小波模糊速度间接场定向控制器的感应电机调速系统

工程科学与技术，国际期刊19（2016）1099全长文章三相交流电机驱动的小波模糊速度间接场定向控制器的Sanjeevikumar Padmanabana，*，Febin J.L.放大图片创作者：J.惠勒D，Pawel Szczes'niake， Valentin Olesc hukf，AhmetH.Ertasga欧姆技术公司，研究与开发部，Chennai 600 122，印度bVIT大学电气工程学院，Chennai 600 127，印度丹麦奥尔堡Pontoppidanstraede 101，9220 Aalborg，奥尔堡大学能源技术系d英国诺丁汉大学电气电子工程系电力电子、机械和控制组电子工程学院，Zielona Góra大学，Licealna 9，65417 Zielona Góra，波兰f摩尔多瓦科学院动力工程研究所，Chishinev 2028，摩尔多瓦gKarabuk大学工程学院生物医学工程系，Baliklar Kayasi Mevkii，78050 Karabuk，土耳其A R T I C L E I N F OA B S不 R 一C T文章历史记录：2015年7月25日收到，2015年11月12日收到修订2015年11月12日接受2015年12月2日在线发布保留字：速度补偿器感应电动机交流变频器间接矢量控制神经网络三相电压源逆变器驱动的感应电动机被用于许多中功率和大功率应用中。电机的速度精度起着至关重要的作用，即。应用了直接/间接场定向控制（FOC）的流行方法FOC与比例积分（P-I）或比例积分微分（P-I-D）控制器一起使用，它们不是自适应的，因为增益在所有操作条件下都是固定的。因此，它需要一个鲁棒的速度控制精度的感应电机驱动应用。 提出了一种基于小波-模糊逻辑接口系统的矢量控制感应电机调速系统。具体地说，IFOC的P-I-D控制器实际上被小波模糊控制器所取代。速度反馈（误差）信号由多个低频和高频分量组成。此外，这些组件分解的离散小波变换和模糊逻辑控制器产生的间接FOC感应电机的缩放增益。利用Matlab/Simulink软件建立了交流电机驱动器的完整模型 ， 并 在 不 同 的 工 作 条 件 下 进 行 了 测 试 为 了 进 行 实 验 验 证 ， 实 现 了 一 个 硬 件 原 型 ， 并 使 用TMS320F2812数字信号处理器（DSP）的控制算法的框架本文提出的仿真和硬件结果表明，在密切的协议和一致性的工业应用的适用性。© 2015 Karabuk University.出版社：Elsevier B.V. 这是CC下的开放获取文章BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍在工业应用中，各部门采用三相感应电动机（IM），其特点是变速控制自由，坚固耐用，维护少，成本低，可靠性高，比单相IM效率最著名的速度控制技术是场定向控制（FOC），或者是间接或直接矢量控制。这样的控制技术产生的转矩和倍频分量的解耦效果，导致独立的控制，如直流电机[1]。但仍不可避免地受到其比例积分（P-I）或比例积分-* 通讯作者。联系电话：+91-98431-08228。电子邮件地址：sanjeevi_12@yahoo.co.in（S.Padmanaban）。由Karabuk大学负责进行同行审查。微分（P-I-D）控制器，其中它们的增益值在所有操作条件下被设置为恒定。此外，这些控制器的性能总的来说，这些控制器对于交流电动机驱动系统的环境条件不是自适应的，并且不太可靠。IM的控制技术被智能技术如神经网络和模糊逻辑扩展，引起了人们的注意，据说可以克服上述缺点[2] 。神经网络控制器（NNC）不涉及被测系统的分析模型，并具有适应控制环境变化的能力选择合适的神经网络控制器结构及其训练神经元过程是一项繁琐的工作，并导致计算时间增加，影响系统的实时性能。而模糊控制器是最简单的智能控制器http://dx.doi.org/10.1016/j.jestch.2015.11.0072215-0986/©2015 Karabuk University. 出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。出版社：Karabuk University，PressUnit ISSN （印刷版）：1302-0056 ISSN（在线）：2215-0986 ISSN（电子邮件）：1308-2043主 办可 在 www.sciencedirect.com上 在 线ScienceDirect可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：http://www.elsevier.com/locate/jestch1100S. Padmanaban等人/工程科学与技术，国际期刊19（2016）1099-1107Fig. 1. 电压源逆变器（VSI）驱动的异步电动机间接磁场定向控制（IFOC）方案的配置。版本，以及其驱动和控制设定动作的专业知识，即使系统不明确，甚至受到参数变化的影响[2]，也能很好地工作。近年来，小波变换（WT）在控制系统中得到了应用，并作为交流电机驱动和调制器多电平变换器的故障诊断工具，变换技术得到了广泛推广[2传统上，WT是一种多分辨率频谱，用于通过保护数据并以另一种形式表示来提取和检测信号频率在任何间隔处的分量。神经网络与小波系统被用来控制伺服IM驱动器[2]，其中小波神经网络控制器（WNNC）被设计为实现计算转矩控制技术 ， 并 期 望 恢 复 残 差 近 似 。 基 于 WNC 的 永 磁 同 步 电 动 机（PMSM）自适应速度控制得到了解决，结果显示了有吸引力的性能[3小波网络（WN）速度控制器也适用于直流电机，其中WN的功能是自适应速度控制，以实现高精度[5]。估计转子时间的最复杂的应用，实现了IFOC IM驱动器stant，第五给出了一套完整的数值模拟和实验结果。最后，在第六给出了本文的研究结论。2. 三相感应电动机在IFOC IM驱动器的同步旋转（d-q）参考系中，三相电压源逆变器（VSI）驱动IM的模型在图中详细说明。 1示意图[13，14]。它由电压源逆变器（VSI）驱动，进一步将电机的设定参考速度（命令）与电机的自然速度（实际）进行比较，从而获得给定的速度误差信号输入到速度控制算法。速度调节器根据其电流分量产生参考扭矩（命令），从而产生IM驱动器的q轴参考电流iq*s将参考电流与其各自的实际（产生倍频）d轴和q轴电流（产生转矩）进行比较，这些电流实际上是通过定子电流的变换获得的。相应误差信号产生电压指令V e* v e* 关于P-I公司简介通过比标准更准确的估计，过滤器[6]。小波调制逆变器用于单相IM驱动，调节器，并且这些信号被变换成固定参考帧电压Vs *和Vs*。现在，使用其中PWM由基于多分辨率分析（MRA）的非二进小波函数产生，因为其在驱动器调制方案中的适用性而被阐明[7]。完整的描述性调查证实，有一个最近的趋势，小波变换控制器的电力驱动。本文提出了一种新颖、简单的基于小波变换的模糊综合IFOC在Matlab/Simulink仿真软件中建立了完整的小波-模糊IFOC IM驱动模型，并在不同的设计条件下进行了测试。并利用TMS320F2812数字信号处理器（DSP）搭建了实验硬件样机，对系统的性能进行了实时验证。仿真和实验结果表明，该控制方案是有效的、可靠的，能够满足工业应用的需要。本文的组织结构如下。第2节描述了三相IM的动力学。离散小波变换在第3节中描述。第四节讨论了小波的选择和分解层数.详细描述了所提出的概念的硬件实现，com-用于产生用于脉宽调制器（PWM）三相电压源逆变器（VSI）的开关信号，并且转子磁链位置由电流模型确定，从而确定转差速度。3. 离散小波变换算法小波变换是对给定信号进行处理和分析的快速数学级数表示.时域和频域都可以进行研究[8-短时傅立叶变换（STFT）中的窗口大小固定为有限值，而WT中的窗口大小可以变化[8]。此外，WT能够将处理信号的能量集中到有限数量的系数中，并且它们能够提供信号的时频局部化[2，8由WT给出的信号的数学表示如下[9]：S. Padmanaban等人/工程科学与技术，国际期刊19（2016）1099-11071101nnDTt,s 1xt（一）最佳小波函数的选择[18]。MDL选择最好的ss 其中，s> 0表示窗口大小，它决定了分级小波基的分辨率<$（t-τ/s）在时频域中的分辨率小波滤波器对信号进行分解。根据MDL标准，一组模型中的最佳模型将具有数据模型本身的最短描述，并定义为[18，19]：s参数的值与频率成反比，信号x（t）的离散小波变换（DWT）写为：MDLk，nmin3klogNNlog2 20N;1Mk2（七）重量x请注意*埃米特·埃米特（二）其中，k和n是索引。CNON表示m，nm，nSignalwhileMeexpressssthesewavelefilters. 这是一个很好的方法，其中，m *（t）是小波函数，m是伸缩表示。从信号的变换系数获得，小波滤波器 你好， 是指包含k个非-其中n是平移参数。小波变换是通过n n低通滤波器（LPF）和高通滤波器（HPF）的级联级，随后是下采样，并执行频率扩展。LPF的输出是第一级分解的近似信号系数，由1表示。HPF的输出是由d1表示的第一级分解的详细信号系数。系数a1和d1构成分解的第一级，数学上表示为[13N1零元素阈值参数Θ k保持k个最大元素在最小值中，并且保持所有元素的最小值。 MDL准则给出了系数k的最小值，因此被认为是最佳的。在将误差信号应用于小波变换之前，分解层次的选择是很重要的。分解层数决定了小波控制器所需的调谐增益的数目，并取决于用于分解的信号。Shannon熵准则最适合于确定最佳的去杠杆水平用于电机驱动应用的速度误差信号的组成。a1     k0（三）信号x（n）和长度N的熵可以表示为：N1N1d1n    k0（四）Hn2log xn2n0（八）分解的第一级的近似系数a1在下采样2之后作为滤波器的输入第二级LPF和HPF生成长度为N/2的第二级近似和系数。分解中的第二级表示如下：熵计算将在每一个分解水平上执行，用于变换信号的近似和详细系数。它用于检测分解的最佳水平通过基于香农熵的准则，如果下一级（p）中的信号的熵高于前一级（p-1），则表示如下：N2 - 12 1Hx（九）ang 2n k0N2 - 1d2  a 2kk0（五）（六）pp 1现在，信号的分解可以停止在级（p- 1），即表示分解的最佳级。在经典P-I-D控制器的情况下，u是在处理误差信号e之后获得的操纵输出变量，其中请注意，滤波及下采样过程会持续进行，直至达到所需水平。e是从参考信号（命令）和实际信号的差获得的。P-I-D控制器的控制器输出u表示如下：4. 小波的选择与分解层次操作系统根据其ukpekedtkdde（十）反馈控制系统旨在通过使每个周期中的误差信号最小化来使这种噪声和破坏性信号大多数的数学方法和级数表示法都缺乏消除噪声的能力。基于小波的控制器可以通过将这些信号区分为不同的频带来执行非常好的控制控制系统方面，当使用小波时，需要选择合适的小波函数和母小波与尺度函数（取决于应用）。 更合适的选择小波函数对信号进行了精确的参数化和扩展它其中kp、ki和kd是增益常数，并且作用于误差信号，如等式（1）所示。（九）、要注意的是，在频域中，比例增益k p对应于低频分量，积分增益k i对应于中频分量，并且微分增益k d对应于给定误差信号的高频分量[15]。DWT执行相同的操作以将给定信号分解为不同分辨率水平的细节和近似系数。小波变换的操作输出类似于P-I-D，并且根据如下所示的详细和近似系数计算[13]：还使用小波函数的移位和扩张版本来分解和重构信号。的理想特性。uwkd1edkd2ed2kdNedN aNeaN（十一）小波函数具有紧致性、正交性、线性相位、低逼近误差等特点[18]。小波函数的紧性具有计算量小的优点。它还可以检测信号中存在的频率分量，这些频率分量可用于电机驱动器的速度补偿器的设计最小描述长度（MDL）数据标准最适合于其中，ed1，ed2，. .，edN的细节分量和eaN的近似分量的给定误差信号。增益kd1，kd2，. .，kdN用于调谐细节分量，kaN用于调谐误差信号的近似分量[4，20 -25]。两级分解足以有效地表示误差信号。组件（低/高频率组件）为1102S. Padmanaban等人/工程科学与技术，国际期刊19（2016）1099-1107图二. IFOC IM驱动器的基于小波模糊的速度补偿器示意图。通过它们各自的增益进行缩放，然后加在一起以生成由等式2给出的控制信号u。（11）在所有扰动条件下都是鲁棒的。显然，出于计算目的，至少需要两个级别，因为第一个级别使WT等效于低通滤波器，其行为类似于PID版本并失去鲁棒性。在IM驱动器的情况下，命令和干扰发生在低频，传感器噪声发生在高频。利用误差信号低频分量的增益来提高IM的抗干扰所获得的收益对误差信号的高频分量的响应被设置为最小，以消除注入系统的噪声信号的影响[16，25]。IFOC IM驱动器的基于小波模糊的速度控制的示意图如图2所示。速度误差，这是设定的参考速度（命令）和反馈速度（实际）之间的差异，被施加作为输入到WT和模糊逻辑系统。小波变换将速度误差分解为近似分量和细节分量，直到第二级，即相应的频率分量（ed1、ed2和ea2）。FLC对速度误差进行操作，并生成缩放增益（kd1，kd2，图三. （a）基于模糊逻辑规则的系统广义结构。(b)模糊逻辑控制器对误差（e）和误差变化（de）的隶属函数。S. Padmanaban等人/工程科学与技术，国际期刊19（2016）1099-11071103表1模糊逻辑规则的矩阵公式（5x5）。de（k）e（k）NLNS泽PSPLNLNLNLNLNS泽NSNLNLNS泽PS泽NLNS泽PSPLPSNS泽PSPLPLPL泽PSPLPLPL和ka2）。此外，这些缩放增益与对应的小波系数组合（相乘）以生成用于IM驱动器的电磁转矩分量命令。由小波-模糊控制器产生的转矩分量指令用于执行IFOC IM驱动，并由图2示意性地示出。二、图3（a）显示了FLC系统的示意图，它由模糊接口、模糊规则和解模糊单元组成。FLC的输入是速度误差和速度误差的变化（当前速度误差与其前一状态之间的差），相应地，图3（b）中示出了隶属函数。在FLC的第一步中，使用图3（b）给出的三角成员函数将清晰变量e（k）和de（k）转换为模糊变量，如E（k）和dE（k）。每一个被进一步划分为五个模糊集合的话语单位有：NL（负-大），NS（负-小），ZE（零），PS（正-小）和PL（正-大）。每个模糊变量都是隶属度在0（非成员）和1（完全成员）之间变化的子集成员。 在FLC的第二步中，模糊变量E（k）和dE（k）由推理机处理，该推理机执行表1 [2，17 - 19，22 -24]给出的包含（5 × 5）矩阵的一组控制规则。这些规则是基于误差信号的动态行为设计的，导致对称矩阵，见图4。实验原型实现小波模糊IFOC速度控制器IM驱动器。(a)所提出的基于小波模糊的IFOC IM驱动器的速度补偿器的示意图。（b）所提出的速度补偿器方案的实时实施的实验室设置1104S. Padmanaban等人/工程科学与技术，国际期刊19（2016）1099-1107表2交流电机驱动主要参数。额定功率2[hp]额定电压460[V]额定频率60[Hz]额定转速1750[rpm]极对数2定子电阻2.12[Ω]转子电阻2.08[Ω]定子电感5.97[mH]IRG7PG35UPbF，VCES = 1000V，IC = 35A，TC = 100C，TJ（Max）= 175C，VCE（ON）typ. = 1.9V@IC = 20ADClink capacitor1200V/1000μF并且这些是具有2-D相平面的一般的基于规则的设计。每个规则都以以下形式表示如果'x'是'A'，'y'是'B'，那么'z'就是'C'.对于输出模糊变量c（k），可以采用不同的推理算法来划分模糊集值，本文采用极大其中隶属度等于E与dE隶属度乘积的最大值。然后，推理机的输出变量在解模糊阶段转换为清晰值。同样，在文献中已经提出了各种去模糊化算法，但是在这项工作中使用了质心去模糊化算法。 其中，脆度值从隶属函数的重心计算。每个分区的分布的定义，或者相反，成员函数的宽度和对称性通常是动态和动态之间的折衷。稳态精度等距分区和对称三角形是合理的选择[18，19]，并在本工作中考虑。输入变量使用五个在+1/-1之间归一化的隶属函数进行模糊化。在下一节中，实验原型设置，一套完整的模拟和实验测试结果提供了讨论。5. 实验样机设置、数值模拟和实验测试结果图图4（a）示出了所提出的小波模糊速度控制IFOC IM驱动器的示意框图。图4（b）显示了完整的实验室原型硬件，它主要由软件控制的PC、TMS 320 F2812（dsp）板、基于IGBT的PWM逆变器和信号（电压/电流）测量仪器组成。的图五. 数值仿真实验，小波模糊IFOC控制感应电机的速度特性。顶部：在设定速度命令下空载启动183.3 rad/sec，中间：在2.5 Nm（设定速度183.3 rad/ sec）的负载条件下开始，底部：在t = 1.25 sec时，设定速度命令100~183.3 rad/sec的阶跃增加的空载见图6。数值仿真实验，小波模糊IFOC控制感应电机的速度特性。顶部：空载，设定速度指令183.3~100 rad/sec，t = 2.25 sec，中间：当在t = 3.25 sec施加30%的额定负载时（设定速度183.3 rad/sec），底部：当在t = 4.25 sec去除30%的额定负载时（设定速度183.3 rad/sec）。S. Padmanaban等人/工程科学与技术，国际期刊19（2016）1099-11071105IM的电流由霍尔效应传感器测量并提供给DSP板。经过适当的信号调理后，这些信号通过模数转换器（ADC）所提出的补偿器产生用于驱动系统的转矩命令。dsp控制板的数字输出用作逆变器的开关脉冲这些数字信号通过隔离和驱动电路馈送以触发三相逆变器的IGBT。速度和电流信号，由传感器获得，由信号调理电路处理，然后馈送到DSP控制板的I/O端口泰克信号示波器带宽为100 MHz，实时采样率为500兆次/秒（MS/s），用于跟踪速度行为。表2提供了在模拟和硬件原型实现中用于调查测试的参数。在Matlab/Simulink软件中建立了基于小波-模糊的感应电机间接磁场定向控制器的完整数学模型在不同的工作条件下，特别是在速度和负载的步进增量/减量的交流电机驱动器的速度响应此外，性能图7.第一次会议。 样机实验测试，小波模糊IFOC控制的感应电机的速度行为。（a）在设定速度指令为183.3 rad/ sec的空载条件下启动，（b）在2.5 Nm的负载条件下启动（设定速度为183.3 rad/sec）。1106S. Padmanaban等人/工程科学与技术，国际期刊19（2016）1099-1107通过对上升时间、峰值过冲、下冲、稳态误差和均方根误差等指标的观测，证明了所提出的小波-模糊快速IFOC算法的有效性。图图5和图6示出了感应电动机控制的小波模糊性能的完整速度行为响应。在第一次调查中，瞬态速度响应如图5（顶部）所示，其中电机在空载时启动，设定速度命令为183.3 rad/sec（即额定速度）。在第二项研究中，测试了感应电动机驱动器的速度特性，其中初始启动时负载为2.5 Nm，设定速度命令为183.3 rad/sec，如图5（中间）所示。在第三次调查中，IM驱动器的速度行为测试步骤在 无 负 载 时 ， 设 定 速 度 指 令 速 度 从 100 rad/sec 逐 步 增 加 到183.3rad/sec，如图5（底部）所示。在t = 1.0秒时，速度从100弧度/秒增加到183.3弧度/秒。在设定速度命令中递减的步长从183.3rad/sec测试到100 rad/sec，如图6（顶部）所示，t =2.25秒此外，在感应电动机的突然加载下测试的速度行为响应测试，并在图中示出。图6（中间），其中在t = 3.25秒时施加载荷，设定速度命令为183.3rad/sec。类似地，感应电动机的负载的突然移除被测试并且在图6（底部）中示出。在这种情况下，电动机以183.3 rad/sec的设定速度指令启动，见图8。样机实验测试，小波模糊IFOC控制的感应电机的速度行为。(a)空载时，设定速度指令有阶跃增加（0~100~183.3~100 rad/sec，t = 2 sec，t = 5 sec），设定速度指令有阶跃减少（183.3~100 rad/sec，t = 8 sec），（b）当在t = 2 sec时施加额定负载的30%的阶跃增加，在t = 8 sec时施加额定负载的30%的阶跃增加（去除）（设定速度183.3 rad/sec）。S. Padmanaban等人/工程科学与技术，国际期刊19（2016）1099-11071107表3观测到的性能指标的小波模糊IFOC控制器的IM驱动。参数速度RMSE值仿真实验026.3227.29100 rad/sec15.8616.38183.3rad/sec19.2120.09180 rad/sec，当施加2.5 Nm载荷时31.2932.46在t = 3.25秒时施加额定值的30%的载荷，在t = 4.25秒时移除载荷。小波-模糊技术的实验结果示于图1和图2中。图7和图8与模拟测试进行比较。作为第一次调查，图。图6（a）示出了感应电动机的设定速度指令为183.3 rad/sec（即额定速度）时空载时的瞬态速度响应。在第二次调查中，感应电动机启动，2.5如图6（b）所示，启动时的Nm负载（额定值的30%）和183.3rad/sec的设定速度命令。在第三项研究中，感应电动机在5秒、8秒和图7（a）中所示的空载条件下，在设定速度指令速度从100rad/sec到183.3 rad/sec再到100 rad/sec的步进增量/减量进行了试验最后，测试了感应电动机在突然加载和卸载时的速度特性响应，如图所示。 7（b）实验，其中在t = 2秒时施加2.5 Nm的载荷，并在t = 8秒时突然移除相同的载荷，分别设定速度命令为183.3rad/sec。经过完整的仿真和实验测试，结果表明，小波模糊控制器响应峰值超调小，上升时间快，逼近速度快，稳态误差小，满足工业要求。最后，表3给出了均方根误差（RMSE）值，通过仿真和实验研究的值，显示了在不同测试条件下的良好响应。进一步确认拟议的小波模糊控制器适用于IFOC算法的工业感应电机驱动应用。6. 结论本文提出的IFOC异步电动机小波-模糊速度控制器及其完整的系统已在数字仿真软件中建模，并在DSP TMS 320 F2812处理器上实现了硬件样机。文中给出了一组模拟和实验研究结果，结果与实际情况相符.从数值和实验两方面证实了所提出的控制器的鲁棒性，其响应在可忽略的峰值超调，更快的建立时间在瞬态和最小的稳态误差在稳定条件下。此外，均方根误差（RMSE）值的性能指标显示出良好的响应，P-I/P-I-D控制器将被IFOC交流电机驱动器的速度控制器所取代最后，小波-模糊控制器适合于感应电机的高精度、高精度速度控制，满足了工业应用的需要。引用[1] P. Vas，基于人工智能的电机和模糊、神经、模糊神经和遗传算法技术的驱动应用，1999年。ISBN 978-0-19-859397-3，精装本。[2] P.Sanjeevikumar，J.L.FebinDaya，P.W.Wheeler，F.布拉布约格河谷Fedák，J.O.Ojo，基于模糊调整的小波变换间接磁场定向三相感应电动机驱动速度控制。Conf. Proc. 第18届IEEE Intl.2015年9月21日至23日，斯洛伐克共和国，IEEE-EDPE'15电气传动和电力电子会议。2015年。[3] 魏瑞杰，神经小波系统在感应伺服马达驱动器强健控制之新训练演算法之发展，IEEE Trans. 印第安纳电子学。49（6）（2002）1323-1341。[4] M.A.S. K 汗，M。 李志华，一种新型的内永磁电机控制器的设计与实现，硕士论文。印第安纳Appl. 44（6）（2008）1957-1965。[5] F.J. Lin，P.H.Shen，Y.S.龚，自适应小波神经网络控制在直线同步电机伺服系统中的应用，IEEE Trans. 玛格41（12）（2005）4401[6] H. Yousef，M.E.Elkhatib，O.A.基于小波网络的直流电动机运动控制，Exp。37（2）（2010）1522-1527。[7] R.J. 卫惠贤张文龙，间接磁场定向感应马达驱动之反步小波神经网路控制，IEEE神经网路学报15（2）（2004）367-382。[8] S.A. Saleh，M.陈志华，一种基于小波变换的异步电动机控制系统的设计与实现，清华大学学报，2003。24（1）（2009）21-29。[9] R. Yan，R.X. Gao，2001年，小波变换：测量科学中非平稳信号处理的数学工具，仪器与测量系列教程之2，IEEE Trans. 仪器Meas. 12（5）（2009）35-44。[10] T.K. 萨 卡 角 苏 河 ， 巴 西 - 地 Adve ， M. 萨 拉 查 - 帕 尔 马 湖 Garcia-Castillo ，R.R.Boix，从电气工程角度看小波教程。I.离散小波技术，IEEE Trans. 你好40（5）（1998）49[11] 诉维诺特库马尔角Muniraj，使用小波变换的h桥多电平逆变器驱动器故障诊断，IJAREEIE 2（4）（2013）。[12] H. Liu，P.C.Loh，F.基于小波变换和自适应神经模糊推理系统的模块化多电平变流器子 模 块 短 路 故 障 诊 断 。43（8-10）（2015）1080-1088。泰勒和弗朗西斯杂志。[13] M.A.S. K Khan，文学硕士Rahman，W. Zhang（Ed.），基于小波的电机故障诊断与保护，故障检测，2010，doi：10.5772/9068。ISBN：978-953-307-037-7，InTech.[14] R.J. 韦国雄苏，自适应增强型模糊滑模控制的电伺服驱动器，IEEE Trans. 印第安纳电子学。53（2）（2006）569[15] M. Nasir Uddin，T.S.Radwan，A.M.王晓刚，基于模糊逻辑的异步电动机间接矢量控制系统的研究，硕士论文。印第安纳Appl. 38（5）（2002）1219-1225。[16] S. Parvez ， Z. 高 ， 基 于 小 波 变 换 的 多 分 辨 率 PID 控 制 器 ， IEEETrans.In.Appl.41（2）（2005）537-543。[17] J.L.李文，基于小波模糊自校正多分辨率控制器的异步电机转速控制，北京：计算机科学出版社，2001。内特尔6（4）（2013）724-738。[18] A. Nejadpak，A.Mohamed，O.A.Mohammed，A.A.Khan，基于多分辨率小波的控制器的在线增益调度，用于低速永磁同步电机无传感器控制中的声学噪声和振动降低，Proc. IEEE电力和能源会议，密歇根州，美国，2011年。[19] G. Stang，T.吴文，小波与小波滤波器，北京：清华大学出版社，1997。[20] E.Y. Hamid，Z.I. Kawasaki，基于小波的电力系统扰动数据压缩使用最小描述长度准则，IEEE Trans. 动力输送17（2）（2002）460-466。[21] M. Khan，文学硕士Rahman，一种新型的基于神经小波的自调整小波控制器用于IPM电机驱动器，IEEE Trans. 印第安纳Appl. 46（3）（2010）1194[22] J.L. Febin Daya，P. Sanjeevikumar，F. Blaabjerg，P.W. Wheeler，O. 王志文，基于小波变换的电动汽车鲁棒微分控制，电力电子学报。（2015）doi：10.1109/TPEL.2015.2440297.[23] P. Sanjeevikumar，J.L.Febin Daya，F.Blaabjerg，N.Mir-Nasiri，A.H.徐文，三相异步电动机的小波和模糊变换的数值实现，工程科学。Technol. Int. J. 19（2016）96 - 100.[24] J.L. Febin Da ya，V. Subbiah，A.张文龙，一种基于小波模糊控制的异步电动机间接磁场定向控制，中国电机工程研究院电机工程研究所硕士论文。电力电子13（4）（2013）656-668韩国电力电子研究所，首尔（大韩民国）。[25] J.L. Febin Daya，P. Sanjeevikumar，F. Blaabjerg，P. Wheeler，O. Ojo，A.H.叶文生，电动车电子差速系统的小波控制器鲁棒性分析--研究与数值实现，电力电子技术。系统（2015）泰勒和弗朗西斯出版物，接受出版。