基于小波神经网络无速度传感器DTC系统参数辨识

文摘

英文文摘

独创性说明及关于论文使用授权的说明

1绪论

1.1引言

1.2 DTC国外研究现状

1.2.1基于模型参考自适应系统(MRAS)的估计算法

1.2.2基于神经网络辨识的方法

1.3 DTC系统存在的问题及解决方案

1.4论文的主要任务

2小波神经网络的研究

2.1小波分析的基础

2.2小波神经网络的发展

2.3小波神经网络的结构与选择

2.4 WNN的算法

2.4.1梯度下降法

2.4.2正交最小二乘法(OLS算法)

2.4.3递推正交最小二乘法(ROLS算法)

3 DTC系统基本组成和基本原理

3.1电机的数学模型

3.2直接转矩控制原理

3.2.1磁链观测

3.2.2转矩观测及转矩、磁链控制器

3.2.3电压空间矢量的选择

3.2.4电压矢量表的选择

4转速和定子电阻的辨识

4.1转速的辨识

4.1.1转速的辨识模型

4.1.2基于神经网络辨识过程和辨识结果

4.1.3基于小波神经网络辨识模型的确定和辨识结果

4.2定子电阻的辨识

4.2.1小波神经网络定子电阻在线观测器的结构设计

4.2.2试验测试及仿真

5 DTC系统的仿真与仿真结果

5.1 Matlab/Simulink软件的介绍

5.2 DTC系统中的各模型的建立

5.2.1各模型的建立

5.3仿真结果

6控制系统的实现

6.1硬件电路的设计

6.1.1控制电路的部分简介

6.1.2主电路部分简介

6.2系统软件设计

6.2.1电压空间矢量脉宽调制波的生成

6.2.2系统软件设计的结构

7总结与展望

7.1全文工作总结

7.2进一步工作展望

参考文献

在学研究成果

致 谢