本书是一本系统阐述神经网络控制理论在电力电子技术领域应用的专业书籍，详细介绍了无速度传感器交流传动控制系统以及相关的理论，而这些理论是建立在空间矢量识别的经典控制理论之上。本书广泛收集并总结了基于电力电子器件的电气传动控制中的代表性结构和控制原理，在此基础之上，进一步讨论了对现有系统的改进思路和完善的方向，使线性神经网络控制理论的应用与电气传动控制有机地结合起来，同时还能应用本书所介绍的人工神经网络(ANN)理论来实现对电力电子器件的实时控制。本书涉及电力电子技术、神经网络控制、电气传动、电机学以及电力系统分析等内容，涵盖了电气工程学科中的几个主要领域，是系统掌握电力电子技术中智能控制的优秀参考图书。全书共分为4个部分：第1部分阐述了电压源型逆变器及其控制，主要是帮助读者回顾有关的基础；第2部分介绍了以感应永磁同步电气传动为主的交流电气传动控制，此部分同样是为后续的实际控制对象做一个前期铺垫；第3部分则引出了线性神经网络控制理论的基本概念，以及它在电气传动控制中应用的可能性，同时还验证了线性神经网络控制理论能够实现电气传动控制的理论依据，尤其是EXIN神经系统；本书的第4部分是对实际应用的描述，详细分析了电气传动中的电能质量问题，讨论了神经网络理论在电气传动中的参数辨识、无速度传感器的控制、电力有源滤波器以及在分布式可再生能源发电系统中的应用，其中所涉及的仿真和实验结果也证明了应用神经网络理论实施控制的正确性。
若要全面和正确理解本书的精髓，需要读者具备电气设备和电力电子技术以及一些控制系统、信号处理、线性代数、数值分析的基本知识。本书适用于高年级本科生和研究生、学者、执业工程师和研究人工神经网络应用的相关人员学习、参考，同时读者也可通过书中各章最后所提供的相关参考资料来进一步理解书中所述内容。
译者序
原书序
原书前言
第1章基本概念回顾：空间矢量
分析1
1.1简介 1
1.2空间矢量的定义1
1.33→2和2→3转换 4
1.3.1非功率不变形式14
1.3.2功率不变形式5
1.3.3非功率不变形式25
1.4坐标变换6
1.5瞬时有功和无功功率7
参考文献10
第1部分电力变流器
第2章电压源型逆变器的脉宽
调制14
2.1电压源型逆变器的基本原理14
2.1.1电流谐波16
2.1.2谐波频谱17
2.1.3最大调制指数18
2.1.4转矩谐波18
2.1.5开关频率和开关损耗18
2.1.6共模电压（CMV）19
2.2开环PWM20
2.2.1载波PWM21
2.2.2无载波PWM32
2.2.3超调制33
2.2.4共模输出最小化的SV-PWM
技术34
2.2.5优化的开环PWM36
2.2.6开环PWM技术的实验
验证37
2.3电压源型逆变器的闭环控制44
2.3.1闭环控制方式的分类44
2.3.2从六脉冲整流器到有源
整流器53
2.3.3VSI的电流控制57
2.3.4VSI的功率控制64
符号列表81
参考文献82
延伸阅读85
第3章电能质量86
3.1非线性负载86
3.1.1谐波源的电流源类型（谐波电
流源）86
3.1.2谐波源的电压源类型（谐波电
压源）86
3.2配电网谐波的传播88
3.3无源滤波器91
3.4有源电力滤波器93
3.4.1有源电力滤波器简介93
3.4.2并联和串联滤波器的基本操
作问题95
3.4.3并联型有源滤波器95
3.4.4串联型有源滤波器104
3.4.5PAF和SAF的比较108
3.4.6混合型有源滤波器109
符号列表116
参考文献117
第2部分电气传动
第4章感应电动机的动态和静态
模型120
4.1简介120
4.2电动机空间矢量的定义120
4.3感应电动机的相电压方程124
4.4定子坐标系下的空间矢量
方程125
4.5转子坐标系下的空间矢量
方程126
4.6广义坐标系下的空间矢量
方程126
目录
线性神经网络控制的电力变流器与交流电气传动4.6.1交互磁耦合电路128
4.6.2转子磁链坐标系下的空间
矢量方程129
4.6.3定子磁链坐标系下的空间
矢量方程132
4.6.4励磁磁链坐标系下的空间
矢量方程134
4.7磁饱和条件下感应电动机的动态
数学模型135
4.8感应电动机的稳态空间
矢量模型138
4.9感应电动机空间矢量模型的
实验验证142
4.10考虑槽影响的感应电动机
模型146
4.10.1含定子和转子槽影响的感应
电动机空间矢量模型148
4.10.2含转子槽影响的感应电动机
空间矢量状态模型150
4.10.3含转子槽影响的感应电动机
空间状态模型152
4.10.4含定子和转子槽影响的感应
电动机空间状态模型153
4.10.5考虑定子和转子槽影响的空间
矢量模型的实验验证155
符号列表163
参考文献164
第5章感应电动机驱动控制
技术166
5.1感应电动机控制技术简介166
5.2感应电动机的标量控制167
5.2.1电压激励的标量控制167
5.2.2电流激励的标量控制174
5.3感应电动机的磁场定向控制175
5.3.1磁场定向矢量控制的
原理175
5.3.2转子磁通定向控制176
5.3.3转子磁链的获取178
5.3.4定子磁通定向控制191
5.3.5磁化磁通定向控制197
5.4感应电动机的直接转矩控制202
5.4.1感应电动机中电磁转矩
的产生202
5.4.2定子磁链空间矢量与逆变器配
置的关系203
5.4.3电压空间矢量和控制方案的
选择标准204
5.4.4定子磁通与电磁转矩的
估计206
5.4.5DTC方案209
5.4.6DTCEMC211
5.4.7经典DTC和DTCEMC实
验结果214
5.4.8DTC-SVM217
5.4.9DTC-SVM驱动的实验
结果219
5.4.10直接自动控制219
5.4.11FOC和DTC的比较223
符号列表224
参考文献225
第6章感应电动机驱动的无速度
传感器控制技术227
6.1无速度传感器控制技术简介227
6.2基于模型的无速度传感器
控制技术227
6.3基于各向异性的无速度传感
器控制技术228
6.4基于模型的无速度传感器
控制技术229
6.4.1开环积分229
6.4.2逆变器的非线性234
6.4.3电动机参数不匹配235
6.4.4估计器和观测器238
6.4.5开环速度估计器239
6.4.6模型参考自适应系统242
6.4.7全阶Luenberger自适应
观测器246
6.4.8全阶滑模观测器252
6.4.9降阶自适应观测器253
6.4.10扩展卡尔曼滤波器257
6.5各向异性的无速度传感器
技术258
6.5.1旋转载波技术258
6.5.2基于有限元的旋转载波下感
应电动机凸极的分析262
6.5.3脉动载波技术268
6.5.4高频激励技术269
6.6驱动感应电动机无速度传感器
技术的总结274
参考文献275
第7章永磁同步电动机驱动278
7.1简介278
7.1.1直流无刷电动机278
7.1.2交流无刷电动机279
7.1.3永磁体280
7.2永磁同步电动机的空间矢量
模型282
7.3永磁同步电动机驱动器的
控制策略287
7.3.1永磁同步电动机驱动器的磁
场定向控制287
7.3.2转矩控制的驱动器289
7.3.3转速控制的驱动器295
7.3.4直接转矩控制297
7.4永磁同步电动机驱动器的无速度
传感器控制技术302
7.4.1基于各向异性的无速度
传感器技术302
7.4.2基于模型的无速度
传感器技术315
参考文献325
第3部分基于神经网
络的正交回归第8章基于神经网络的正交
回归328
8.1ADALINE和最小二乘问题
简介328
8.2线性回归的方法329
8.2.1OLS问题329
8.2.2DLS问题329
8.2.3TLS问题329
8.3最小主元分析和MCAEXIN
神经元330
8.3.1一些MCA的应用330
8.3.2神经网络方法330
8.4MCAEXIN神经元331
8.4.1初始过渡过程的收敛性331
8.4.2MCA神经元的动态特性332
8.4.3动态稳定性和学习率334
8.4.4数值计算的考虑335
8.4.5加速技术337
8.4.6仿真337
8.4.7MCA神经元的总结和
展望342
8.5TLSEXIN神经元342
8.5.1稳定性分析（几何方法）344
8.5.2收敛域345
8.5.3非泛型TLS问题348
8.6线性最小二乘问题的泛化351
8.7GeMCAEXIN神经元352
8.7.1GeMCAEXIN误差函数临界
点的定性分析353
8.7.2GeTLS误差函数的分析（几
何方法）354
8.7.3临界图：中心轨迹354
8.8GeTLSEXIN神经元356
8.8.1GeTLS的收敛域357
8.8.2规划357
8.8.3加速后的MCAEXIN神经
元（MCAEXIN+）359
参考文献361
第4部分应用精选
第9章电动机的最小二乘法和神经
网络辨识366
9.1感应电动机的参数估计366
9.2磁通模型对参数变化的敏
感度367
9.2.1电流磁通模型的敏感度367
9.2.2电压磁通模型的敏感度373
9.3磁通模型失准对控制性能影响的
实验分析378
9.4电动机参数变化的在线跟踪
方法379
9.5使用普通最小二乘法的感应电动机
参数的在线估计380
9.5.1在普通参考坐标系下的空间
矢量电压方程380
9.5.2磁化曲线估计384
9.5.3普通最小二乘法辨识385
9.5.4RLS算法385
9.5.5信号处理系统388
9.5.6应用实验的测试装置
说明391
9.5.7仿真与实验结果392
9.6在饱和与非饱和条件下的有约束
条件的最小化感应电动机参数
估计方法395
9.6.1有约束条件的最小化第一
方法396
9.6.2有约束条件的最小化第二
方法401
9.7使用总体最小二乘法的感应电动
机的参数估计412
9.8在FOC和DTCIM驱动器中应用
基于RLS的参数估计方法对磁通
模型进行适应421
9.9静止状态IM参数的估计425
符号列表429
参考文献430
第10章带APF能力的神经网络
增强型单相DG系统437
10.1简介437
10.2基本工作原理438
10.3ADALINE设计规则439
10.3.1陷波器运行441
10.3.2带通运行442
10.3.3MATLAB-Simulink中
的实现444
10.3.4与传统数字滤波器的
比较444
10.3.5NN带通滤波器与PLL：理
论上的比较445
10.4电流参考值的生成447
10.5多谐振电流控制器447
10.6稳定性问题449
10.7试验台453
10.8实验结果454
10.8.1APF接入454
10.8.2功率参考值接入457
10.8.3负载波动459
10.8.4NN滤波器与锁相环的
对比461
10.8.5NN滤波器与p-q理论的
对比462
10.8.6与国际标准的对比463
10.9APF接入步骤465
参考文献466
第11章交流驱动器的神经网络无
位置传感器控制468
11.1基于NN的无位置传感器
控制468
11.2基于BPN的MRAS转速观
测器469
11.2.1BPNMRAS观测器的
在线训练471
11.2.2BPNMRAS观测器的
实现472
11.2.3BPNMRAS观测器的
实验结果472
11.3基于LS的MRAS转速观
测器474
11.3.1OLSMRAS观测器的
实验结果475
11.3.2TLSEXINMRAS观
测器480
11.3.3改进的欧拉神经网络自
适应模型491
11.3.4MCAEXIN+MRAS观
测器496
11.4TLSEXIN全阶Luenberger
自适应观测器498
11.4.1IM的状态空间模型499
11.4.2自适应转速观测器499
11.4.3基于TLS的转速估计499
11.4.4TLSEXIN全阶自适应观测器
的稳定性502
11.4.5TLSEXIN全阶Luenberger
自适应观测器的实验
结果505
11.4.6实验对比测试515
11.5MCAEXIN+降阶观测器518
11.5.1降阶观测器方程518
11.5.2基于MCAEXIN+的转速
估计519
11.5.3观测器增益矩阵的选择
建议520
11.5.4计算的复杂度521
11.5.5MCAEXIN+降阶自适应观
测器的实验结果522
附录A控制的实现方案526
附录B测试装置说明531
符号列表534
参考文献535
书单推荐
