CN117318562B - 一种节能电机曲线设计方法 - Google Patents
一种节能电机曲线设计方法 Download PDFInfo
- Publication number
- CN117318562B CN117318562B CN202311384064.1A CN202311384064A CN117318562B CN 117318562 B CN117318562 B CN 117318562B CN 202311384064 A CN202311384064 A CN 202311384064A CN 117318562 B CN117318562 B CN 117318562B
- Authority
- CN
- China
- Prior art keywords
- motor
- adaptive
- parameters
- speed
- efficiency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000004044 response Effects 0.000 claims abstract description 25
- 238000011217 control strategy Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- 230000003044 adaptive effect Effects 0.000 claims description 36
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000005684 electric field Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 abstract description 5
- 238000005457 optimization Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000005674 electromagnetic induction Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
- H02P21/18—Estimation of position or speed
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种节能电机曲线设计方法，涉及节能控制技术领域，本发明将速度控制目标设置为电机达到期望速度的响应速度，采用PID控制器，建立电机物理特性模型和多物理场仿真，基于多物理场仿真工具对电机在各种负载和工作条件下的性能进行模拟，通过对电机内部电磁分布和温度分布的详细描述，获取参数优化前后的电机内部负载和工作情况，采用遗传算法，以动态响应特性和电机效率为约束条件，对电机曲线参数进行优化，从而确保电机在不同工况下都能够高效运行，响应速度迅速，基于最优解曲线参数，生成电机效率曲线确定电机的最佳控制策略，通过自适应反馈控制器动态调整电机参数，并根据效率目标函数J误差进行实时调整，起到减能提效的效果。
Description
技术领域
本发明涉及节能控制技术领域，具体为一种节能电机曲线设计方法。
背景技术
电机转换电能和机械能是双向的，大部分应用的是电磁感应原理，由机械能转换成电能的电机，通常称做“发电机”，把电能转换成机械能的电机，被称做“电动机”，其余的还有其他的新型电机出现，比如超声波电机(应用压电效应)，就不用电磁感应原理，然而静止电机则指的是变压器，即将一种电压下的电能变为另一种电压下的电能，一般电机都是上述分类交集。
通常来说，电机中还涉及到磁能的转换，完整的能量形态转换过程包括电能、磁能以及动能三个阶段，在能量的传输与转换过程中，无可避免地会有能量损耗，只有当我们能够分析出哪一个阶段的损耗最大，我们才能针对该阶段进行设计调整，进而提高电机效率，电机效率的提升除去电机硬件上的提升外，还可以采用不同的电机曲线设计方法来对电机工况进行控制。
然而传统的电机曲线设计方法对于电机采用的控制策略多为PID控制，PID控制通常使用固定参数，无法自动适应不同工况，也就意味着电机在不同负载和工作条件下可能无法实现最佳性能，导致效率降低，无法根据电机的不同工况进行调节，同时在应对工作状况变化较大、较快时无法及时相应，无法及时适应外部扰动或需求变化，影响了其性能和稳定性，因此亟需一种在动态工况下精确速度控制的节能电机曲线设计方法来解决此类问题。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种节能电机曲线设计方法，解决现有技术中存在的无法根据电机的不同工况进行稳定快速的调节的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现，本发明提供了一种节能电机曲线设计方法，包括：
确定电机参数以及电机应用场景对电机的属性要求，包括负载特性、工作条件和效率要求；
电机参数包括功率、转速范围、电流；
基于矢量控制法集成自适应策略，根据电机实际应用工作场景调节电机参数和控制参数；
基于电机物理特性建立电机的电磁特性和热特性模型，采用多物理场仿真工具模拟电机在不同负载和工作条件下的性能；
初始化电机曲线，以动态响应特性和最大化电机效率为约束条件，基于遗传算法优化，获取电机曲线最优解；
基于最优解曲线参数，生成电机效率曲线，确定电机控制策略；
集成自适应策略目标同样为最大化电机效率，将效率目标函数定义为J作为性能指标：
其中：Ou.tPo.r为电机的输出功率，In.tPo.r为电机的输入功率；
采用自适应反馈控制器动态调整电机参数，基于自适应参数根据效率目标函数J误差进行实时调整，其中：
α(t+1)＝α(t)+Δα；
β(t+1)＝β(t)+Δβ，
其中α和β为自适应参数，Δα和Δβ为自适应参数的变化量；
对效率目标函数和期望效率误差进行定义：e(t)＝Jr.f-J(t)；
基于性能误差e(t)和自适应参数变化定义自适应调整规则，将其趋近于零，则Δα＝-k1*e(t)；Δβ＝-k2*e(t),k1和k2为自适应参数调整的增益；
再将自适应参数应用在电机控制参数上，采用PID控制器应用，即：
Kps.d(t+1)＝Kps.d(t)+α(t)*ΔKps.d；
Kis.d(t+1)＝Kis.d(t)+β(t)*ΔKis.d，
ΔKps.d和ΔKis.d为速度环控制增益变化量。
本发明进一步地设置为：基于矢量控制法调节电机参数方法具体包括：
将矢量控制目标设为电机达期望速度的响应速度，采用PID控制器，设速度控制输出电压为：
Vqr.f＝Kps.d*(ωr.f-ωm)+Kis.d*∫(ωr.f-ωm)dt，
其中Kps.d和Kis.d表示速度环的控制增益，用于控制电机的速度响应和速度环响应速度，ωr.f表示期望速度，ωm为电机的实际机械角速度；
本发明进一步地设置为：基于矢量控制法调节电机参数方法还包括：
基于自适应速度环控制增益，根据电机性能指标的误差进行调整，自适应增益为电机控制环增益：和/>其特征在于调，调整方式为：
其中δKps.d表示自适应速度环控制增益的变化量，δKis.d表示自适应速度环控制积分增益的变化，量根据自适应策略和性能误差进行实时调整；
本发明进一步地设置为：自适应策略中自适应增益调整采用性能误差函数，定义电机输出扭矩与负载需求扭矩间的误差的平方，具体为：
Er.r＝(Tr.f-Tm)2，
其中Er.r表示性能误差，Tr.f为期望输出扭矩，Tm为电机的实际输出扭矩；
本发明进一步地设置为：模拟不同负载和工作条件下电机性能步骤具体包括：
基于麦克斯韦方程对电机内部电磁分布进行描述：
其中E为电场，B为磁场；
使用磁场方程建模电机磁场的分布：
本发明进一步地设置为：采用热传导方程描述电机内部温度分布，热特性模型建立步骤具体为：
其中T是温度，ρ为电机内部热力分布密度，c为比热容，k和Q分别指电机内部的热导率和是热源项；
将电磁和热特性的模型通过耦合方程进行多物理场的耦合。
(三)有益效果
本发明提供了一种节能电机曲线设计方法。具备以下有益效果：
本申请所提供的节能电机曲线设计方法，首先定义电机的参数，以及明确定义工作条件、负载特性和效率要求，采用矢量控制法和自适应策略，通过将速度控制目标设置为电机达到期望速度的响应速度，采用PID控制器，确保电机在动态工况下能够精确控制速度，此处自适应性的引入，使电机能够根据性能误差实时调整控制参数最大化电机效率，这使电机在不同负载和工作条件下都能够实现卓越的性能。
同时建立电机物理特性模型和多物理场仿真，包括电机的电磁和热特性建模，基于多物理场仿真工具对电机在各种负载和工作条件下的性能进行模拟，通过对电机内部电磁分布和温度分布的详细描述，获取参数优化前后的电机内部负载和工作情况，为优化设计和控制策略提供了关键参数。
此外采用遗传算法，以动态响应特性和电机效率为约束条件，对电机曲线参数进行优化，从而确保电机在不同工况下都能够高效运行，响应速度迅速，并在达到预期性能的同时最大化效率。
最后基于最优解曲线参数，生成电机效率曲线确定电机的最佳控制策略，通过自适应反馈控制器动态调整电机参数，并根据效率目标函数J误差进行实时调整，确保电机在不同负载和工作条件下高效运行，从而起到减能提效的效果。
解决了现有技术中存在的无法根据电机的不同工况进行稳定快速的调节的问题。
附图说明
图1为本发明的节能电机曲线设计方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
请参阅图1，本发明提供一种节能电机曲线设计方法，包括：
S1.确定电机参数以及电机应用场景对电机的属性要求，包括负载特性、工作条件和效率要求；
电机参数包括功率、转速范围、电流；
S2.基于矢量控制法集成自适应策略，根据电机实际应用工作场景调节电机参数和控制参数；
基于矢量控制法调节电机参数方法具体包括：
将矢量控制目标设为电机达期望速度的响应速度，采用PID控制器，设速度控制输出电压为：
Vqr.f＝Kps.d*(ωr.f-ωm)+Kis.d*∫(ωr.f-ωm)dt，
其中Kps.d和Kis.d表示速度环的控制增益，用于控制电机的速度响应和速度环响应速度，ωr.f表示期望速度，ωm为电机的实际机械角速度；
基于矢量控制法调节电机参数方法还包括：
基于自适应速度环控制增益，根据电机性能指标的误差进行调整，自适应增益为电机控制环增益：和/>调，调整方式为：
其中δKps.d表示自适应速度环控制增益的变化量，δKis.d表示自适应速度环控制积分增益的变化，量根据自适应策略和性能误差进行实时调整；
自适应策略中自适应增益调整采用性能误差函数，定义电机输出扭矩与负载需求扭矩间的误差的平方，具体为：
Er.r＝(Tr.f-Tm)2，
其中Er.r表示性能误差，Tr.f为期望输出扭矩，Tm为电机的实际输出扭矩；
通过最小化性能误差，自适应增益进行自动调整，实现电机在不同负载和工作条件下的高效率运行；
集成自适应策略目标同样为最大化电机效率，将效率目标函数定义为J作为性能指标：
其中：Ou.tPo.r为电机的输出功率，In.tPo.r为电机的输入功率；
采用自适应反馈控制器动态调整电机参数，基于自适应参数根据效率目标函数J误差进行实时调整，其中：
α(t+1)＝α(t)+Δα；
β(t+1)＝β(t)+Δβ，
其中α和β为自适应参数，Δα和Δβ为自适应参数的变化量；
对效率目标函数和期望效率误差进行定义：e(t)＝Jr.f-J(t)；
基于性能误差e(t)和自适应参数变化定义自适应调整规则，将其趋近于零，则Δα＝-k1*e(t)；Δβ＝-k2*e(t),k1和k2为自适应参数调整的增益；
集成自适应策略步骤还包括：
再将自适应参数应用在电机控制参数上，采用PID控制器应用，即：
Kps.d(t+1)＝Kps.d(t)+α(t)*ΔKps.d；
Kis.d(t+1)＝Kis.d(t)+β(t)*ΔKis.d，
ΔKps.d和ΔKis.d为速度环控制增益变化量；
根据电机实际工作情况动态调整控制参数，最大化效率，使得电机可以在不同负载和工作条件下均可以实现高效率运行；
S3.基于电机物理特性建立电机的电磁特性和热特性模型，采用多物理场仿真工具模拟电机在不同负载和工作条件下的性能；
模拟不同负载和工作条件下电机性能步骤具体包括：
基于麦克斯韦方程对电机内部电磁分布进行描述：
其中E为电场，B为磁场；
使用磁场方程建模电机磁场的分布：
采用热传导方程描述电机内部温度分布，热特性模型建立步骤具体为：
其中T是温度，ρ为电机内部热力分布密度，c为比热容，k和Q分别指电机内部的热导率和热源项；
将电磁和热特性的模型通过耦合方程进行多物理场的耦合；
基于所建立的电磁特性和热特性模型，采用有限元分析FEA软件对电机在不同工况下的性能进行模拟，通过改变工况参数，模拟电机在不同负载和工作条件下的性能，优化电机设计和控制策略提供关键参数，保证电机在各种工况下都能够高效运行；
S4.初始化电机曲线，以动态响应特性和最大化电机效率为约束条件，基于遗传算法优化，获取电机曲线最优解；
初始化电机曲线步骤具体包括：
定义目标函数，基于矢量控制法以及自适应策略所调整的电机参数和控制参数对目标函数进行定义：
f(x)＝α*Dy.cRe.e(x)-(1-α)*Ef.f(x)，其中Dy.c为电机的动态响应特性，通过传递函数模型进行表示，Ef.f表示电机的效率，α作为权重用于平衡动态响应特性和电机效率的重要性；
采用遗传算法来寻找目标函数f(x)的最优解
动态响应特性约束为电机响应时间范围定义，电机效率约束为电机在不同工况下的效率水平；
通过遗传算法寻找目标，改进电机曲线的参数，最大化目标函数f(x)，最终生成最优的电机曲线参数；
S5.基于最优解曲线参数，生成电机效率曲线，确定电机控制策略。
综合以上内容，在本申请中：
本申请所提供的节能电机曲线设计方法，首先定义电机的参数，以及明确定义工作条件、负载特性和效率要求，采用矢量控制法和自适应策略，通过将速度控制目标设置为电机达到期望速度的响应速度，采用PID控制器，确保电机在动态工况下能够精确控制速度，此处自适应性的引入，使电机能够根据性能误差实时调整控制参数最大化电机效率，这使电机在不同负载和工作条件下都能够实现卓越的性能。
同时建立电机物理特性模型和多物理场仿真，包括电机的电磁和热特性建模，基于多物理场仿真工具对电机在各种负载和工作条件下的性能进行模拟，通过对电机内部电磁分布和温度分布的详细描述，获取参数优化前后的电机内部负载和工作情况，为优化设计和控制策略提供了关键参数。
此外采用遗传算法，以动态响应特性和电机效率为约束条件，对电机曲线参数进行优化，从而确保电机在不同工况下都能够高效运行，响应速度迅速，并在达到预期性能的同时最大化效率。
最后基于最优解曲线参数，生成电机效率曲线确定电机的最佳控制策略，通过自适应反馈控制器动态调整电机参数，并根据效率目标函数J误差进行实时调整，确保电机在不同负载和工作条件下高效运行，从而起到减能提效的效果。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种节能电机曲线设计方法，其特征在于，包括：
确定电机参数以及电机应用场景对电机的属性要求，包括负载特性、工作条件和效率要求；
电机参数包括功率、转速范围、电流；
基于矢量控制法集成自适应策略，根据电机实际应用工作场景调节电机参数和控制参数；
基于电机物理特性建立电机的电磁特性和热特性模型，采用多物理场仿真工具模拟电机在不同负载和工作条件下的性能；
初始化电机曲线，以动态响应特性和最大化电机效率为约束条件，基于遗传算法优化，获取电机曲线最优解；
基于最优解曲线参数，生成电机效率曲线，确定电机控制策略；
集成自适应策略目标同样为最大化电机效率，将效率目标函数定义为J作为性能指标：
其中：Ou.tPo.r为电机的输出功率，In.tPo.r为电机的输入功率；
采用自适应反馈控制器动态调整电机参数，基于自适应参数根据效率目标函数J误差进行实时调整，其中：
α(t+1)＝α(t)+Δα；
β(t+1)＝β(t)+Δβ，
其中α和β为自适应参数，Δα和Δβ为自适应参数的变化量；
对效率目标函数和期望效率误差进行定义：e(t)＝Jr.f-J(t)；
基于性能误差e(t)和自适应参数变化定义自适应调整规则，将其趋近于零，则Δα＝-k1*e(t)；Δβ＝-k2*e(t),k1和k2为自适应参数调整的增益；
再将自适应参数应用在电机控制参数上，采用PID控制器应用，即：
Kps.d(t+1)＝Kps.d(t)+α(t)*ΔKps.d；
Kis.d(t+1)＝Kis.d(t)+β(t)*ΔKis.d，
ΔKps.d和ΔKis.d为速度环控制增益变化量。
2.根据权利要求1所述的一种节能电机曲线设计方法，其特征在于，基于矢量控制法调节电机参数方法具体包括：
将矢量控制目标设为电机达期望速度的响应速度，采用PID控制器，设速度控制输出电压为：
Vqr.f＝Kps.d*(ωr.f-ωm)+Kis.d*∫(ωr.f-ωm)dt，
其中Kps.d和Kis.d表示速度环的控制增益，用于控制电机的速度响应和速度环响应速度，ωr.f表示期望速度，ωm为电机的实际机械角速度。
3.根据权利要求2所述的一种节能电机曲线设计方法，其特征在于，基于矢量控制法调节电机参数方法还包括：
基于自适应速度环控制增益，根据电机性能指标的误差进行调整，自适应增益为电机控制环增益：和/>其特征在于调，调整方式为：
其中δKps.d表示自适应速度环控制增益的变化量，δKis.d表示自适应速度环控制积分增益的变化，量根据自适应策略和性能误差进行实时调整。
4.根据权利要求3所述的一种节能电机曲线设计方法，其特征在于，自适应策略中自适应增益调整采用性能误差函数，定义电机输出扭矩与负载需求扭矩间的误差的平方，具体为：
Er.r＝(Tr.f-Tm)2，
其中Er.r表示性能误差，Tr.f为期望输出扭矩，Tm为电机的实际输出扭矩。
5.根据权利要求4所述的一种节能电机曲线设计方法，其特征在于，模拟不同负载和工作条件下电机性能步骤具体包括：
基于麦克斯韦方程对电机内部电磁分布进行描述：
其中E为电场，B为磁场；
使用磁场方程建模电机磁场的分布：
6.根据权利要求5所述的一种节能电机曲线设计方法，其特征在于，采用热传导方程描述电机内部温度分布，热特性模型建立步骤具体为：
其中T是温度，ρ为电机内部热力分布密度，c为比热容，k和Q分别指电机内部的热导率和是热源项；
将电磁和热特性的模型通过耦合方程进行多物理场的耦合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311384064.1A CN117318562B (zh) | 2023-10-24 | 2023-10-24 | 一种节能电机曲线设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311384064.1A CN117318562B (zh) | 2023-10-24 | 2023-10-24 | 一种节能电机曲线设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117318562A CN117318562A (zh) | 2023-12-29 |
| CN117318562B true CN117318562B (zh) | 2024-05-03 |
Family
ID=89255281
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311384064.1A Active CN117318562B (zh) | 2023-10-24 | 2023-10-24 | 一种节能电机曲线设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117318562B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105156271A (zh) * | 2015-10-22 | 2015-12-16 | 扬州大学 | 受扰风力发电机系统的抗干扰最优功率跟踪控制方法 |
| CN107255062A (zh) * | 2016-12-19 | 2017-10-17 | 华电电力科学研究院 | 一种自适应密度的风电机组转矩‑转速控制方法 |
| CN109412492A (zh) * | 2018-11-27 | 2019-03-01 | 中国地质大学（武汉） | 基于模糊等价输入干扰法的速度环控制参数自整定方法 |
| CN111628687A (zh) * | 2020-05-28 | 2020-09-04 | 武汉理工大学 | 一种基于熵权法的永磁同步电机多目标参数优化方法 |
| CN111891111A (zh) * | 2020-04-30 | 2020-11-06 | 南京航空航天大学 | 基于mcpso的混合动力汽车区间ii型模糊逻辑自适应控制方法 |
| WO2022087799A1 (zh) * | 2020-10-27 | 2022-05-05 | 大连理工大学 | 一种考虑电流饱和以及干扰抑制的永磁同步电机速度控制方法 |
| CN116911201A (zh) * | 2023-09-06 | 2023-10-20 | 江苏省特种设备安全监督检验研究院 | 一种基于深度生成对抗网络算法的模拟电机能效检测系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050046375A1 (en) * | 2002-07-31 | 2005-03-03 | Maslov Boris A. | Software-based adaptive control system for electric motors and generators |
-
2023
- 2023-10-24 CN CN202311384064.1A patent/CN117318562B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105156271A (zh) * | 2015-10-22 | 2015-12-16 | 扬州大学 | 受扰风力发电机系统的抗干扰最优功率跟踪控制方法 |
| CN107255062A (zh) * | 2016-12-19 | 2017-10-17 | 华电电力科学研究院 | 一种自适应密度的风电机组转矩‑转速控制方法 |
| CN109412492A (zh) * | 2018-11-27 | 2019-03-01 | 中国地质大学（武汉） | 基于模糊等价输入干扰法的速度环控制参数自整定方法 |
| CN111891111A (zh) * | 2020-04-30 | 2020-11-06 | 南京航空航天大学 | 基于mcpso的混合动力汽车区间ii型模糊逻辑自适应控制方法 |
| CN111628687A (zh) * | 2020-05-28 | 2020-09-04 | 武汉理工大学 | 一种基于熵权法的永磁同步电机多目标参数优化方法 |
| WO2022087799A1 (zh) * | 2020-10-27 | 2022-05-05 | 大连理工大学 | 一种考虑电流饱和以及干扰抑制的永磁同步电机速度控制方法 |
| CN116911201A (zh) * | 2023-09-06 | 2023-10-20 | 江苏省特种设备安全监督检验研究院 | 一种基于深度生成对抗网络算法的模拟电机能效检测系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117318562A (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111628687B (zh) | 一种基于熵权法的永磁同步电机多目标参数优化方法 | |
| CN107800146B (zh) | 兼顾一次调频和超低频振荡抑制的调速器参数优化方法 | |
| CN104019520B (zh) | 基于spsa的制冷系统最小能耗的数据驱动控制方法 | |
| CN104300863B (zh) | 一种变负载永磁同步电机调速的自适应滑模控制方法 | |
| CN106125552B (zh) | 抽水蓄能机组调速系统模糊分数阶pid控制方法 | |
| CN105114242A (zh) | 基于模糊自适应的dfpso算法的水轮机调速器参数优化方法 | |
| Hasan et al. | Fractional-order PID controller for permanent magnet DC motor based on PSO algorithm | |
| CN106773654B (zh) | 一种分数阶pid控制器参数优化整定方法 | |
| CN105937823A (zh) | 一种地源热泵控制方法及系统 | |
| CN117093033A (zh) | 基于粒子群算法优化pid参数的电阻加热炉温度控制系统 | |
| CN106712057A (zh) | 电力系统稳定器与静止无功补偿器的协调优化方法 | |
| CN117318562B (zh) | 一种节能电机曲线设计方法 | |
| CN113093523B (zh) | 一种含抽水蓄能电站的区域负荷频率分数阶pid优化控制方法 | |
| CN110138293A (zh) | 一种基于双馈风电系统的bp神经网络优化混沌控制方法 | |
| Liu et al. | A review of decoupling control based on multiple models | |
| Huang et al. | Nonsingular terminal sliding mode control based on sensor-cloud system for permanent magnet in-wheel motor | |
| CN106440844A (zh) | 一种篦冷机刮板速度控制方法 | |
| CN113343592B (zh) | 一种新能源飞机的永磁同步电机dqn智能控制方法 | |
| CN115903465A (zh) | 一种板换电动调节阀的智能pid控制方法及系统 | |
| CN112994024B (zh) | 一种改进型温控负荷参与的负荷频率控制方法及系统 | |
| CN112994036B (zh) | 一种基于模型预测的温控负荷参与微电网调控方法及系统 | |
| Zheng et al. | Double fuzzy pitch controller of wind turbine designed by genetic algorithm | |
| CN102495651A (zh) | 一种无超调工业电阻炉温度控制方法 | |
| CN104811113A (zh) | 基于mandani模糊控制器的感应电机调速方法 | |
| Guo et al. | Particle swarm optimization sliding mode control on interconnected power system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |