智能控制在變頻傳動系統(tǒng)中的應(yīng)用

前言

第1章變頻傳動系統(tǒng)概要

1.1變頻傳動概述

1.1.1傳動的意義和歷史

1.1.2兩種電氣傳動的競爭

1.1.3變頻調(diào)速一枝獨秀

1.1.4變頻傳動的定義與幾個術(shù)語的區(qū)分

1.1.5變頻傳動系統(tǒng)的組成

1.2變頻電源

1.2.1概述

1.2.2交—直—交電壓型變頻器

1.2.3交—直—交電流型變頻器及交—交變頻器

1.2.4變頻器的諧波與對策

1.3電動機

1.3.1異步電動機的結(jié)構(gòu)和工作原理

1.3.2異步電動的轉(zhuǎn)矩、轉(zhuǎn)速和機械特性

1.3.3異步電動機的運行

1.3.4同步電動機

1.4變頻傳動的負載

1.4.1負載的機械特性

1.4.2主要生產(chǎn)機械的特點及其負載特性

1.4.3變頻傳動穩(wěn)定運行與機械特性的配合

1.4.4電動機、變頻器功率的選擇

1.5控制系統(tǒng)

1.5.1概述

1.5.2轉(zhuǎn)速、電流雙閉環(huán)控制系統(tǒng)

1.5.3轉(zhuǎn)差頻率控制系統(tǒng)

1.5.4矢量變換控制系統(tǒng)

1.5.5直接轉(zhuǎn)矩控制系統(tǒng)

1.6變頻傳動系統(tǒng)的發(fā)展趨勢

附錄

附錄1矢量控制動態(tài)方程[9]

附錄2直接轉(zhuǎn)矩控制動態(tài)方程[9]

參考文獻

第2章智能控制引論

2.1智能控制的定義和分類

2.1.1智能控制的定義

2.1.2智能控制的結(jié)構(gòu)理論與分類

2.1.3智能控制的特點與傳統(tǒng)控制的關(guān)系

2.2智能控制的應(yīng)用范圍及在變頻傳動系統(tǒng)中的應(yīng)用

2.3混沌控制簡介

2.3.1混沌和混沌理論

2.3.2混沌的產(chǎn)生

2.3.3混沌的定義及特點

2.3.4混沌控制的目標和方法

附錄——名詞解釋

參考文獻

第3章模糊控制理論與應(yīng)用基礎(chǔ)

3.1概述

3.1.1模糊控制的意義

3.1.2模糊控制系統(tǒng)的結(jié)構(gòu)與工作原理

3.1.3模糊控制的優(yōu)缺點

3.2模糊集合和輸入精確量模糊化

3.2.1模糊集合和隸屬函數(shù)

3.2.2模糊集合的運算

3.2.3輸入量精確值模糊化

3.3知識庫與模糊控制規(guī)則

3.3.1知識庫

3.3.2模糊控制規(guī)則的建立

3.3.3模糊控制規(guī)則的形式

3.3.4模糊控制規(guī)則的設(shè)計

3.4模糊推理

3.4.1常用模糊語句

3.4.2模糊關(guān)系與模糊矩陣

3.4.3模糊推理法

3.4.4模糊關(guān)系方程

3.5解模糊化

3.5.1重心法

3.5.2加權(quán)平均法

3.5.3最大隸屬度法

3.5.4中位數(shù)法

3.6模糊控制系統(tǒng)的分類和舉例

3.6.1模糊控制系統(tǒng)的分類

3.6.2模糊控制系統(tǒng)舉例

3.7模糊控制的應(yīng)用

3.8模糊PID控制器

3.8.1傳統(tǒng)PID控制器工作特點

3.8.2模糊PID控制器

附錄——名詞解釋

參考文獻

第4章神經(jīng)網(wǎng)絡(luò)控制理論與應(yīng)用基礎(chǔ)

4.1人工神經(jīng)網(wǎng)絡(luò)概述

4.1.1人腦神經(jīng)網(wǎng)絡(luò)與神經(jīng)元

4.1.2人工神經(jīng)網(wǎng)絡(luò)與神經(jīng)元

4.1.3人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用

4.2神經(jīng)網(wǎng)絡(luò)的分類與基本模型

4.2.1神經(jīng)網(wǎng)絡(luò)的分類和功能

4.2.2神經(jīng)網(wǎng)絡(luò)基本模型

4.2.3感知器

4.3神經(jīng)網(wǎng)絡(luò)的學習方法

4.3.1有導(dǎo)師學習（監(jiān)督學習）

4.3.2無導(dǎo)師學習（無監(jiān)督學習或自組織學習）

4.3.3再勵學習

4.4感知器學習算法與多層感知器

4.5BP神經(jīng)網(wǎng)絡(luò)

4.5.1BP神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)

4.5.2BP算法

4.6RBF神經(jīng)網(wǎng)絡(luò)

4.7反饋型神經(jīng)網(wǎng)絡(luò)

4.7.1Hopfield神經(jīng)網(wǎng)絡(luò)

4.7.2Boltzmann學習機網(wǎng)絡(luò)

4.7.3Kohonen神經(jīng)網(wǎng)絡(luò)

4.8競爭學習神經(jīng)網(wǎng)絡(luò)

4.8.1基本原理

4.8.2競爭學習神經(jīng)網(wǎng)絡(luò)的實現(xiàn)

4.9神經(jīng)網(wǎng)絡(luò)控制的應(yīng)用

4.9.1神經(jīng)網(wǎng)絡(luò)的優(yōu)越性與應(yīng)用領(lǐng)域

4.9.2神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識

4.9.3神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

4.9.4神經(jīng)網(wǎng)絡(luò)預(yù)測控制

4.9.5神經(jīng)網(wǎng)絡(luò)控制器

4.10單神經(jīng)元PID控制

4.11神經(jīng)網(wǎng)絡(luò)PID控制器

4.11.1神經(jīng)網(wǎng)絡(luò)PID控制器的結(jié)構(gòu)

4.11.2神經(jīng)網(wǎng)絡(luò)PID控制器控制算法

4.11.3仿真實例

4.12模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)

附錄

附錄1符號說明

附錄2名詞解釋

參考文獻

第5章遺傳算法理論與應(yīng)用基礎(chǔ)

5.1概述

5.1.1遺傳算法是新的全局優(yōu)化搜索算法

5.1.2遺傳算法主要概念解釋及與生物學和實際問題的對應(yīng)關(guān)系

5.2遺傳算法的基本內(nèi)容

5.2.1選取與設(shè)定初始群體

5.2.2參數(shù)編碼

5.2.3適應(yīng)度函數(shù)的計算

5.2.4遺傳操作設(shè)計

5.2.5終止條件

5.2.6小結(jié)

5.3模式定理和積木假說

5.3.1模式定理

5.3.2積木（基因塊）假說

5.3.3遺傳算子對模式的影響

5.4遺傳算法的實現(xiàn)

5.5遺傳算法特點

5.6遺傳算法舉例

5.7免疫算法

5.7.1概述

5.7.2IGA的主要步驟

5.7.3免疫克隆算法

5.8遺傳算法的應(yīng)用

5.9基于遺傳算法的PID控制技術(shù)

5.9.1PID控制概述

5.9.2采用遺傳算法的PID控制方法

5.10遺傳算法與人工神經(jīng)網(wǎng)絡(luò)結(jié)合的應(yīng)用

5.10.1概述

5.10.2采用遺傳算法的神經(jīng)網(wǎng)絡(luò)應(yīng)用示例

5.10.3結(jié)束語

參考文獻

第6章智能控制在改進變頻電源中的應(yīng)用

6.1SPWM變頻電源

6.1.1神經(jīng)網(wǎng)絡(luò)控制用于改進SPWM逆變器的優(yōu)化

6.1.2模糊控制與PID控制結(jié)合的控制系統(tǒng)

6.1.3混沌隨機TPWM低載波頻率逆變器

6.2SVPWM變頻器

6.2.1神經(jīng)網(wǎng)絡(luò)法在SVPWM技術(shù)中的改進應(yīng)用

6.2.2IA在SVPWM逆變器控制中的應(yīng)用

6.3變頻器中整流器的改進

6.3.1整流器改進的必要性

6.3.2基于神經(jīng)元控制的SVPWM整流器直接功率控制

附錄——名詞解釋

參考文獻

第7章智能控制在改進控制系統(tǒng)性能中的應(yīng)用

7.1概述

7.1.1控制系統(tǒng)的技術(shù)指標

7.1.2智能控制對改進控制系統(tǒng)性能的作用

7.2轉(zhuǎn)速、電流雙閉環(huán)系統(tǒng)和轉(zhuǎn)差頻率控制系統(tǒng)的改進

7.2.1概述

7.2.2PLC模糊神經(jīng)網(wǎng)絡(luò)變頻調(diào)速系統(tǒng)

7.3矢量控制系統(tǒng)的改進

7.3.1概述

7.3.2智能控制方案簡介

7.3.3模糊PID異步電動機矢量控制

7.3.4免疫遺傳模糊神經(jīng)網(wǎng)絡(luò)的永磁同步電動機矢量控制

7.4直接轉(zhuǎn)矩控制系統(tǒng)的改進

7.4.1概述

7.4.2遺傳算法模糊自適應(yīng)異步電動機直接轉(zhuǎn)矩控制

7.4.3模糊控制永磁同步電動機直接轉(zhuǎn)矩控制

參考文獻

第8章智能控制在改進負載性能中的應(yīng)用

8.1金屬切削機床

8.1.1概述

8.1.2加工過程的神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制

8.2電力機車

8.2.1引言

8.2.2采用遺傳算法的受電弓優(yōu)化設(shè)計

8.3起重機

8.3.1引論

8.3.2模糊PID控制器在起重機糾偏系統(tǒng)中的應(yīng)用

8.4電梯

8.4.1引言

8.4.2遺傳算法電梯群控

8.5變頻空調(diào)器

8.5.1引言

8.5.2模糊控制變頻空調(diào)器

8.6多電動機群控

8.6.1引言

8.6.2神經(jīng)網(wǎng)絡(luò)的多電動機同步協(xié)調(diào)控制

8.7注塑機

8.7.1引言

8.7.2注塑成型智能監(jiān)控系統(tǒng)的研究

參考文獻2100433B

智能控制是在無人干預(yù)的情況下，能自主地驅(qū)動智能機器實現(xiàn)控制目標的自動控制技術(shù)，是一門新興的學科?！吨悄芸刂圃谧冾l傳動系統(tǒng)中的應(yīng)用》第1章為變頻傳動系統(tǒng)概要，第2章為智能控制緒論并附混沌控制簡介，第3章為模糊控制理論與應(yīng)用基礎(chǔ)，第4章為神經(jīng)網(wǎng)絡(luò)控制理論與應(yīng)用基礎(chǔ)，第5章為遺傳算法理論與應(yīng)用基礎(chǔ)，第6章為智能控制在改進變頻電源中的應(yīng)用，第7章為智能控制在改進控制系統(tǒng)性能中的應(yīng)用，第8章為智能控制在改進負載性能中的應(yīng)用。

《智能控制在變頻傳動系統(tǒng)中的應(yīng)用》對研究智能控制在變頻傳動應(yīng)用方面的工程師具有借鑒意義，對相關(guān)大專院校學生也有一定參考價值。

該方法應(yīng)用于協(xié)調(diào)系統(tǒng)中，主要基于以下幾種觀點:

(1)主要參數(shù)的變化趨勢實際上反映了機組輸入/輸出能量平衡的動態(tài)過程:

(2)對于鍋爐對象，由于其具有強烈的時間遲延和較大的慣性，因此施加作用強烈的階躍作用往往比施加較慢的積分作用效果明顯.因為積分作用無法判斷誤差的方向，如果掌握不好，容易造成鍋爐側(cè)能量的累積，而導(dǎo)致系統(tǒng)的過調(diào);

(3)基于規(guī)則的智能控制方法應(yīng)用于前饋控制中，著力反映系統(tǒng)的動態(tài)過程。而系統(tǒng)的穩(wěn)態(tài)偏差山并聯(lián)的PID控制器解決;

(4)基于規(guī)則的智能控制方法對于克服協(xié)調(diào)控制系統(tǒng)中存在的強烈的不確定干擾以及未建模動態(tài)具有顯著的效果。