4.2.3 Luenberger观测器和控制系统的稳定性分析 |
| 4.3 所提出的考虑铁损的异步电机最小损耗鲁棒预测电流控制系统 |
| 4.4 速度控制动态性能提升仿真分析 |
| 4.5 参数鲁棒性的有效性仿真分析 |
| 4.6 本章小结 |
| 5 实验研究与分析 |
| 5.1 实验平台 |
| 5.2 实验结果验证及分析 |
| 5.2.1 验证效率算法对系统影响 |
| 5.2.2 速度控制动态性能的对比实验结果及分析 |
| 5.2.3 电机电感参数失配的实验结果及分析 |
| 5.3 本章小结 |
| 6 结论及展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间主要研究成果及奖励 |
四、三相异步电动机任意负载下参数的计算（论文参考文献）
- [1]基于Park—WPT和WOA—LSSVM的异步电动机故障诊断方法[J]. 恵阿丽,鹿伟强,荣相,魏礼鹏,陈雯雅. 工矿自动化, 2021(12)
- [2]一种矿用变频器异步电动机参数离线辨识方法[J]. 蒋德智,荣相,陈雯雅,王越,连超. 工矿自动化, 2021(08)
- [3]基于注意力机制和卷积神经网络的异步电动机三相电压不平衡损耗研究[J]. 符嘉晋,孟安波,蔡涌烽,陈顺,殷豪,吴非,陈子辉. 电机与控制应用, 2021(08)
- [4]基于全阶磁链观测器的异步电动机无速度传感器低速性能研究[D]. 陈付豪. 中国矿业大学, 2021
- [5]基于差分进化算法的PWM逆变器特定消谐技术的研究[D]. 刘晓燕. 哈尔滨工程大学, 2021
- [6]图形化异步电动机定转子故障检测与识别方法研究[D]. 张阳. 中国矿业大学, 2021
- [7]基于参数辨识的异步电机效率优化[D]. 周伟豪. 西安理工大学, 2021(01)
- [8]基于HC32L136的异步电机故障诊断与保护装置研究[D]. 阚羽. 安徽工程大学, 2021
- [9]考虑铁损的异步电机最小损耗鲁棒预测电流控制[D]. 黄稳. 西安理工大学, 2021(01)
- [10]谐波法诊断电机电气类故障技术研究[D]. 曹佳兴. 华北科技学院, 2021