智能控制在变频传动系统中的应用PDF|Epub|txt|kindle电子书版本网盘下载

智能控制在变频传动系统中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 变频传动系统概要1

1.1 变频传动概述1

1.1.1 传动的意义和历史1

1.1.2 两种电气传动的竞争1

1.1.3 变频调速一枝独秀2

1.1.4 变频传动的定义与几个术语的区分3

1.1.5 变频传动系统的组成4

1.2 变频电源5

1.2.1 概述5

1.2.2 交-直-交电压型变频器5

1.2.3 交-直-交电流型变频器及交-交变频器6

1.2.4 变频器的谐波与对策8

1.3 电动机16

1.3.1 异步电动机的结构和工作原理16

1.3.2 异步电动的转矩、转速和机械特性17

1.3.3 异步电动机的运行19

1.3.4 同步电动机23

1.4 变频传动的负载24

1.4.1 负载的机械特性25

1.4.2 主要生产机械的特点及其负载特性27

1.4.3 变频传动稳定运行与机械特性的配合32

1.4.4 电动机、变频器功率的选择33

1.5 控制系统35

1.5.1 概述35

1.5.2 转速、电流双闭环控制系统35

1.5.3 转差频率控制系统36

1.5.4 矢量变换控制系统37

1.5.5 直接转矩控制系统40

1.6 变频传动系统的发展趋势43

附录43

附录1 矢量控制动态方程［9］43

附录2 直接转矩控制动态方程［9］44

参考文献45

第2章 智能控制引论46

2.1 智能控制的定义和分类46

2.1.1 智能控制的定义46

2.1.2 智能控制的结构理论与分类47

2.1.3 智能控制的特点与传统控制的关系48

2.2 智能控制的应用范围及在变频传动系统中的应用49

2.3 混沌控制简介51

2.3.1 混沌和混沌理论51

2.3.2 混沌的产生52

2.3.3 混沌的定义及特点53

2.3.4 混沌控制的目标和方法54

附录——名词解释56

参考文献59

第3章 模糊控制理论与应用基础60

3.1 概述60

3.1.1 模糊控制的意义60

3.1.2 模糊控制系统的结构与工作原理61

3.1.3 模糊控制的优缺点61

3.2 模糊集合和输入精确量模糊化62

3.2.1 模糊集合和隶属函数62

3.2.2 模糊集合的运算66

3.2.3 输入量精确值模糊化68

3.3 知识库与模糊控制规则69

3.3.1 知识库69

3.3.2 模糊控制规则的建立70

3.3.3 模糊控制规则的形式71

3.3.4 模糊控制规则的设计71

3.4 模糊推理72

3.4.1 常用模糊语句72

3.4.2 模糊关系与模糊矩阵73

3.4.3 模糊推理法75

3.4.4 模糊关系方程76

3.5 解模糊化77

3.5.1 重心法77

3.5.2 加权平均法77

3.5.3 最大隶属度法77

3.5.4 中位数法78

3.6 模糊控制系统的分类和举例78

3.6.1 模糊控制系统的分类78

3.6.2 模糊控制系统举例79

3.7 模糊控制的应用84

3.8 模糊PID控制器85

3.8.1 传统PID控制器工作特点85

3.8.2 模糊PID控制器86

附录——名词解释91

参考文献92

第4章 神经网络控制理论与应用基础93

4.1 人工神经网络概述93

4.1.1 人脑神经网络与神经元93

4.1.2 人工神经网络与神经元94

4.1.3 人工神经网络的应用94

4.2 神经网络的分类与基本模型95

4.2.1 神经网络的分类和功能95

4.2.2 神经网络基本模型95

4.2.3 感知器97

4.3 神经网络的学习方法97

4.3.1 有导师学习（监督学习）98

4.3.2 无导师学习（无监督学习或自组织学习）99

4.3.3 再励学习99

4.4 感知器学习算法与多层感知器99

4.5 BP神经网络101

4.5.1 BP神经网络的拓扑结构101

4.5.2 BP算法101

4.6 RBF神经网络108

4.7 反馈型神经网络109

4.7.1 Hopfield神经网络109

4.7.2 Boltzmann学习机网络110

4.7.3 Kohonen神经网络110

4.8 竞争学习神经网络111

4.8.1 基本原理111

4.8.2 竞争学习神经网络的实现112

4.9 神经网络控制的应用112

4.9.1 神经网络的优越性与应用领域112

4.9.2 神经网络系统辨识113

4.9.3 神经网络自适应控制114

4.9.4 神经网络预测控制116

4.9.5 神经网络控制器116

4.10 单神经元PID控制116

4.11 神经网络PID控制器118

4.11.1 神经网络PID控制器的结构118

4.11.2 神经网络PID控制器控制算法118

4.11.3 仿真实例118

4.12 模糊神经网络控制系统119

附录120

附录1 符号说明120

附录2 名词解释121

参考文献122

第5章 遗传算法理论与应用基础123

5.1 概述123

5.1.1 遗传算法是新的全局优化搜索算法123

5.1.2 遗传算法主要概念解释及与生物学和实际问题的对应关系124

5.2 遗传算法的基本内容125

5.2.1 选取与设定初始群体125

5.2.2 参数编码126

5.2.3 适应度函数的计算126

5.2.4 遗传操作设计126

5.2.5 终止条件128

5.2.6 小结129

5.3 模式定理和积木假说129

5.3.1 模式定理129

5.3.2 积木（基因块）假说130

5.3.3 遗传算子对模式的影响130

5.4 遗传算法的实现131

5.5 遗传算法特点134

5.6 遗传算法举例135

5.7 免疫算法137

5.7.1 概述137

5.7.2 IGA的主要步骤138

5.7.3 免疫克隆算法139

5.8 遗传算法的应用140

5.9 基于遗传算法的PID控制技术141

5.9.1 PID控制概述141

5.9.2 采用遗传算法的PID控制方法141

5.10 遗传算法与人工神经网络结合的应用142

5.10.1 概述142

5.10.2 采用遗传算法的神经网络应用示例142

5.10.3 结束语144

参考文献144

第6章 智能控制在改进变频电源中的应用145

6.1 SPWM变频电源145

6.1.1 神经网络控制用于改进SPWM逆变器的优化146

6.1.2 模糊控制与PID控制结合的控制系统151

6.1.3 混沌随机TPWM低载波频率逆变器155

6.2 SVPWM变频器158

6.2.1 神经网络法在SVPWM技术中的改进应用158

6.2.2 IA在SVPWM逆变器控制中的应用161

6.3 变频器中整流器的改进167

6.3.1 整流器改进的必要性167

6.3.2 基于神经元控制的SVPWM整流器直接功率控制168

附录——名词解释173

参考文献173

第7章 智能控制在改进控制系统性能中的应用175

7.1 概述175

7.1.1 控制系统的技术指标175

7.1.2 智能控制对改进控制系统性能的作用176

7.2 转速、电流双闭环系统和转差频率控制系统的改进176

7.2.1 概述176

7.2.2 PLC模糊神经网络变频调速系统177

7.3 矢量控制系统的改进183

7.3.1 概述183

7.3.2 智能控制方案简介184

7.3.3 模糊PID异步电动机矢量控制184

7.3.4 免疫遗传模糊神经网络的永磁同步电动机矢量控制190

7.4 直接转矩控制系统的改进196

7.4.1 概述196

7.4.2 遗传算法模糊自适应异步电动机直接转矩控制197

7.4.3 模糊控制永磁同步电动机直接转矩控制205

参考文献209

第8章 智能控制在改进负载性能中的应用210

8.1 金属切削机床210

8.1.1 概述210

8.1.2 加工过程的神经网络自适应控制211

8.2 电力机车215

8.2.1 引言215

8.2.2 采用遗传算法的受电弓优化设计216

8.3 起重机220

8.3.1 引论220

8.3.2 模糊PID控制器在起重机纠偏系统中的应用220

8.4 电梯225

8.4.1 引言225

8.4.2 遗传算法电梯群控225

8.5 变频空调器228

8.5.1 引言228

8.5.2 模糊控制变频空调器228

8.6 多电动机群控234

8.6.1 引言234

8.6.2 神经网络的多电动机同步协调控制234

8.7 注塑机237

8.7.1 引言237

8.7.2 注塑成型智能监控系统的研究238

参考文献243