【摘要】本发明是一种天窗插片整圆压模装置,包括上模平台和下模平台,在上模平台上设置有上模,在下模平台上设置有下模,在上模上中间位置设置有上半圆槽,在下模上中间位置设置有下半圆槽,在上半圆槽与下半圆槽中间放置有一圆柱形支撑天窗插片的挑梁,在下
【摘要】 本发明公开一种电机控制领域中的基于多神经网络逆模型的多相电机容错控制方法及系统,采用神经网络逆来分别获取电机正常和故障状态逆模型,在正常及故障下由电流检测磁链观测逆模型切换模块选择相应的逆模型及电流变换器串联在滞环电流比较器之前,获得一个不变的伪线性系统,只需考虑开路后将神经网络逆输出的定子d,q轴电流变换成四相参考电流,只需调整剩余四相电流的相位关系;当电机故障导致电机模型参数变化后,无需再次修改附加控制器的控制参数依然能够准确逼近电机逆系统,提高了容错控制器对电机绕组故障的适应性,具备了较强的容错性和鲁棒性,降低了对逆变器功率器件的要求及电路成本。 【专利类型】发明授权 【申请人】江苏大学 【申请人类型】学校 【申请人地址】212013 江苏省镇江市京口区学府路301号 【申请人地区】中国 【申请人城市】镇江市 【申请人区县】京口区 【申请号】CN201210005220.4 【申请日】2012-01-10 【申请年份】2012 【公开公告号】CN102522945B 【公开公告日】2014-06-25 【公开公告年份】2014 【授权公告号】CN102522945B 【授权公告日】2014-06-25 【授权公告年份】2014.0 【IPC分类号】H02P21/14; H02P21/00 【发明人】刘国海; 张多; 赵文祥 【主权项内容】1.一种基于多神经网络逆模型的多相电机容错控制方法,其特征是:所述多相电机容错控制方法中具有多神经网络逆模型库,多神经网络逆模型库(6)由正常逆模型(61)和故障逆模型(62)组成;在充分激励条件下分别采集五相永磁电机(1)正常运行和故障运行时的输入输出数据,分别离线训练第一、第二静态神经网络(631、632)获得正常逆模型(61)、故障逆模型(62),具有如下步骤: 1)当五相永磁电机(1)无故障时,由电流检测磁链观测逆模型切换模块(4)选择正常逆模型(61)及2/5电流变换器(71)串联在滞环电流比较器(3)之前,根据设定转速与光电编码器(5)反馈的转速经第一附加控制器(91)计算输出转速的二阶导数,由设定的定子磁链???????????????????????????????????????????????? 与电流检测磁链观测逆模型切换模块(4)观测并反馈的定子磁链 经第二附加控制器(92)计算输出定子磁链 的一阶导数;将第一、第二附加控制器(91、92)的输出信号作为正常逆模型(61)的输入信号,正常逆模型(61)输出信号为给定定子 d,q 轴电流 , ,经2/5电流变换器(71)变换为五相永磁电机(1)的定子电流 ,输出给滞环电流比较器(3),控制逆变器(2)驱动五相永磁电机(1)获得正常运行,根据转速的响应修改第一、第二附加控制器(91、92)的参数; 2)当五相永磁电机(1)出现A相开路故障时,由电流检测磁链观测逆模型切换模块(4)检测开路故障并选择故障逆模型(62)及2/4电流变换器(72)串联在滞环电流比较器(3)之前,根据设定转速与光电编码器(5)反馈的转速,经第一附加控制器(91)计算输出转速的二阶导数,由设定的定子磁链 与电流检测磁链观测逆模型切换模块(4)观测并反馈的定子磁链 经第二附加控制器(92)计算输出定子磁链 的一阶导数,将第一、第二附加控制器(91、92)的输出信号作为故障逆模型(62)的输入信号,故障逆模型(62)输出信号为给定定子 d,q 轴电流 , ,经2/4电流变换器(72)变换成五相永磁电机(1)的四相定子容错电流 ,输出给滞环电流比较器(3),控制逆变器(2)驱动五相永磁电机(1)获得容错控制,不改第一、第二附加控制器(91、92)中的参数。 【当前权利人】大航有能电气有限公司 【当前专利权人地址】江苏省镇江市扬中市新坝科技园南自路1号 【专利权人类型】公立 【统一社会信用代码】123200004660115453 【引证次数】4.0 【被引证次数】3 【自引次数】1.0 【他引次数】3.0 【被他引次数】3.0 【家族引证次数】4.0 【家族被引证次数】32
未经允许不得转载:http://www.zhongzhencnc.com/1790914933.html






