第二部分
目錄 
1 電力電子與電機傳動系統(tǒng)的仿真
2 電力電子與電機傳動系統(tǒng)中應用的數(shù)字控制器
3 人工智能技術(shù)
4 模糊邏輯(FL)在電力電子與電機傳動系統(tǒng)中的應用
5 人工神經(jīng)網(wǎng)絡(ANN)在電力電子與電機傳動系統(tǒng)中的應用

1  電力電子與電機傳動系統(tǒng)的仿真
什么是仿真？為什么要進行仿真？
l實際電路或系統(tǒng)的虛擬表示法或軟件表示法
l需要通過數(shù)學方程或者電路拓撲對模型進行描述
l將復雜的變換器以及控制策略做成實驗板或者進行樣機開發(fā)之前，應先進行仿真研究
l對于新開發(fā)的產(chǎn)品進行虛擬性能測試可以節(jié)省時間和費用
l仿真研究非常具有指導性
l個人計算機上的現(xiàn)代仿真程序是非常有效，且用戶界面友好
l仿真結(jié)果和模型描述是一致的
l實時控制和診斷程序經(jīng)?？梢詮姆抡娉绦蛑苯赢a(chǎn)生
l可以通過反復運行仿真程序，優(yōu)化電路和系統(tǒng)設(shè)計
l無需害怕由于故障或者異常操作而導致的損害
SIMUbbbb仿真軟件特征
l MATLAB環(huán)境中基于強大的數(shù)學模型的系統(tǒng)仿真程序
l具有圖形用戶界面
l用于: 非線性動態(tài)系統(tǒng)的仿真
 線性/非線性系統(tǒng)仿真
 連續(xù)/離散時間系統(tǒng)仿真
 多種速率
 分層模型
l圖形構(gòu)造模塊庫
lMATLAB，F(xiàn)ORTRAN或者C代碼的用戶界面
l能夠從模型中產(chǎn)生C代碼用于實時控制，
l仿真可以與其它工具箱鏈接
l仿真結(jié)果能夠用于MATLAB處理
l大的圖形容量
SIMPOWER SYSTEMS仿真軟件特征
l用于電力系統(tǒng)的建模和仿真程序(包括電力電子和電機傳動)
l具有圖形用戶界面的擴展的SIMUbbbb仿真
l能進行包括SIMPOWER SYSTEMS模塊和SIMUbbbb模塊的混合仿真
l電力系統(tǒng)設(shè)備和元件的模型儲存在庫中
l類似于PSPICE的基于電路圖的電路和系統(tǒng)仿真
l需要SIMUbbbb和MATLAB環(huán)境
l仿真可以與其它工具箱鏈接
l電力系統(tǒng)模塊庫中的某些構(gòu)成元素
 電力電子元器件的模型
 感應電機和同步電機的模型
 電源和電路元件
 電路測量部件
 進行電路和系統(tǒng)分析的圖形用戶界面

2  電力電子與電機傳動系統(tǒng)中應用的數(shù)字控制器
數(shù)字控制器分類樹如下:

英特爾87C51GB微控制器特征(MCS-51系列)
l8位定點
lMCS-51系列中最初的8751/8051的高改進版本
l4K X 8 EPROM, 128 X 8 RAM, 16MHz, 0.75ms的指令周期時間
l6個8位多功能雙向并行接口
l3個16位可編程定時器/計數(shù)器(具有上升沿/下降沿計數(shù)模式)
l兩個16位可編程計數(shù)器排列具有:
  比較/捕捉，軟件定時，高速輸出，PWM調(diào)節(jié)器和看門狗定時功能
l8通道模數(shù)轉(zhuǎn)換器，具有8位分辨率以及比較模式
l全雙向可編程串行接口，且具有串行擴展接口
l硬件看門狗定時器
l空閑和功率下降模式
l MCS-51系列指令集
l布爾運算處理，乘法運算以及除法運算指令
TI公司的TMS320系列數(shù)字信號處理器(DSP)(圖18)

圖18    TI公司TMS320 系列DSP的演變
l TI公司TMS320 系列DSP的演變
l TI公司的高級TMS320 DSP系列(圖19)

圖19    TI 公司的高級TMS320 DSP系列
TMS320F2812 DSP特征
l 32位定點處理器
l 150MHz頻率
l 哈佛結(jié)構(gòu)的靜態(tài)CMOS
l 計算速度:150MIPS(周期6.67ns)
l 18KX 16位 RAM，128 KX 16位FLASH存儲器
l BOOT裝載ROM
l 12位，16通道A/D轉(zhuǎn)換器
  A/D轉(zhuǎn)換器時間80ns
l 16個PWM通道，兩個事件管理器
l 看門狗定時器，SCI，SPI，CAN，McBSP(多通道緩沖串行端口)
l 3個32位定時器
l 32×32位乘法器
l 四種節(jié)電模式
l 支持C語言和匯編語言
l 和C200系列的源代碼兼容

3  人工智能技術(shù)
什么是人工智能(AI)?
l 人腦擁有生物神經(jīng)網(wǎng)絡，因此天生具備學習，思考和理解能力
l AI的目標—將人腦智能植入計算機中以便使計算機能夠象人腦一樣進行智能思考
l 計算機真的能夠進行思考并且作出聰明的決定嗎？
l 智能計算機—遠遠低于人腦天生智能，但是，它能夠幫忙解決復雜的問題
l AI技術(shù)廣泛應用于: 工業(yè)過程控制
 醫(yī)學
 信息處理
 軍事系統(tǒng)
 空間技術(shù)
人工智能(AI)分類
l 專家系統(tǒng)(ES)
l 模糊邏輯(FL)
l 人工神經(jīng)網(wǎng)絡(ANN)或神經(jīng)網(wǎng)絡(NNW)
l 遺傳算法(GA)

4  模糊邏輯(FL)在電力電子與電機傳動系統(tǒng)中的應用
模糊邏輯(FL)特征
l 布爾邏輯或清晰邏輯:1(是)，0(非)
模糊邏輯:多值:從0到1
l 人類模糊思想方式的模仿
模糊邏輯例子:
             IF:傳動電機的速度為低
             THEN:電流應設(shè)定為高
專家系統(tǒng)例子:
             IF:傳動電機的速度<1000轉(zhuǎn)/分
             THEN:電流應該>50A
l模糊變量(速度，電流)以及由隸屬函數(shù)表示的語言模糊集(低，高)
l 1965年，加利福尼亞大學伯克利分校的Lotfi Zadeh創(chuàng)立了模糊集合理論
l1975年第一次應用于工業(yè)—倫敦瑪麗皇后大學的MAMDANI和ASSILIAN將模糊集合理論應用于蒸汽機控制
在轉(zhuǎn)動慣量可變的矢量控制感應電機傳動系統(tǒng)中的模糊速度控制器(圖20)

圖20  轉(zhuǎn)動慣量可變的矢量控制感應電機傳動系統(tǒng)中的模糊速度控制器
l 系統(tǒng)控制框圖
l 兩規(guī)則模糊速度控制器的構(gòu)成(圖21)

圖 21      兩規(guī)則模糊速度控制器的原理

l 模糊速度控制變量的模糊集隸屬函數(shù)(圖22)

圖22     模糊速度控制變量的模糊集隸屬函數(shù)

l 模糊速度控制器的規(guī)則表(圖23)

圖23     模糊速度控制器的規(guī)則表

基于模糊邏輯的風力發(fā)電系統(tǒng)控制(圖24)

圖24    基于模糊邏輯的風能發(fā)電系統(tǒng)控制

l 基于模糊邏輯的風力發(fā)電系統(tǒng)框圖
l 模糊控制器(FLC-1和FLC-2)使輸出功率增加的作用原理(圖25)

圖25    通過模糊控制器(FLC-1和FLC-2)的作用使輸出功率增加
模糊邏輯應用的發(fā)展趨勢
l一般來講，基于人工智能(AI)的智能控制和估算方法在電力電子和電機傳動系統(tǒng)中將會起到非常重要的作用
l模糊控制在參數(shù)變化和負載轉(zhuǎn)矩擾動的非線性反饋系統(tǒng)中可能可以提供最好的魯棒性
l模糊邏輯在在線故障監(jiān)測和故障耐力控制中將會起到越來越重要的作用
l然而模糊邏輯在功率電子和調(diào)速系統(tǒng)領(lǐng)域的應用非常有限
l在輸入輸出映射中模糊邏輯比神經(jīng)網(wǎng)絡有競爭力
l設(shè)備模糊動態(tài)模型的發(fā)展，如弧熔爐，熔鋼轉(zhuǎn)爐
l模糊設(shè)備參數(shù)和狀態(tài)估計
l模糊控制的大功能特定用途集成芯片有效性問題

5  人工神經(jīng)網(wǎng)絡(ANN)在電力電子與電機傳動系統(tǒng)中的應用
生物神經(jīng)元(圖26)

圖26    生物神經(jīng)元
人工神經(jīng)元(圖27)

圖27    人工神經(jīng)元
人工神經(jīng)元的激勵函數(shù)(圖28)

圖28    人工神經(jīng)元的某些激勵函數(shù)
神經(jīng)網(wǎng)絡特征
l模仿人類思維人工智能(AI)最一般的形式
l神經(jīng)計算是由人類的生物神經(jīng)網(wǎng)絡激發(fā)的
l基本上輸入與輸出之間的非線性映射現(xiàn)象與模糊系統(tǒng)是類似的
l可進行具有故障容錯和濾噪能力的大容量高速并行計算
l通過對輸入輸出樣本數(shù)據(jù)集進行學習(或訓練)獲取知識
l具有模式分類、函數(shù)近似以及聯(lián)想記憶的功能
l典型應用:
 電力電子系統(tǒng)中的控制和估計
 一般工業(yè)過程控制
 機器人視覺系統(tǒng)
 在線監(jiān)測等
 神經(jīng)網(wǎng)絡的一些網(wǎng)絡模型
(1) 前饋網(wǎng)絡
l感知器
lAdaline和Madaline模型
l反向傳播神經(jīng)網(wǎng)絡
l徑向基函數(shù)神經(jīng)網(wǎng)絡(RBFN)
l普通回歸 (GRNN)
l模塊神經(jīng)網(wǎng)絡 (MNN)
l學習向量量化神經(jīng)網(wǎng)絡(LVQ)
l隨機神經(jīng)網(wǎng)絡 (PNN)
l模糊神經(jīng)網(wǎng)絡 (FNN)
(2) 遞歸網(wǎng)絡
l實時遞歸神經(jīng)網(wǎng)絡
l ELMAN神經(jīng)網(wǎng)絡
lHOPFIELD神經(jīng)網(wǎng)絡
lBOLTZMANN機
lKOHONEN自組織特征映射(SOFM)
l循環(huán)網(wǎng)絡
l腦中盒(BSB)
l自適應共振理論(ART)網(wǎng)絡
l雙向聯(lián)想記憶(BAM)網(wǎng)絡
單層感知器應用
l單層感知器網(wǎng)絡(圖29)

圖29     單層感知器網(wǎng)絡
l用于上通道的模式分類邊界說明(圖30)

圖30     僅用于上通道的模式分類邊界說明
多層感知器類(MLP)前饋人工神經(jīng)元網(wǎng)絡(圖31采用反向傳播訓練)

圖31   多層感知器類(MLP)前饋人工神經(jīng)元網(wǎng)絡(采用反向傳播訓練)
實時遞歸人工神經(jīng)元網(wǎng)絡(圖32)

圖32     實時遞歸人工神經(jīng)元網(wǎng)絡
用于產(chǎn)生三相正弦波的三層前饋人工神經(jīng)元網(wǎng)絡(圖33)

圖33     用于產(chǎn)生三相正弦波的三層前饋人工神經(jīng)元網(wǎng)絡
基于人工神經(jīng)元網(wǎng)絡的字母識別(圖34)

圖34     基于人工神經(jīng)元網(wǎng)絡的字母識別
聯(lián)想網(wǎng)絡映射字母A(圖35)

圖35    聯(lián)想網(wǎng)絡映射字母A
矢量控制感應電機傳動系統(tǒng)反饋信號估計
l矢量控制感應電機傳動系統(tǒng)反饋信號估計方程(圖36)

圖36      矢量控制感應電機傳動系統(tǒng)反饋信號估計方程
l用于矢量控制感應電機傳動系統(tǒng)反饋信號估計的人工神經(jīng)元網(wǎng)絡拓撲(圖37)

圖37     用于矢量控制感應電機傳動系統(tǒng)反饋信號估計的人工神經(jīng)元網(wǎng)絡拓撲
基于人工神經(jīng)元網(wǎng)絡的單相方波無延遲濾波及多相輸出(圖38)

圖38      基于人工神經(jīng)元網(wǎng)絡的單相方波無延遲濾波及多相輸出
60Hz頻率三相脈寬調(diào)制波無延遲濾波(圖39頻率可變，電壓可變)

圖39   60Hz頻率三相脈寬調(diào)制波無延遲濾波(頻率可變，電壓可變)
實現(xiàn)兩電平逆變器的空間矢量脈寬調(diào)制的人工神經(jīng)元網(wǎng)絡拓撲(圖40)

圖40    實現(xiàn)兩的空間矢量脈寬調(diào)制的人工神經(jīng)元網(wǎng)絡拓撲
應用基于人工神經(jīng)元網(wǎng)絡的空間矢量脈寬調(diào)制的三電平二極管鉗位逆變器感應電動機傳動系統(tǒng)(圖41)

圖41      應用基于人工神經(jīng)元網(wǎng)絡的空間矢量脈寬調(diào)制的三電平二極管鉗位逆變器感應電動機傳動系統(tǒng)
l系統(tǒng)工作原理
l三電平逆變器電壓空間矢量(圖42)

圖42     三電平逆變器電壓空間矢量
lU相在P狀態(tài)和N狀態(tài)時的開通時間函數(shù)曲線(圖43)

圖43     U相在P狀態(tài)和N狀態(tài)時的開通時間函數(shù)曲線
l實現(xiàn)三電平逆變器空間矢量脈寬調(diào)制的人工神經(jīng)元網(wǎng)絡拓撲(圖44)

圖44     實現(xiàn)三電平逆變器空間矢量脈寬調(diào)制的人工神經(jīng)元網(wǎng)絡拓撲

五電平逆變器空間矢量脈寬調(diào)制的人工神經(jīng)元網(wǎng)絡實現(xiàn)
l五電平逆變器的簡化表示(圖45)

圖45    五電平逆變器的簡化表示

l五電平逆變的開關(guān)狀態(tài)(圖46)

圖46      5層變換器的開關(guān)交換狀態(tài)
l基于人工神經(jīng)元網(wǎng)絡的五電平逆變器空間矢量脈寬調(diào)制實現(xiàn)(圖47)

圖47     基于人工神經(jīng)元網(wǎng)絡的五電平逆變器空間矢量脈寬調(diào)制實現(xiàn)
l調(diào)制系數(shù)m′=0.53(31,8Hz)時系統(tǒng)性能(圖48)

圖48    調(diào)制系數(shù)m′ = 0.53 (31,8 Hz)時系統(tǒng)性能
用于磁鏈估計的兩級可編程級聯(lián)低通濾波器(PCLPF)
l用于磁鏈估計的兩級可編程級聯(lián)低通濾波器(PCLPF)原理框圖(圖49)

圖49     用于磁鏈估計的兩級可編程級聯(lián)低通濾波器(PCLPF)框圖
l用于磁鏈估計的混合人工神經(jīng)元網(wǎng)絡(圖50)

圖50     用于磁鏈估計的混合人工神經(jīng)元網(wǎng)絡
基于模糊神經(jīng)網(wǎng)絡的定子磁場定向矢量控制的電動汽車傳動系統(tǒng)(圖51)

圖51     電動汽車基于模糊神經(jīng)網(wǎng)絡的定子磁場定向矢量控制傳動系統(tǒng)
神經(jīng)網(wǎng)絡在電力電子學中應用的進展和發(fā)展趨勢
l人工智能技術(shù)正在擴展到電力電子學領(lǐng)域—對電力電子工程師們提出了新的挑戰(zhàn)
l在所有人工智能學科中，神經(jīng)網(wǎng)絡將對電力電子學產(chǎn)生最大的影響
l目前，大多數(shù)應用使用反向傳播的前饋型人工神經(jīng)元網(wǎng)絡(ANN)
l許多其它的前饋神經(jīng)元網(wǎng)絡和遞歸神經(jīng)元網(wǎng)絡拓撲都需要探討
l沒有可用的大型ANN專用集成芯片是個主要問題—大多應用都使用DSP
l自適應人工神經(jīng)元網(wǎng)絡的快速在線訓練問題
l可以利用混合人工智能技術(shù)AI(神經(jīng)-模糊，神經(jīng)-遺傳，神經(jīng)-模糊-遺傳，模糊-遺傳)開發(fā)強大的智能控制以及估計方法
l將來，單個神經(jīng)模糊專用集成芯片能承擔無傳感器矢量控制，且具有在線故障診斷和容錯控制能力
l期望在將來獲得更廣泛的應用
對電力電子和電機傳動系統(tǒng)的總結(jié)和對今后發(fā)展的預測
l技術(shù)發(fā)展、成本降低、尺寸減小都極大的促進了電力電子和電機傳動系統(tǒng)在民用，工業(yè)，商業(yè)，航空，軍事，運輸和電力系統(tǒng)等領(lǐng)域的廣泛應用
l推進了全球工業(yè)自動化的發(fā)展，特別是發(fā)展中國家工業(yè)自動化的發(fā)展
l化石燃料的短缺以及環(huán)境保護的規(guī)則將會增加能源使用的成本—因此將促進通過電力電子來節(jié)省能源
l清潔的對環(huán)境無污染的風能以及光伏能的使用將廣泛增長
l汽油短缺以及環(huán)境污染問題會使電動車和混合動力車的使用廣泛增加
l大能量帶隙電力半導體器件將會給電力電子技術(shù)帶來新的活力
l在不久的將來，晶閘管類型的大功率電力電子變換器仍將會使用，但最終會被淘汰
l電壓源型變流器將會得到普遍的應用
l大容量的多電平變流器電力系統(tǒng)以及傳動系統(tǒng)中普遍使用
l空間矢量PWM技術(shù)將會在電機傳動系統(tǒng)中普遍使用
l電力電子變流器技術(shù)也會向超大規(guī)模集成電路技術(shù)發(fā)展—集成以及自動化設(shè)計—仿真—制作—測試
l變流器、控制器以及電機最終將合并在一起構(gòu)成智能電機
l在傳動系統(tǒng)中最終將會普遍采用矢量控制技術(shù)
l基于人工智能技術(shù)的控制與估計將會被更多地采用
l功能強大的神經(jīng)網(wǎng)絡專用集成芯片將會出現(xiàn)并得到使用
l電力電子與電機傳動技術(shù)已經(jīng)趨于S曲線的飽和部分—將來的重點是逐步增加對應用的研究
l電力電子技術(shù)最終將會確立和計算機一樣重要的，具有廣泛用途的地位