机械工业出版社

电力电子和电气传动是跨学科的，主要包括以下专业知识领域：电机学、电路理论、控制理论、信号处理系统、电子学、电磁场、数值分析、固态物理学和发电厂。这些学科最近的一个发展趋势是人工智能(AI)工具的应用，如专家系统（ExpertSystem，ES）、人工神经网络（ArtificialNeuralNetwork，ANN）、模糊逻辑系统（FuzzyLogicSystem，FLS）、遗传算法（GeneticAlgorithms，GA），甚至多智能体系统（Multi-AgentSystem，MAS）。这些工具被证实可以提升这些系统在现实世界中的表现，工业应用得益于如自学习、自组织和自适应的技术。
电力电子与电力传动应用中，人工神经网络能用于对非线性函数的近似模拟，也能用于控制和识别如多层感知器（MultilayerPerception，MLP）或径向基函数(Radical Basis Function,RBF)。最近另一种被应用的神经元是线性神经元，并得到了意外的好结果。另外，空间矢量法补充和完善了线性神经网络的理论，从而在理论和实践上提升了电力电子和电力传动的经典方法。本书目标：在空间矢量法的基础上，系统地展现对电力电子驱动和电力变流器进行识别和控制的经典理论，以及线性神经网络对该理论的补充与改进。
本书可以分为4个部分：第1部分具体分析电压源型逆变器（VoltageSourceInverter，VSI）及其控制；第2部分讨论交流电力驱动控制，特别是感应永磁同步电动机的驱动；第3部分介绍关于线性神经网络的理论；第4部分具体分析线性神经网络在电力传动和电能质量方面的应用。
目录：
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