论文题目: 模糊小波网络及其在永磁同步电机控制中的应用
论文类型: 博士论文
论文专业: 电力电子与电力传动
作者: 王军
导师: 肖建
关键词: 小波变化,小波网络,模糊逻辑技术,模糊神经网络,模糊小波网络,系统辨识,自适应控制,滑模变结构控制,永磁同步电机
文献来源: 西南交通大学
发表年度: 2005
论文摘要: 有许多复杂的系统是无法用传统方法对它定义,特别是那些非线性的动态时变系统,还不能建立有效的数学模型和控制方法。目前,模糊技术和神经网络是智能控制理论中的一个十分活跃的分支,具有处理抽象信息、强大的自学习和自整定功能。同时,小波分析技术由于对信号具有时频局部化性质和多分辨率功能,一出现便得到了迅速的发展。为此,本文研究了基于小波分析、模糊逻辑技术和神经网络相结合的一种新的模型—模糊小波网络。 永磁同步电动机内部是参数变化、非线性、强耦合和多变量高阶复杂系统。利用矢量控制可以简化电机模型,解耦控制,保持快速响应。然而高性能控制系统,不仅要求快速和准确性,而且要求在未知扰动和参数变化时具有快的恢复能力。因此,本文在模糊小波网络基础上,提出了几种永磁同步电动机的高性能控制方法。 本文的研究工作主要包括以下几个方面: 首先将小波技术与模糊神经网络结合,研究了一种隶属函数为小波函数的模糊小波网络模型和一种模糊后件为小波函数的模糊小波网络模型。建立了这两种模型的基本结构及对小波函数的要求,分析了模型的特性,提出了拓展出的三种典型的网络模型及在B样条函数下三种典型模型在结构上等效性。从网络泛化能力的角度,给出了模型结构的初始化设计方法,研究了基于BP的学习算法和扩展卡尔曼滤波器与最小二乘法相结合的混合学习方法。从理论上,证明了该模型对非线性函数的万能逼近能力,使模糊小波网络能以任意精度逼近任意非线性函数。对两种模糊小波网络模型进行静态系统的仿真研究,表明了所研究的模糊小波网络模型在非线性系统建模上,不仅具有多分辨能力,而且逼近精度好和泛化能力强。 然后,将动态递归神经网络与前面所研究的静态模糊小波网络结合,研究了两种动态递归模糊小波网络。证明了其逼近性;该模型采用BP学习算法
论文目录:
第1章 绪论
1.1 研究背景和意义
1.2 小波分析基础
1.3 模糊逻辑技术、人工神经网络与模糊神经网络
1.3.1 模糊逻辑技术
1.3.2 人工神经网络
1.3.3 模糊神经网络
1.4 小波网络
1.5 高性能永磁同步电动机控制系统的研究现状
1.6 本论文的主要研究内容
第2章 模糊小波网络模型的构造
2.1 引言
2.2 T-S模糊模型
2.3 小波网络的模型
2.4 基于小波隶属函数的模糊小波网络(FWN1)模型
2.4.1 模型的基本结构
2.4.2 小波隶属函数的选取
2.4.3 小波隶属函数的特性分析
2.4.4 B样条函数下FWN1的特点
2.5 FWN1模型的结构设计和学习算法研究
2.5.1 网络初始化
2.5.2 学习算法
2.5.3 仿真研究
2.6 模糊后件为小波网络的模糊小波网络(FWN2)模型
2.6.1 模型的基本结构
2.6.2 小波函数的选取
2.6.3 FWN2的特性分析
2.6.4 B样条函数下FWN2的特点
2.7 FWN2模型的结构设计和学习算法研究
2.7.1 网络初始化
2.7.2 学习算法
2.7.3 仿真研究
2.8 FWN的逼近性分析
2.9 本章小结
第3章 动态递归模糊小波网络的研究
3.1 引言
3.2 动态递归模糊小波网络(RCFWN)的结构
3.2.1 RCFWN1模型结构
3.2.2 RCFWN2模型结构
3.3 RCFWN的逼近性分析
3.4 RCFWN辨识方法及稳定性分析
3.4.1 BP学习算法
3.4.2 稳定性分析
3.5 仿真研究
3.6 本章小结
第4章 FWN自适应滑模控制研究
4.1 引言
4.2 一类非线性系统自适应滑模模糊小波控制
4.2.1 系统描述
4.2.2 自适应滑模模糊小波控制
4.2.3 仿真研究
4.3 一类非线性系统间接自适应模糊小波滑模控制
4.3.1 系统描述
4.3.2 自适应模糊小波控制
4.3.3 非线性系统自适应模糊小波滑模控制
4.3.4 仿真研究
4.4 本章小结
第5章 基于FWN的PMSM矢量控制系统的研究
5.1 引言
5.2 永磁同步电动机的数学模型和矢量控制系统
5.2.1 永磁同步电动机数学模型
5.2.2 永磁同步电动机矢量控制
5.2.3 实验平台
5.3 模糊小波自适应复合位置控制器
5.3.1 IP位置控制系统
5.3.2 模糊小波自适应复合位置控制器
5.3.3 实验结果
5.4 PMSM滑模变结构位置控制系统研究
5.4.1 LQ位置控制算法
5.4.2 变结构的LQ(LQ-VSC)控制
5.4.3 实验结果
5.5 基于FWN辨识器的滑模位置控制
5.5.1 滑模控制原理
5.5.2 用FWN辩识β的大小
5.5.3 实验结果
5.6 本章小结
结论
致谢
参考文献
攻读博士学位期间发表的论文和科研情况
发布时间: 2006-03-06
参考文献
- [1].基于多小波的水电机组振动特征提取及故障诊断方法研究[D]. 卢娜.武汉大学2014
- [2].多小波理论及其在电力系统故障信号处理中的应用研究[D]. 刘志刚.西南交通大学2003
标签：小波变化论文; 小波网络论文; 模糊逻辑技术论文; 模糊神经网络论文; 模糊小波网络论文; 系统辨识论文; 自适应控制论文; 滑模变结构控制论文; 永磁同步电机论文;