-
公开(公告)号：CN110620538B
公开(公告)日：2021-05-18
申请号：CN201910691275.7
申请日：2019-07-29
Applicant: 长安大学
Abstract: 一种减小磁链脉动的方法，对对磁链和转矩增减效果影响最大的电压矢量角度集合、对磁链和转矩增减效果影响最小的电压矢量角度集合、混合备选电压矢量角度集合以及含7个基本电压矢量的备选电压矢量集合分别进行仿真分析，得到混合备选电压矢量集合的稳态综合性能是最优的，该集合中每一个电压矢量角度值对应一个考虑磁链幅值约束的成本函数值，在所有的考虑磁链幅值约束的成本函数值中选择最小的成本函数值所对应的电压矢量角度，将该电压矢量施加给电机。本发明在混合备选电压矢量集合的基础上，利用考虑磁链幅值约束的成本函数，增强对磁链的有效约束，解决动态下转速阶跃出现较大磁链波动的问题。
-
公开(公告)号：CN110518860B
公开(公告)日：2021-05-04
申请号：CN201910817768.0
申请日：2019-08-30
Applicant: 长安大学
Abstract: 本发明公开了基于BP神经网络和开关表的永磁同步电机模型预测控制方法，本发明采用BP神经网络替代表面式永磁同步电机模型预测算法，BP神经网络具有强大的非线性拟合和模式识别分类的能力，其分布式并行运算的特点可以大大减少算法的运算时间和运算负担，提高系统的及时性，并且BP神经网络替代模型预测算法的准确率和效果均令人满意，其选择最优电压矢量的准确率可以达到88.34％，由于神经网络没有反馈和纠正能力，通过设置一个开关量和阈值切换神经网络工作模式和开关表工作模式可以有效解决BP神经网络动态阶跃下的失控问题，本发明具有一定的创新优势，验证了智能算法在电机控制中的应用前景。
-
公开(公告)号：CN110224649B
公开(公告)日：2021-04-06
申请号：CN201910595422.0
申请日：2019-07-03
Applicant: 长安大学
Abstract: 本发明涉及一种基于支持向量机用于DTC预测控制的方法，先选取已有的电机运行参数作为输入与输出样本；将选取的输入与输出样本分别进行归一化处理；对归一化处理后的样本进行训练，得到输出电压矢量的基于支持向量机用于DTC的预测模型；对当前电机的运行参数进行归一化处理后输入到预测模型中，通过预测模型输出施加的基本电压矢量；根据预测模型输出的基本电压矢量，控制逆变器的开关状态，完成基于支持向量机用于DTC预测控制。本发明能够减少相关计算量，减小转矩脉动，且开关频率恒定。
-
公开(公告)号：CN110535396B
公开(公告)日：2021-03-30
申请号：CN201910817795.8
申请日：2019-08-30
Applicant: 长安大学
Abstract: 本发明公开了基于BP神经网络的表面式永磁同步电机模型预测控制方法，本发明采用BP神经网络替代表面式永磁同步电机模型预测算法，BP神经网络具有强大的非线性拟合和模式识别分类的能力，其分布式并行运算的特点可以大大减少算法的运算时间和运算负担，提高系统的及时性，并且BP神经网络替代模型预测算法的准确率和效果均令人满意，其选择最优电压矢量的准确率可以达到88.34％，由于神经网络没有反馈和纠正能力，通过设置一个开关量和阈值切换神经网络工作模式和MPC工作模式可以有效解决BP神经网络动态阶跃下的失控问题。
-
公开(公告)号：CN110518847B
公开(公告)日：2021-03-30
申请号：CN201910817695.5
申请日：2019-08-30
Applicant: 长安大学
Abstract: 本发明公开了基于BP神经网络的表面式永磁同步电机模型预测控制方法，本发明首先通过表面式永磁同步电机模型预测控制算法中的输入量和输出量生成最优电压矢量序列，再通过最优电压矢量序列训练BP神经网络拓扑模型，采用训练后的BP神经网络替代表面式永磁同步电机模型预测算法，BP神经网络具有强大的非线性拟合和模式识别分类的能力，可以大大减少算法的运算时间和运算负担，提高系统的及时性，同时具有结构简单、精度较高、反应速度快等优点，而且神经网络分布式并行运算的特点使得大量运算成为可能，可以减轻系统计算负担，提高系统响应及时性，相对于传统的模型预测算法具有一定的创新优势，验证了智能算法在电机控制中的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN110266228B
公开(公告)日：2021-03-23
申请号：CN201910603590.X
申请日：2019-07-05
Applicant: 长安大学
Abstract: 本发明公开了基于BP神经网络的表面式永磁同步电机模型预测控制方法，本发明采用BP神经网络替代表面式永磁同步电机模型预测算法，BP神经网络具有强大的非线性拟合和自适应自学习的能力，可以大大减少算法的运算时间和运算负担，提高系统的及时性，并且BP神经网络替代的准确率和效果均令人满意，相对于传统的模型预测算法具有一定的创新优势，验证了智能算法在电机控制中的应用前景。
-
公开(公告)号：CN110808701B
公开(公告)日：2021-02-02
申请号：CN201911216199.0
申请日：2019-12-02
Applicant: 长安大学
Abstract: 本发明公开了一种基于模糊控制自适应变权重系数的开关频率降低方法，基于模型预测转矩控制，给出传统预测模型成本函数的形式；考虑降低逆变器开关频率，构建包括定子磁链控制、转矩控制和开关频率控制在内的多目标优化成本函数，引入开关次数权重系数实现电机主要控制性能与开关次数重要性的权衡；根据电机控制效果反馈，系统动态切换成本函数中开关次数控制项的权重系数；将电机所处工况作为权重系数自适应调整的考虑因素，以当前电机运行工况为输入，设计模糊控制器，输出对应的稳态开关次数权重系数，实现复合工况下权重系数的自适应调节。本发明有效降低系统平均开关频率，提高系统综合控制性能。
-
公开(公告)号：CN110266228A
公开(公告)日：2019-09-20
申请号：CN201910603590.X
申请日：2019-07-05
Applicant: 长安大学
Abstract: 本发明公开了基于BP神经网络的表面式永磁同步电机模型预测控制方法，本发明采用BP神经网络替代表面式永磁同步电机模型预测算法，BP神经网络具有强大的非线性拟合和自适应自学习的能力，可以大大减少算法的运算时间和运算负担，提高系统的及时性，并且BP神经网络替代的准确率和效果均令人满意，相对于传统的模型预测算法具有一定的创新优势，验证了智能算法在电机控制中的应用前景。
-
公开(公告)号：CN110224655A
公开(公告)日：2019-09-10
申请号：CN201910603996.8
申请日：2019-07-05
Applicant: 长安大学
Abstract: 本发明公开了一种无差拍预测控制近似替代电压矢量选择的优化方法，本发明首先推导计算磁链和转矩无差拍控制的理想施加电压矢量的角度和幅值，然后确定备选电压矢量集合为该电压矢量与零电压矢量，最后根据施加电压矢量的幅值判断替代电压矢量选择施加零电压矢量或非零电压矢量。本发明无需遍历所有基本电压矢量即可选择出最优电压矢量，将预测运算次数由7次减小至2次，显著降低了算法的复杂度和计算量，而且对于电压矢量的选择方法更加简洁易用，提高了电机的控制性能。
-
公开(公告)号：CN211072966U
公开(公告)日：2020-07-24
申请号：CN201922124829.3
申请日：2019-12-02
Applicant: 长安大学
Abstract: 本实用新型公开了一种汽车制造用钢板表面除毛刺装置，涉及汽车零件加工技术领域，包括支撑架，支撑架上通过升降机构连接有用于对钢板提升的升降台，所述支撑架上设有两个夹持机构，其中一个夹持机构固定在支撑架侧壁，另一个夹持机构通过调节机构与支撑架滑动连接，所述支撑架上固定有驱动电机，丝杆套块底部设有用于对钢板除毛刺的打磨机构；本实用新型中设置的升降机构能对钢板进行提升，使得钢板能与夹持机构平齐，方便夹持机构在调节机构的带动下对钢板稳定夹持，设置的驱动电机通过传动机构带动丝杆顺逆时针旋转，使得丝杆套块带动打磨机构能对钢板的不同横向位置进行打磨除毛刺，大大提升了钢板的出毛刺效率。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.02 seconds)
