本文拟借助于神经网络良好的逼近能力，实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射，具有很强的自学习自适应能力，十分适合于解决复杂的非线性控制问题。其中，BP神经网络是目前广泛应用的神经网络之一，得到了较为深入的研究，其结构简单，需要离线确定的参数少、泛化能力强、逼近精度高、实时性强，采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略，建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整，控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明，该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后，将其用于永磁同步电机的转子位置角在线估计。结果表明，该训练算法可以有效地加快神经网络收敛速度，且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统，并进行了相应的软硬件设计，为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本，为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。
上传时间： 2013-05-23
上传用户：1101055045
该文主要研究的是感应电动机无速度传感器矢量控制变频调速及参数辨识.首先,利用坐标变换的方法推导出感应电动机在两相殂止和两相同步旋转坐标系中的数学模型,并对电机动态特性进行了仿真.用矢量控制理论和电压解耦的方法建立了转差型电压乔量解耦控制系统.利用神经网络的方法和模型参考自适应(MRAS)的方法实现转速辨识,仿真结果验证了辨识方法是可行的.利用系统固有了硬件资源(如PWM逆变器、微机控制系统)发出一定规则的脉冲实现电动机参数的静态测试,仿真结果表明它能为矢量控制系统提供较高精度的电机参数,具有一定的实际意义.为了实现电机转速高速响应的目标,用大规模数字信号处理器DSP产现系统控制,文中给出了控制思想.
上传时间： 2013-04-24
上传用户：84425894
该文研究了无刷直流电机的无位置传感器控制理论、转矩波动抑制方法、数字仿真算法和DSP控制技术.首先,该文介绍了无刷直流电机无位置传感器控制原理,比较了目前几种常用的无位置传感器控制方法,提出了基于径向基函数（RBF）神经网络的无位置传感器控制方法.通过离散化位置信号的映射方程,得到网络的基本输入输出,网络的输出通过逻辑处理,处理后的结果作为电机控制信号,同时也作为网络的训练教师.采用在线学习和离线学习两种方式训练网络,并详细介绍了两种方式的算法;其次,该文概述了无刷直流电机转矩波动的产生原因,重点分析了换相转矩波动产生的原理,提出了基于误差反传（BP）神经网络的转矩波动抑制新方法.采用两个结构相同三层网络,建立了电压自校正调节器,对电机端电压进行瞬时调节,保持电路中电流幅值不变,实现了转矩波动的自适应调节.另外,该文推导了较全面的电机数学模型,重点研究了无刷直流电机仿真中的几个关键技术,包括气隙磁场的建立、位置信号的模拟、中心点电压的计算、二极管续流状态的实现以及PWM电流控制的仿真.采用面向对象程序设计（OOP）方法,设计了多功能的仿真软件SIMOT.最后该文介绍了数字信号处理器（DSP）TMS320LF2407的结构和性能,给出了PWM控制和A/D转换的算法,采用反电势法原理实现了无位置传感器控制,并给出了相关的实验结果.
上传时间： 2013-07-14
上传用户：klds
本文首先简述了交流调速系统的发展和研究重点，介绍了异步电机调速系统的不同控制策略，详细论述了异步电机矢量控制系统的基本原理：异步电机的数学模型和坐标变换、矢量控制的基本方程式、转子磁链的观测方法、矢量控制的系统结构等，并重点分析了空间矢量脉宽调制(SVPWM)技术的基本原理、控制算法以及在TMS320LF2407中的实现方法。 从工程实际应用出发，本文设计和开发了一套以DSP芯片TMS320LF2407为核心的有速度传感器异步电机矢量控制系统，并给出了硬件和软件的实现方法。该系统的功率电路采用电压型的交-直-交变压变频结构，由整流电路、滤波电路及智能功率模块IPM(PM15RSH120)逆变电路构成；控制电路以DSP芯片TMS320LF2407为核心，加上PWM信号发生电路、定子电流检测电路、直流母线电压检测电路、智能功率模块驱动电路、速度检测电路、系统保护电路等，构成了功能齐全的异步电机全数字化矢量控制系统。 在此基础上，本文对无速度传感器异步电机矢量控制系统进行了有益的探索。提出了改进的电压型转子磁链估算模型，消除了电压型转子磁链估算模型中纯积分环节所固有的漂移问题和积累误差对实际系统性能的影响。在传统型参考自适应系统基础上，将系统中原有的自适应调节机构用一个具有在线学习能力的模糊神经网络取代，提出一种基于模糊神经网络的异步电机转速估计方法，并给出了速度估计器的模糊神经网络结构和学习算法。最后对基于模糊神经网络转速估计的异步电机矢量控制系统进行了仿真，结果表明该系统具有良好的性能。
上传时间： 2013-07-02
上传用户：amandacool
永磁同步电机(Permanent Magnet Synchronous Motor)因功率密度大、效率高、过载能力强、控制性能优良等优点，在中小容量调速系统和高精度调速场合发展迅速。但由于永磁同步电机的磁场具有独特的交叉耦合和交叉饱和现象，且其控制系统是一个强非线性、时变和多变量系统，要实现高精度调速就需对其控制策略进行深入研究。 永磁同步电机调速系统中，位置传感器的存在使得系统成本增加、结构复杂、可靠性降低，所以永磁同步电机的无位置传感器控制成为一个新的研究热点。本文拟借助于神经网络良好的逼近能力，实现永磁同步电机的无位置传感器控制。 人工神经网络(Neural Network)可以逼近任意复杂非线性映射，具有很强的自学习自适应能力，十分适合于解决复杂的非线性控制问题。其中，BP神经网络是目前广泛应用的神经网络之一，得到了较为深入的研究，其结构简单，需要离线确定的参数少、泛化能力强、逼近精度高、实时性强，采用BP神经网络实现永磁同步电机的调速控制具有重要意义。 文中提出了基于BP神经网络的永磁同步电机自适应调速控制策略，建立了一种包含辨识网络和控制网络的双神经网络结构控制系统。辨识网络在线动态辨识系统输出并对控制网络参数进行调整，控制网络与PI控制方法相结合实现永磁同步电机自适应转速控制。仿真结果表明，该系统动态响应快、实时性较强、精度较高。 文中提出了一种基于混合训练算法的BP神经网络永磁同步电机无位置传感器控制方法。采用混沌优化和梯度下降法相结合的混合算法对BP神经网络进行离线训练后，将其用于永磁同步电机的转子位置角在线估计。结果表明，该训练算法可以有效地加快神经网络收敛速度，且估计的转子位置角误差较小、精度较高。 文中建立了以TMS320F2812芯片为核心的永磁同步电机调速控制系统，并进行了相应的软硬件设计，为实现永磁同步电机的各种控制策略奠定了实验基础。DSP控制系统为神经网络训练提供样本，为研究永磁同步电机的自适应调速控制和转子位置角估计创造了条件。
上传时间： 2013-07-03
上传用户：kakuki123
随着21世纪的到来，特别是近年来现代高科技和信息技术正在由智能大厦走向智能化住宅小区，进而走进家庭。人们对家居生活环境的要求也越来越高，并将注意力越来越多的放在了生活环境的安全性、舒适性和便利性上。 家居无线监控问题是当今国际建筑智能化领域的前沿性研究课题。无线传感网络的出现克服了家庭中布线的烦琐，充分体现了智能家居系统的灵活、方便、高效。本项目研究开发了基于ZigBee技术和Internet技术的智能家居监控系统，将Internet的远程监控与ZigBee短距离控制相结合，实现系统的家居无线控制和数据采集，避免了综合布线，可扩展性好。 本文首先进行系统总体设计，结合底层ZigBee无线传感网络的特点和系统总体网络监控的要求，将该系统设计分为四部分：无线传输模块、数据处理模块、以太网传输模块、上位机显示界面。然后对ZigBee协议标准做了全面地研究分析，同时给出了基于CC2430的无线传输模块的软硬件设计和星型网络搭建，并给出了测试结果。接着设计了基于TMS320F2812的数据处理模块，给出了硬件电路和外围辅助电路设计方案，并为其移植了实时操作系统μc/OS-Ⅱ。本设计完成了基于RTL8019AS的以太网传输模块设计和系统的以太网通信程序的设计，实现了从底层ZigBee无线传感网络的数据采集最终到监控机的数据传输并测试成功。最后在VC++6．0环境下，应用Windows Sockets套件接口开发显示界面对底层采集的数据分类显示。 整个智能家居监控系统能够对家用电器的完成开关量的控制，还能够对三 表（水表、电表、燃气表）进行无线抄表，最重要的是可监测来自家庭安防传感器（火警、煤气泄露）的数据，以备物业等部门监控。通过测试后，证实了设计方案的正确性，结果满足系统设计要求，该设计具有一定的新颖性和实用性。关键词：智能家居，ZigBee，数据处理，μC/OS-Ⅱ，Windows Sockets
上传时间： 2013-06-28
上传用户：shinnsiaolin
异步电机无速度传感器矢量控制技术提高了交流传动系统的可靠性，降低了系统的实现成本。准确辨识电机转速是实现无速度传感器矢量控制的关键。 本文对无速度传感器矢量控制系统进行了研究，建立了异步电动机无速度传感器电压解耦矢量控制系统和基于模型参考自适应(MRAS)的无速度传感器矢量控制系统。基于MRAS的无速度传感器矢量控制系统利用电动机定子电压方程和电流方程得到电动机转速的模型参考自适应辨识算法，在此基础上建立了一个改进的变参数MRAS速度辨识数学模型，并利用Matlab软件对基于该速度辨识模型的无速度传感器异步电动机矢量控制系统在不同的情况下进行了详细的仿真研究。仿真结果验证了该改进的变参数MRAS速度辨识模型具有令人满意的辨识精度和动态性能。 基于MRAS的转速估算理论从本质上来说属于基于电机理想模型的转速估算方案，该方法依赖于电机参数，而电机参数在电机运动过程中变化很大，因而给出了对电机的一些定、转子参数进行实时辨识方法，以保持系统的动、静态性能。 在传统型模型参考自适应系统基础上，将系统中原有的自适应调节机构用一个具有在线学习能力的人工神经网络取代，提出一种基于神经网络的异步电机转速估计方法，并给出了速度估计器的神经网络结构和学习算法。最后对基于神经网络转速估计的异步电机矢量控制系统进行了仿真，结果表明该系统具有良好的性能。 简单介绍了基于DSP的异步电机无速度传感器矢量控制系统的硬件结构以及软件系统的设计。
上传时间： 2013-05-30
上传用户：hakim
随着计算机、通信、电子技术的进步，嵌入式系统和以太网技术的融合将成为嵌入式技术未来的重要发展方向。基于ARM的嵌入式系统由于具有低功耗、高性能、低成本、可以进行多任务操作等优点，在控制领域得到了越来越广泛的应用。 本选题来自中山大学与北京航天五院合作研制的流体网络系统地面原理样机控制器设计项目。论文研究的主要目的是利用基于ARM920T内核的嵌入式微处理器AT91RM9200融合多传感器设计一种可以在地面实验室环境中可靠运行的数据采集与温度控制系统。 本文从嵌入式测控系统的硬件实现和软件设计两方面进行分析。在硬件设计上，主控制板以Atmel公司生产的AT91RM9200 CPU为核心，主要包括串口模块、存储模块、以太网接口模块、基于SPI串行接口设计的数据采集模块（A/D）、基于I2C接口设计的PID控制信号输出模块（D/A）和采用PIO接口设计的开关控制输出模块等电路，其中后三个模块承担了流体网络回路的传感器数据采集，关键点的温度控制和多路电磁阀的开关控制等任务，后文将重点介绍。在软件设计方面，主要分两个方面进行讨论，分别为主控制器上基于嵌入式Linux系统的软件和上位机采用Visual C++编写的监控软件。主控制器软件采用多线程进行设计，包括主线程、服务器子线程和数据采集子线程，三个线程同时运行，提高了系统的运行效率。上位机和主控制器通过接入以太网中，然后由服务器线程和上位机客户端利用socket套接字实现通信。同时上位机软件也提供形象美观的图形用户界面，配合主控制器实现特定的温度、流量和压力监控。 本论文设计的嵌入式测控系统充分利用了AT91RM9200内嵌的的强大功能模块，包括SPI接口模块和I2C接口模块等，可广泛应用于控制领域。对该系统的一些研究成果和设计方法具有一定的先进性和良好的实用性，具有良好的应用前景。
上传时间： 2013-06-30
上传用户：hmy2st
IEEE 1451 是一种从传感器或执行器到微处理器及网络之间的硬件和软件接口标准。本文根据1451.1 标准，研制面向Internet的网络化智能机器人手爪传感器系统，并给出硬件设计框图和软件流程。
上传时间： 2013-08-03
上传用户：lgd57115700
随着现代科学技术的发展和人民生活水平的提高，人们对住宅的安全性提出了更高的要求。由于视频监控具有直观、方便、信息内容丰富等的特点，而被广发的应用各种安防系统中。现有的家居监控系统智能化程度低，无法更好的适应家居安防系统的要求，因此研究并开发出适合人们需要的智能化家居视频监控系统具有重要的意义。 本课题针对现有家居视频监控系统的问题，选用SAMSLING公司基于ARM9核的S3C2410芯片作为CPU，扩展了USB摄像头、Internet芯片、红外传感器模块、液晶屏、键盘等外围设备，设计出一种基于ARM的智能家居网络视频监控系统。该系统的功能主要包括：摄像头采集图像并在LCD上进行显示；在户外PC上可以通过网络查看ARM端家中情况，图像经过压缩后进行传输；截取图像进行人脸检测；当检测到人脸时，GPRS发送短信通知主人有入侵情况发生；检测到人脸的图像压缩后进行存储。 本文介绍了系统各个硬件型号的选取，硬件的性能参数，硬件引脚和寄存器参数，设计了各个硬件之间的接口电路。系统的软件部分采用嵌入式Linux作为操作系统，在目标板上移植了引导程序、Linux裁剪后的系统和文件系统，在此基础上实现了摄像头图像采集和LCD上的显示、基于肤色和模板匹配的人脸检测算法、基于DCT变换的有损图像压缩算法、GPRS短信发送、图像网络传输等软件功能。 试验结果表明，本系统能够较好的实现预期的功能，具有较好的稳定性和应用前景。
上传时间： 2013-04-24
上传用户：四只眼
