论文部分内容阅读
针对永磁同步电机在弱磁运行过程中因参数变化导致的控制性能下降问题，提出了一种采用单q轴电流调节器的多参数自适应补偿控制策略，以提高电机在弱磁区域内的转矩控制精度。实验结果表明该方法对参数的辨识误差在5%以下，输出转矩与期望转矩的误差小于1%,该方法能有效地抑制多参数变化对电机性能的影响。
永磁同步电机多参数自适应补偿弱磁控制策略
【摘 要】
：
针对永磁同步电机在弱磁运行过程中因参数变化导致的控制性能下降问题，提出了一种采用单q轴电流调节器的多参数自适应补偿控制策略，以提高电机在弱磁区域内的转矩控制精度。实验结果表明该方法对参数的辨识误差在5%以下，输出转矩与期望转矩的误差小于1%,该方法能有效地抑制多参数变化对电机性能的影响。
【机 构】
：
微特电机
【出 处】
：
微特电机
【发表日期】
：
2022年05期
其他文献
在弹群连续打击条件下的反舰导弹目标动态分配问题是未来海上战斗中需要重点关注的问题,它主要包括导弹目标连续分配和导弹协同攻击两方面内容。本文在分析总结国内外研究现状的基础上,针对在弹群连续打击条件下的导弹目标动态分配问题,以寻找低复杂度的解决方案、建立包含多约束的导弹目标动态分配模型、寻找合适算法求解为目标,从问题模型和求解算法两方面进行了研究,具体工作如下:1、针对导弹目标动态分配问题,研究和设计
学位
推荐系统能够预测用户对物品的潜在兴趣,在当今的在线平台上得到了广泛的应用。序列推荐在在线服务（如电子商务）中具有很高的实用价值,因此吸引了越来越多研究者的研究兴趣,序列推荐的基本目标是捕捉项目转换相关性。用户当前的兴趣随着其历史行为演变,这使得平台很难做出适当的建议。因此有必要描述用户历史记录的演化模式,对用户在项目上的事务的序列模式进行建模。通过这些用户表示,可以轻松地为每个用户推荐合适的项目。
学位
在房地一体项目测量过程中应用传统的测绘方法，时间周期长、操作流程复杂、效率低，而无人机倾斜摄影测量技术效率高、受起降场地和天气影响小、精度高，在房地一体项目测绘过程中优势明显。本文利用无人机倾斜摄影测量方法、传统测量方法分别对万安镇天地庙村进行不动产测绘，并将两种测量方式的精度指标进行对比分析。实验结果表明：无人机倾斜摄影测量外业工作量小、效率高，且精度满足山西省相关技术规范要求。
期刊
大规模多输入多输出（Multi-input Multi-output,MIMO）系统在基站处配置大规模天线阵列,显著提高了频谱利用率及链路可靠性。然而,信号检测技术涉及大量的复杂矩阵运算,随着MIMO系统规模的扩大,信号检测面临复杂度和精确度的双重挑战。因此,研究低复杂度高精确度的大规模MIMO信号检测算法对于未来通信发展具有重要意义。针对这些问题,本文做出了以下工作:1.针对现有交替方向乘子（A
学位
深度学习技术的迅速发展使得这一技术被广泛应用于各个领域,包括基础现实应用以及许多与安全相关的任务应用,这使得深度学习模型成为攻击者的目标。攻击者根据深度学习模型的脆弱性定制了相应的攻击策略。这种由模型暴露出的弱点衍生出的对抗攻击算法对图像分类领域的发展提出了挑战,同时它也为进一步探索深度神经网络提供了机会。在攻击者的推动下,越来越多的防御机制被提出来保证深度学习模型的安全。本文分别从防御机制的两个
学位
本文主要研究了基于RGB-D相机的救援机器人语义建图方法,以及语义SLAM与导航算法相结合的相关技术。传统的SLAM算法在建图时只考虑环境的几何特征或者纹理特征,这使得救援机器人只能根据环境的浅层信息进行导航和探索,难以完成复杂的自主探索任务。语义SLAM可获取环境的语义信息,并将语义信息与环境地图相结合,帮助机器人从更高的层次去理解周围环境,进而丰富导航方式,使机器人能够完成复杂的自主探索任务。
学位
基于语音对阿尔兹海默病进行识别被证明是一种有效的方法,相较于脑影像和量表,语音更具有经济性和可扩展性,能够适应大规模检测。目前的研究方法较多的采用降维-分类的方式进行,即将语音（通常在10万维以上）表示为低维的特征向量（通常在100维以下）,再进行分类获得疾病识别结果。在特征表示方面,研究人员尝试使用局限性更小的内容无关（Content-independent,CI）特征来表示语音,但是传统的特征
学位
近似最近邻搜索是信息检索技术中的一个基本课题,在数据库、推荐系统等领域应用广泛。与精确最近邻搜索算法相比,近似最近邻搜索算法内存占用较小,同时牺牲较小的查询召回率,从而达到极快的查询速度。基于图的近似最近邻搜索算法是最常用的近似最近邻搜索算法之一,相对于基于空间划分、基于哈希和基于量化的算法,因其查询速度快、查询召回率高而被各大商业公司广泛应用。基于图的搜索算法的目标是构建高质量的图索引结构,通过
学位
人工智能模型的训练依赖于大规模高质量的标注数据。通过人工标注的方式可以获取高质量的训练集,但是人工标注效率很低并且代价高昂,尤其对于标注难度较大的文本语料,人工标注很难获取大规模的标注数据。远程监督可以用来自动构建大规模的标注数据集,然而通过远程监督得到的训练集质量并不高,训练集的质量决定着模型的上限,因此如何优化远程监督数据集已经成为当下研究的热点。远程监督在不同场景下面临着不同的问题,其解决方
学位