感应电机智能调速【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

感应电机智能调速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 绪论1

1.1 感应电机1

1.2 感应电机控制1

1.3 感应电机控制：历史回顾2

1.3.1 标量控制3

1.3.2 矢量控制3

1.3.3 无速度传感器控制3

1.3.4 感应电机智能控制3

1.3.5 感应电机控制应用现状和研究趋势3

1.4 本书研究内容4

参考文献6

第2章 感应电机控制原理7

2.1 引言7

2.2 感应电机控制理论7

2.2.1 非线性反馈控制7

2.2.2 感应电机模型8

2.2.3 磁场定向控制10

2.2.4 直接转矩控制11

2.2.5 加速度控制11

2.2.6 智能控制的必要性12

2.2.7 感应电机的智能控制模式12

2.3 感应电机控制算法14

2.4 速度估计算法19

2.5 硬件20

参考文献22

第3章 感应电机的建模与仿真24

3.1 引言24

3.2 感应电机的建模24

3.3 感应电机电流输入模型26

3.3.1 电流（3/2）旋转变换子模型27

3.3.2 电气子模型28

3.3.3 机械子模型28

3.3.4 感应电机电流输入模型仿真29

3.4 感应电机电压输入模型31

3.4.1 “电机1”的仿真结果33

3.4.2 “电机2”的仿真结果34

3.4.3 “电机3”的仿真结果35

3.5 感应电机的离散状态模型36

3.6 正弦PWM的建模与仿真38

3.7 编码器的建模与仿真40

3.8 解码器建模41

3.9 包含PWM逆变器和编码器／解码器的感应电机仿真42

3.10 MATLAB？/Simulink编程实例44

3.11 小结58

参考文献58

第4章 智能控制仿真基础60

4.1 引言60

4.2 模糊逻辑仿真基础60

4.2.1 模糊逻辑控制60

4.2.2 实例：模糊PI控制器61

4.3 神经网络仿真基础66

4.3.1 人工神经网络67

4.3.2 实例：利用人工神经网络实现Park变换68

4.4 卡尔曼滤波器仿真基础73

4.4.1 卡尔曼滤波器73

4.4.2 实例：卡尔曼滤波估计含噪声的信号74

4.5 遗传算法仿真基础77

4.5.1 遗传算法77

4.5.2 实例：应用遗传算法优化Simulink模型79

4.6 小结85

参考文献85

第5章 基于专家系统的加速度控制86

5.1 引言86

5.2 定子电压矢量和转子加速度之间的关系87

5.3 电机转子加速度分析89

5.4 电压矢量比较和保持控制策略90

5.5 感应电机的专家系统控制93

5.6 计算机仿真与比较96

5.6.1 第一个仿真实例97

5.6.2 第二个仿真实例99

5.6.3 第三个仿真实例99

5.6.4 第四个仿真实例101

5.6.5 第五个仿真实例102

5.7 小结103

参考文献104

第6章 混合模糊／PI两段控制105

6.1 引言105

6.2 感应电机两段控制策略106

6.3 模糊频率控制107

6.3.1 模糊数据库109

6.3.2 模糊规则110

6.3.3 模糊推理112

6.3.4 去模糊化112

6.3.5 模糊频率控制器113

6.4 电流幅值PI控制113

6.5 用于感应电机的混合模糊／PI两段控制器115

6.6 7.5kW感应电机仿真研究115

6.6.1 与磁场定向控制的比较116

6.6.2 参数变化的影响117

6.6.3 转速和输入电流测量噪声的影响118

6.6.4 磁场饱和的影响118

6.6.5 负载转矩变化的影响118

6.7 0.147kW感应电机的仿真研究120

6.8 MATLAB？/Simulink编程实例124

6.8.1 编程实例1：感应电机电压输入模型124

6.8.2 编程实例2：模糊／PI两段控制器127

6.9 小结129

参考文献130

第7章 基于神经网络的直接转矩控制131

7.1 引言131

7.2 神经网络132

7.3 DSC神经网络控制器133

7.3.1 磁链估计子网134

7.3.2 转矩计算子网135

7.3.3 磁链角度编码器和磁链幅值计算子网135

7.3.4 迟滞比较器子网139

7.3.5 最佳开关表子网141

7.3.6 神经网络连接143

7.4 基于神经网络的DSC仿真144

7.5 MATLAB？/Simulink编程实例147

7.5.1 编程实例1：直接转矩控制器147

7.5.2 编程实例2：基于神经网络的最佳开关表151

7.6 小结155

参考文献155

第8章 应用人工神经网络估计感应电机参数157

8.1 引言157

8.2 基于“T”型等值电路的积分方程157

8.3 基于“T”型等值电路的积分方程160

8.4 应用ANN估计感应电机参数161

8.4.1 电气参数估计162

8.4.2 基于ANN的机械模型163

8.4.3 仿真研究164

8.5 基于ANN的感应电机模型168

8.6 训练数据噪声对参数估计的影响171

8.7 负载、磁链和速度估计172

8.7.1 负载估计172

8.7.2 定子磁链估计174

8.7.3 转子速度估计178

8.8 MATLAB？/Simulink编程实例181

8.8.1 编程实例1：磁场定向控制系统181

8.8.2 编程实例2：感应电机的无传感器控制184

8.9 小结189

参考文献189

第9章 遗传算法优化的扩展卡尔曼滤波速度估算法190

9.1 引言190

9.2 感应电机的扩展状态模型190

9.3 基于扩展卡尔曼滤波器的转子速度估计算法191

9.3.1 状态预测191

9.3.2 误差协方差矩阵估算191

9.3.3 卡尔曼滤波器增益计算192

9.3.4 状态估算192

9.3.5 误差协方差矩阵的更新192

9.4 扩展卡尔曼滤波器的优化193

9.5 应用遗传算法优化EKF的噪声矩阵195

9.6 无速度传感器直接转矩控制的速度估算198

9.7 磁场定向控制器的速度估算199

9.8 MATLAB？/Simulink编程实例202

9.8.1 编程实例1：电压频率控制的调速系统203

9.8.2 编程实例2：基于GA优化的EKF速度估算206

9.8.3 编程实例3：基于遗传算法优化的EKF无速度传感器电压频率控制209

9.8.4 编程实例4：基于遗传算法优化的EKF无速度传感器感应电机磁场定向控制209

9.9 小结211

参考文献211

第10章 遗传算法优化的随机PWM策略212

10.1 引言212

10.2 PWM性能评估212

10.2.1 PWM波形的傅里叶分析214

10.2.2 典型波形的谐波评估215

10.3 随机PWM方法219

10.3.1 随机载波频率PWM220

10.3.2 随机脉冲位置PWM221

10.3.3 随机脉冲宽度PWM222

10.3.4 混合随机脉冲位置和随机脉冲宽度的PWM222

10.3.5 谐波评估结果223

10.4 遗传算法优化的随机PWM224

10.4.1 GA优化的随机载波频率PWM225

10.4.2 GA优化的随机脉冲位置PWM226

10.4.3 GA优化的随机脉冲宽度PWM226

10.4.4 GA优化的混合随机脉冲位置和脉冲宽度PWM228

10.4.5 GA优化的多种随机PWM逆变器评估230

10.4.6 GA优化的随机单相PWM逆变器的开关损耗230

10.4.7 GA优化的随机单相PWM逆变器的线性调制范围230

10.4.8 GA优化的随机单相PWM逆变器的实现231

10.4.9 GA优化的随机PWM逆变器的参考正弦波频率的限制232

10.5 MATLAB？/Simulink编程实例232

10.5.1 编程实例1：单相正弦PWM232

10.5.2 编程实例2：四脉冲波形评估235

10.5.3 编程实例3：随机载波频率PWM236

10.6 不同PWM策略实验237

10.6.1 PWM的DSP实现237

10.6.2 实验结果238

10.7 小结241

参考文献242

第11章 实验研究243

11.1 引言243

11.2 感应电机控制实验硬件设计244

11.2.1 硬件描述245

11.3 软件开发方法249

11.4 实验1：电机参数的确定250

11.5 实验2：感应电机启动250

11.5.1 程序设计251

11.5.2 程序调试252

11.5.3 实验研究255

11.6 实验3：模糊／PI两段控制器的实现257

11.6.1 程序设计258

11.6.2 程序调试263

11.6.3 性能测试265

11.7 实验4：基于GA优化的扩展卡尔曼滤波器的速度估计269

11.7.1 程序设计269

11.7.2 GA-EKF实验方法270

11.7.3 GA-EKF实验271

11.7.4 GA-EKF的局限性274

11.8 DSP控制器TMS320F28335编程实例275

11.8.1 三相正弦PWM波的生成277

11.8.2 RTDX编程282

11.8.3 ADC编程284

11.8.4 CAP编程287

11.9 小结293

参考文献294

第12章 结论与展望295

12.1 本书的主要贡献295

12.2 新型感应电机驱动系统的工业应用296

12.3 未来的发展趋势298

12.3.1 基于专家系统的加速度控制298

12.3.2 混合模糊／PI两段控制298

12.3.3 基于神经网络的直接转矩控制298

12.3.4 基于遗传算法的扩展卡尔曼滤波299

12.3.5 基于神经网络的参数估算299

12.3.6 基于遗传算法的优化随机PWM策略299

12.3.7 集成人工智能算法和硬件299

参考文献299

附录A 感应电机等值电路300

附录B 感应电机参数301

附录C 离散状态感应电机模型的M文件302

附录D 专家系统加速度控制算法303

附录E 神经网络的激发函数306

附录F 扩展卡尔曼滤波器的M文件308

附录G 基于ADMC331的实验系统310

附录H 实验1：电机3的电气参数测量311

附录I 实验2：主程序的DSP源代码314

附录J 实验3：主程序的DSP源代码319