当前位置:主页 > 科技论文 > 动力论文 >

交流电力测功机特性参数降噪处理及其转矩软测量研究

发布时间:2017-10-29 09:21

  本文关键词:交流电力测功机特性参数降噪处理及其转矩软测量研究


  更多相关文章: 交流电力测功机 遗传最小二乘支持向量机 EMD-Wavelet 离散谱校正 软测量


【摘要】:测功机是机械传动试验台、发动机及电机性能测试台等试验装置中的核心设备。常用的如水力测功机、电涡流测功机等均是将测试中所产生的能量转化为热能而消耗掉,不仅造成能量浪费,而且还需配置散热设备。交流电力测功机不仅可以测量机械功率,还可实现能量回馈,这是其它测功机所不具备的。然而交流电动测功机存在的转矩测量难、成本高和精度低等问题还没有得到很好地解决。为此,本文做了如下工作:(1)针对传统交流电力测功机运行参数信号离散傅里叶变化检测精度差的问题,提出了密集谱校正处理方案,运用软件MATLAB仿真交流电力测功机的振动信号,结果表明能量重心校正DFT很大提高频率、振幅和相位的精度。(2)将经验模态分解-小波(EMD-Wavelet)方法用于检测分析交流电力测功测试系统中特性参数信号,实现去噪重构,实验结果表明将EMD-Wavelet用于交流电力测功机运行特性参数的检测分析能满足去噪要求。(3)为解决参数和损耗的变化导致模型转矩输出结果的误差,提出了一种考虑电机损耗,并在电机转速已知情况下,加载转矩作为未知输入的遗传最小二乘支持向量机模型。实验结果表明基于遗传最小二乘支持向量机的交流电力测功机转矩预估模型的预估误差在-0.2~0.2N·m范围内波动,具有较高预测精度。
【关键词】:交流电力测功机 遗传最小二乘支持向量机 EMD-Wavelet 离散谱校正 软测量
【学位授予单位】:湖南大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:TK406
【目录】:
  • 摘要5-6
  • Abstract6-9
  • 第1章 绪论9-16
  • 1.1 课题背景与研究意义9-10
  • 1.1.1 课题背景9-10
  • 1.1.2 研究意义10
  • 1.2 交流电力测功机国内外研究现状10-11
  • 1.3 信号处理国内外研究现状11-12
  • 1.3.1 离散密集频谱校正国内外研究现状11-12
  • 1.3.2 小波去噪国内外研究现状12
  • 1.4 人工智能技术国内外研究现状12-14
  • 1.4.1 智能优化建模技术国内外研究现状12-13
  • 1.4.2 预测技术国内外研究现状13-14
  • 1.5 研究内容与论文框架14-16
  • 第2章 交流电力测功机运行参数信号离散谱校正16-26
  • 2.1 交流电力测功机运行参数信号的DFT校正16-20
  • 2.1.1 FFT+FT细化校正16-17
  • 2.1.2 多点卷积幅值校正法17
  • 2.1.3 相位差校正17-18
  • 2.1.4 能量重心校正18-20
  • 2.2 交流电力测功机运行参数信号的DFT校正应用20-25
  • 2.2.1 仿真分析20-24
  • 2.2.2 实验验证24-25
  • 2.3 本章小结25-26
  • 第3章 基于EMD-Wavelet的交流电力测功机运行特性参数去噪处理26-35
  • 3.1 交流电力测功机运行特性参数EMD-Wavelet去噪算法26-28
  • 3.1.1 EMD分解算法26-27
  • 3.1.2 小波软阈值去噪算法27-28
  • 3.1.3 EMD-wavelet降噪模型28
  • 3.2 交流电力测功机特性参数信号EMD-Wavelet去噪算法应用28-34
  • 3.3 本章小结34-35
  • 第4章 交流电力测功机转矩的遗传最小二乘支持向量机软测量35-49
  • 4.1 交流电力测功机系统转矩测量数学建模35-40
  • 4.1.1 三相坐标数学模型35-37
  • 4.1.2 坐标变换与矢量变换37-40
  • 4.1.3 两相坐标系数学模型40
  • 4.2 基于遗传最小支持向量机的交流电力测功机转矩测量40-48
  • 4.2.1 转矩软测量模型40-41
  • 4.2.2 遗传最小二乘支持向量机(GA-LASVM)41-44
  • 4.2.3 应用实例44-48
  • 4.3 本章小结48-49
  • 结论与展望49-50
  • 参考文献50-55
  • 附录A 攻读学位期间所发表的学术论文目录55-56
  • 致谢56

【参考文献】

中国期刊全文数据库 前10条

1 付忠广;曹宏芳;齐敏芳;;时序回归支持向量机在卫星振动预测中的应用[J];振动与冲击;2015年17期

2 陈涵瀛;高璞珍;谭思超;;摇摆流动不稳定性的遗传算法优化神经网络预测[J];原子能科学技术;2015年02期

3 汪方斌;洪津;孙晓兵;王羿;胡亚东;;基于支持向量机预测偏振模式[J];光学精密工程;2014年11期

4 刘艳;郑彬;邬文亮;胡建利;朱叶飞;刘文东;;RBF神经网络在甲肝流行趋势预测中的应用研究[J];江苏预防医学;2014年01期

5 刘爱平;陈鸿蔚;;交流异步电力测功机的模糊PID控制[J];湖南工程学院学报(自然科学版);2013年01期

6 段园培;李萍;薛克敏;甘国强;曹婷婷;;TB8钛合金固溶组织研究及神经网络预测[J];稀有金属材料与工程;2012年08期

7 陈聪;刘祥鹏;臧小杰;;启动时转矩迅速加载的直流测功机[J];控制工程;2011年05期

8 吴绪成;胡芳;张桂香;陈鸿蔚;;基于UKF的交流异步电力测功机软测量模型[J];计算机仿真;2010年11期

9 ;Application of GA-SVM in classification of surrounding rock based on model reliability examination[J];Mining Science and Technology;2010年03期

10 丁康;朱文英;杨志坚;李巍华;;FFT+FT离散频谱校正法参数估计精度[J];机械工程学报;2010年07期



本文编号:1112384

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/dongligc/1112384.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户33faa***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com