高清PDF带书签《线性神经网络控制的电力变流器与交流电气传动》（法）毛里齐奥·奇林乔内（MaurizioCirrincione）

本书是一本系统阐述神经网络控制理论在电力电子技术领域应用 的专业书籍， 详细介绍了无速度传感器交流传动控制系统以及相关的 理论， 而这些理论是建立在空间矢量识别的经典控制理论之上。 本书 广泛收集并总结了基于电力电子器件的电气传动控制中的代表性结构 和控制原理， 在此基础之上， 进一步讨论了对现有系统的改进思路和 完善的方向， 使线性神经网络控制理论的应用与电气传动控制有机地 结合起来， 同时还能应用本书所介绍的人工神经网络 （ANN） 理论 来实现对电力电子器件的实时控制。 本书涉及电力电子技术、 神经网 络控制、 电气传动、 电机学以及电力系统分析等内容， 涵盖了电气工 程学科中的几个主要领域， 是系统掌握电力电子技术中智能控制的优 秀参考图书。 全书共分为 4 个部分： 第 1 部分阐述了电压源型逆变器 及其控制， 主要是帮助读者回顾有关的基础； 第 2 部分介绍了以感应 永磁同步电气传动为主的交流电气传动控制， 此部分同样是为后续的 实际控制对象做一个前期铺垫； 第 3 部分则引出了线性神经网络控制 理论的基本概念， 以及它在电气传动控制中应用的可能性， 同时还验 证了线性神经网络控制理论能够实现电气传动控制的理论依据， 尤其 是 EXIN 神经系统； 本书的第 4 部分是对实际应用的描述， 详细分析 了电气传动中的电能质量问题， 讨论了神经网络理论在电气传动中的 参数辨识、 无速度传感器的控制、 电力有源滤波器以及在分布式可再 生能源发电系统中的应用， 其中所涉及的仿真和实验结果也证明了应 用神经网络理论实施控制的正确性。 若要全面和正确理解本书的精髓， 需要读者具备电气设备和电力 电子技术以及一些控制系统、 信号处理、 线性代数、 数值分析的基本 知识。 本书适用于高年级本科生和研究生、 学者、 执业工程师和研究 人工神经网络应用的相关人员学习、 参考， 同时读者也可通过书中各 章最后所提供的相关参考资料来进一步理解书中所述内容。

PDF书签索引：
第1章　基本概念回顾：空间矢量分析 18
1.1　简介 18
1.2　空间矢量的定义 18
1.3　3→2和2→3转换 21
1.3.1　非功率不变形式1 21
1.3.2　功率不变形式 22
1.3.3　非功率不变形式2 22
1.4　坐标变换 23
1.5　瞬时有功和无功功率 24
参考文献 27
第1部分 电力变流器 30
第2章　电压源型逆变器的脉宽调制 31
2.1　电压源型逆变器的基本原理 31
2.1.1　电流谐波 33
2.1.2　谐波频谱 34
2.1.3　最大调制指数 35
2.1.4　转矩谐波 35
2.1.5　开关频率和开关损耗 35
2.1.6　共模电压（CMV） 36
2.2　开环PWM 37
2.2.1　载波PWM 38
2.2.2　无载波PWM 49
2.2.3　超调制 50
2.2.4　共模输出最小化的SV-PWM技术 51
2.2.5　优化的开环PWM 53
2.2.6　开环PWM技术的实验验证 54
2.3　电压源型逆变器的闭环控制 61
2.3.1　闭环控制方式的分类 61
2.3.2　从六脉冲整流器到有源整流器 70
2.3.3　VSI的电流控制 74
2.3.4　VSI的功率控制 81
符号列表 98
参考文献 99
延伸阅读 102
第3章　电能质量 103
3.1　非线性负载 103
3.1.1　谐波源的电流源类型（谐波电流源） 103
3.1.2　谐波源的电压源类型（谐波电压源） 103
3.2　配电网谐波的传播 105
3.3　无源滤波器 108
3.4　有源电力滤波器 110
3.4.1　有源电力滤波器简介 110
3.4.2　并联和串联滤波器的基本操作问题 112
3.4.3　并联型有源滤波器 112
3.4.4　串联型有源滤波器 121
3.4.5　PAF和SAF的比较 125
3.4.6　混合型有源滤波器 126
符号列表 133
参考文献 134
第2部分 电气传动 136
第4章　感应电动机的动态和静态模型 137
4.1　简介 137
4.2　电动机空间矢量的定义 137
4.3　感应电动机的相电压方程 141
4.4　定子坐标系下的空间矢量方程 142
4.5　转子坐标系下的空间矢量方程 143
4.6　广义坐标系下的空间矢量方程 143
4.6.1　交互磁耦合电路 145
4.6.2　转子磁链坐标系下的空间矢量方程 146
4.6.3　定子磁链坐标系下的空间矢量方程 149
4.6.4　励磁磁链坐标系下的空间矢量方程 151
4.7　磁饱和条件下感应电动机的动态数学模型 152
4.8　感应电动机的稳态空间矢量模型 155
4.9　感应电动机空间矢量模型的实验验证 159
4.10　考虑槽影响的感应电动机模型 163
4.10.1　含定子和转子槽影响的感应电动机空间矢量模型 165
4.10.2　含转子槽影响的感应电动机空间矢量状态模型 167
4.10.3　含转子槽影响的感应电动机空间状态模型 169
4.10.4　含定子和转子槽影响的感应电动机空间状态模型 170
4.10.5　考虑定子和转子槽影响的空间矢量模型的实验验证 172
符号列表 180
参考文献 181
第5章　感应电动机驱动控制技术 183
5.1　感应电动机控制技术简介 183
5.2　感应电动机的标量控制 184
5.2.1　电压激励的标量控制 184
5.2.2　电流激励的标量控制 191
5.3　感应电动机的磁场定向控制 192
5.3.1　磁场定向矢量控制的原理 192
5.3.2　转子磁通定向控制 193
5.3.3　转子磁链的获取 195
5.3.4　定子磁通定向控制 208
5.3.5　磁化磁通定向控制 214
5.4　感应电动机的直接转矩控制 219
5.4.1　感应电动机中电磁转矩的产生 219
5.4.2　定子磁链空间矢量与逆变器配置的关系 220
5.4.3　电压空间矢量和控制方案的选择标准 221
5.4.4　定子磁通与电磁转矩的估计 223
5.4.5　DTC方案 226
5.4.6　DTCEMC 228
5.4.7　经典DTC和DTCEMC实验结果 231
5.4.8　DTC-SVM 234
5.4.9　DTC-SVM驱动的实验结果 236
5.4.10　直接自动控制 236
5.4.11　FOC和DTC的比较 240
符号列表 241
参考文献 242
第6章　感应电动机驱动的无速度传感器控制技术 244
6.1　无速度传感器控制技术简介 244
6.2　基于模型的无速度传感器控制技术 244
6.3　基于各向异性的无速度传感器控制技术 245
6.4　基于模型的无速度传感器控制技术 246
6.4.1　开环积分 246
6.4.2　逆变器的非线性 251
6.4.3　电动机参数不匹配 252
6.4.4　估计器和观测器 255
6.4.5　开环速度估计器 256
6.4.6　模型参考自适应系统 259
6.4.7　全阶Luenberger自适应观测器 263
6.4.8　全阶滑模观测器 269
6.4.9　降阶自适应观测器 270
6.4.10　扩展卡尔曼滤波器 274
6.5　各向异性的无速度传感器技术 275
6.5.1　旋转载波技术 275
6.5.2　基于有限元的旋转载波下感应电动机凸极的分析 279
6.5.3　脉动载波技术 285
6.5.4　高频激励技术 286
6.6　驱动感应电动机无速度传感器技术的总结 291
参考文献 292
第7章　永磁同步电动机驱动 295
7.1　简介 295
7.1.1　直流无刷电动机 295
7.1.2　交流无刷电动机 296
7.1.3　永磁体 297
7.2　永磁同步电动机的空间矢量模型 299
7.3　永磁同步电动机驱动器的控制策略 304
7.3.1　永磁同步电动机驱动器的磁场定向控制 304
7.3.2　转矩控制的驱动器 306
7.3.3　转速控制的驱动器 312
7.3.4　直接转矩控制 314
7.4　永磁同步电动机驱动器的无速度传感器控制技术 319
7.4.1　基于各向异性的无速度传感器技术 319
7.4.2　基于模型的无速度传感器技术 332
参考文献 342
第3部分 基于神经网络的正交回归 344
第8章　基于神经网络的正交回归 345
8.1　ADALINE和最小二乘问题简介 345
8.2　线性回归的方法 346
8.2.1　OLS问题 346
8.2.2　DLS问题 346
8.2.3　TLS问题 346
8.3　最小主元分析和MCA EXIN神经元 347
8.3.1　一些MCA的应用 347
8.3.2　神经网络方法 347
8.4　MCA EXIN神经元 348
8.4.1　初始过渡过程的收敛性 348
8.4.2　MCA神经元的动态特性 349
8.4.3　动态稳定性和学习率 351
8.4.4　数值计算的考虑 352
8.4.5　加速技术 354
8.4.6　仿真 354
8.4.7　MCA神经元的总结和展望 359
8.5　TLS EXIN神经元 359
8.5.1　稳定性分析（几何方法） 361
8.5.2　收敛域 362
8.5.3　非泛型TLS问题 365
8.6　线性最小二乘问题的泛化 368
8.7　GeMCA EXIN神经元 369
8.7.1　GeMCA EXIN误差函数临界点的定性分析 370
8.7.2　GeTLS误差函数的分析（几何方法） 371
8.7.3　临界图：中心轨迹 371
8.8　GeTL SEXIN神经元 373
8.8.1　GeTLS的收敛域 374
8.8.2　规划 374
8.8.3　加速后的MCA EXIN神经元（MCA EXIN+） 376
参考文献 378
第4部分 应用精选 382
第9章　电动机的最小二乘法和神经网络辨识 383
9.1　感应电动机的参数估计 383
9.2　磁通模型对参数变化的敏感度 384
9.2.1　电流磁通模型的敏感度 384
9.2.2　电压磁通模型的敏感度 390
9.3　磁通模型失准对控制性能影响的实验分析 395
9.4　电动机参数变化的在线跟踪方法 396
9.5　使用普通最小二乘法的感应电动机参数的在线估计 397
9.5.1　在普通参考坐标系下的空间矢量电压方程 397
9.5.2　磁化曲线估计 401
9.5.3　普通最小二乘法辨识 402
9.5.4　RLS算法 402
9.5.5　信号处理系统 405
9.5.6　应用实验的测试装置说明 408
9.5.7　仿真与实验结果 409
9.6　在饱和与非饱和条件下的有约束条件的最小化感应电动机参数估计方法 412
9.6.1　有约束条件的最小化第一方法 413
9.6.2　有约束条件的最小化第二方法 418
9.7　使用总体最小二乘法的感应电动机的参数估计 429
9.8　在FOC和DTCIM驱动器中应用基于RLS的参数估计 方法对磁通模型进行适应 438
9.9　静止状态IM参数的估计 442
符号列表 446
参考文献 447
第10章　带APF能力的神经网络增强型单相DG系统 454
10.1　简介 454
10.2　基本工作原理 455
10.3　ADALINE设计规则 456
10.3.1　陷波器运行 458
10.3.2　带通运行 459
10.3.3　MATLAB-Simulink中的实现 461
10.3.4　与传统数字滤波器的比较 461
10.3.5　NN带通滤波器与PLL：理论上的比较 462
10.4　电流参考值的生成 464
10.5　多谐振电流控制器 464
10.6　稳定性问题 466
10.7　试验台 470
10.8　实验结果 471
10.8.1　APF接入 471
10.8.2　功率参考值接入 474
10.8.3　负载波动 476
10.8.4　NN滤波器与锁相环的对比 478
10.8.5　NN滤波器与p-q理论的对比 479
10.8.6　与国际标准的对比 480
10.9　APF接入步骤 482
参考文献 483
第11章　交流驱动器的神经网络无位置传感器控制 485
11.1　基于NN的无位置传感器控制 485
11.2　基于BPN的MRAS转速观测器 486
11.2.1　BPN RAS观测器的在线训练 488
11.2.2　BPN RAS观测器的实现 489
11.2.3　BPN RAS观测器的实验结果 489
11.3　基于LS的MRAS转速观测器 491
11.3.1　OLS MRAS观测器的实验结果 492
11.3.2　TLS EXIN MRAS观测器 497
11.3.3　改进的欧拉神经网络自适应模型 508
11.3.4　MCA EXIN+MRAS观测器 513
11.4　TLS EXIN全阶Luenberger自适应观测器 515
11.4.1　IM的状态空间模型 516
11.4.2　自适应转速观测器 516
11.4.3　基于TLS的转速估计 516
11.4.4　TLS EXIN全阶自适应观测器的稳定性 519
11.4.5　TLS EXIN全阶Luenberger自适应观测器的实验结果 522
11.4.6　实验对比测试 532
11.5　MCA EXIN+降阶观测器 535
11.5.1　降阶观测器方程 535
11.5.2　基于MCA EXIN+的转速估计 536
11.5.3　观测器增益矩阵的选择建议 537
11.5.4　计算的复杂度 538
11.5.5　MCA EXIN+降阶自适应观测器的实验结果 539
附录A　控制的实现方案 543
附录B　测试装置说明 548
符号列表 551
参考文献 552
版权页 557
后折页 574

投稿会员：芳华