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3 3→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

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