基于模型参考自适应系统的三项永磁同步电机无传感器控制

一、用状态变量设计模型参考自适应控制律 设模型的状态方程为 �Xm = Am Xm + Bm r (3 .3 1) 式中 Xm 为 n维状态向量 , r为 m 维输入向量 , Am 为 n× n稳定矩阵 , Bm 为 n× m矩阵。 控制对象的状态方程为 �Xp = Ap ( t) Xp + Bp ( t) u (3 .3 2) 图 3. 3 1 模型参考自适应控制图 式中 Xp 为 n维状态向量 , u为 m维控制向 量 , Ap ( t) 为 n× n 矩阵 , Bp ( t) 为 n× m 矩阵。 一般自适应控制系统采用如图3 .3 1 所示的前馈控制加反馈控制。 从图 3 .3 1 可得 u = K( t) r + F( t) Xp (3 .3 3) 将式 (3 .3 3 ) 代入式 ( 3 .3 2) 得 �Xp = [ Ap ( t) + Bp ( t) F( t) ] Xp + Bp ( t) K( t) r (3 .3 4) 设 Ap ( t) + Bp ( t) F( t) = As ( t) Bp ( t) K( t) = Bs ( t) (3 .3 5) 图 3. 3 2 用状态方程描述的模型参考自适应系统 因 F( t) 与 K( t) 都是误差 e的函数。因此 As ( t) 和 Bs ( t)也与误差 e有关 ,则 As ( t) 和 Bs ( t) 可表示成 As ( t) = As ( e, t) , Bs ( t) = Bs ( e, t) (3 .3 6) 则式 (3 .3 4 ) 可表示成 �Xp = As ( e, t) Xp + Bs ( e, t) r 在上式中 Xp 用 Xs 表示 ,则 �Xs = As ( e, t) Xs + Bs ( e, t) r (3 .3 7) 式 (3 .3 7 ) 为可调系统 , Xs 就是可调系统 的状态向量。As ( e, t) 和 Bs ( e, t) 按照自适 应规律进行调整。系统如图 3 .3 2 所示。 按照超稳定性理论设计模型参考自适 应系统的步骤如下 : —85—

针对受到外部干扰影响的二阶多智能系统, 提出一种新型干扰观测器的设计方案.在只有部分智能体能接收到参考模型信 号的条件下, 研究受到不同外系统生成干扰信号影响的二阶多智能体系统模型参考一致性问题.针对干扰信号由线性外系统和非线性外系 统生成的情况, 分别设计干扰观测器.进一步提出分布式控制协议, 所提出的一致性协议可以有效地抑制干扰, 最终实现多智能体 系统的模型参考一致性.仿真算例验证了所提出方法的有效性.

基于MRAS的无速度传感器矢量控制法把模型参考自适应法与转速直接计算法结合了起来，设计了合适的自适应控制率，提高了转速估计的精确度，在此基础上，利用Matlab/Simulink构建MRAS无速度传感器矢量控制系统仿真模型，仿真结果表明，转速估计精度较高，系统具有一定的鲁棒性。

Teradata 模型参考，版本为V10，银行业

（2）间接模型参考自适应控制 如图9-5所示。神经网络辨识器NNI向神经网络控制器NNC提供对象的信息，用于控制器NNC的学习。

此提交包含一个风电场模型，其中包含 140 个单独的 III 型双馈电机，该模型在 Simscape Electrical - Specialized Power Systems 中建模。 III 型 DFIG 使用模型参考并通过 Simulink 中的简单电压传输机制集成到系统中。 此示例用于以下网络研讨会 https://www.mathworks.com/videos/large-scale-wind-farm-modeling-and-simulation-in-matlab-and-simulink-81935.html。

全等三角形证明中的基本模型参考.pdf

追碰模型参考.pdf

face_recognition 项目名称为：自建数据集人脸识别。该项目利用电脑自带摄像头或者已有照片进行人脸数据集建立，再进行人脸检测，人脸识别，人脸预测，包括数据采集、数据预处理、建模、模型训练、模型使用预测全过程。项目使用Openc3进行数据采集、数据预处理，Keras 进行建模，模型参考了VGG16网络，包含4个卷积层，5个LeRu层，2个池化层，3个Dropout层，2个全连接层，1个flatten层，1个分类层，共18层。 更多内容，请看代码中的 read_me.pdf ！