资源描述:
《唐任远院士简介3》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、[键入文字]唐任远院士简介唐任远(1931.6.25-)。电气工程专家。上海市人。1952年毕业于交通大学。现任沈阳工业大学特种电机研究所所长、教授、国家稀土永磁电机工程技术研究中心主任。 创建稀土永磁电机理论研究体系和开发技术,在防失磁和永磁磁路设计等关键技术上有重大突破。在实践中取得重大成果:研制成我国首台稀土永磁电机;与工厂联合开发出当时世界容量最大60~160kVA稀土永磁副励磁机,近期主持研制成1120kW异步起动稀土永磁同步电动机等12种稀土永磁电动机,经鉴定为国际水平。积极推动我国稀土资源开发应用。提出三维电磁场新算法,解决变压
2、器局部过热和抗短路能力等重大技术关键。获国家科技进步二、三等奖和省部级一、二等奖共10项。专、译著9部,论文230余篇,被引用261次。培养博士生25名和硕士生65名。热爱祖国,学风正派,甘为人梯。获国家和省市表彰30余次。近期出色完成国家“863”计划重大项目,主持研制成当前世界上容量最大的1120kW异步起动高效永磁同步电动机等6种稀土永磁电动机,经鉴定为国际水平;积极推动我国稀土资源开发应用,是我国稀土永磁电机领域奠基者和开拓者之一;开创三维电磁场T-Ω分域解法、T-Ψ-Φm法和T-To-Ω场路耦合法,解决变压器局部过热和抗短路能力等重大
3、技术关键,列入国家重点推广计划,用于九家企业和国产最大的720MVA等多台巨型变压器;在交流励磁变速发电机理论与设计和失步振荡影响等研究方面取得重大社会、经济效益。唐任远院士在稀土永磁电机的理论研究和设计方面的系统成就为稀土永磁电机的推广应用起到重要的推动作用,先后获国家科技进步二、三等奖和省部级一、二等奖共10项。出版专、译著8部,主持撰写的《现代永磁电机理论与设计》专著出版后,被同行们评价为“是一部难得的高水平学术著作”,被国内的许多高校、研究所和企业选为主要参考书和研究生教材,该书已被引用356次。发表论文350余篇,其中在国际著名刊物和
4、国际学术会议论文集发表[键入文字]165篇,被国际三大检索收录51篇,培养博士和硕士生84名,获全国“五一”劳动奖章、全国优秀科技工作者、全国模范教师和辽宁省优秀专家等国家和省市表彰30余次。研究领域及研究方向:永磁电机电磁场理论与分析 主要学术著作:出版专、译著8部,论文207篇,著作有《特种电机原理及应用》《现代永磁电机理论与设计》。专著《现代永磁电机理论与设计》已在国外译成英文。2001年当选为中国工程院院士。学术论文:《提高永磁同步电动机恒功率调速比的有效方法》为了研制开发宽调速的永磁同步电动机(PMSM)机床电主轴系统,根据对永磁同步
5、电动机的电流控制策略的分析研究,提出了恒功率运行区域的电流相位补偿方法,有效地拓宽了恒功率调速比。本文使用DSP(数字信号处理器)与硬件的电流控制器结合,设计、开发出一种结构可靠、控制性能良好,具有宽调速范围的永磁同步电动机矢量控制系统。经调试运行,本系统达到预定的性能设计指标,恒动率运行比达到6∶1。 《稀土永磁电机的发展趋势——大功率化、高功能化、微型化》 进入90年代以来,随着永磁材料性能的不断提高和完善,特别是钕铁硼永磁的热稳定性和耐腐蚀性的改善以及电力电子元件的进一步发展和改进,加上永磁电机研究和开发经验的逐步成熟,除了大力推广和应用
6、已有研究成果外,稀土永磁电机的应用和开发进入一个新阶段,目前正向大功率化(超高速、高转矩)、高功能化和微型化方向发展。现将近年来国外文献介绍的各种应用实例及发展趋势综合介绍如下。 《永磁同步电动机模糊直接转矩控制系统的仿真》[键入文字] 定子电阻的变化将直接影响永磁同步电动机直接转矩控制系统的运行性能,而传统的滞环控制器不可避免地会产生较大的转矩和磁链脉动。为解决这一问题,可以在永磁同步电动机直接转矩控制系统中利用定子电阻观测器对定子电阻进行补偿,并且用模糊控制器代替传统的滞环控制器。仿真实验结果表明,利用该方法建立的基于定子电阻观测器的永磁同
7、步电动机模糊直接转矩控制系统不但具有较小的转矩、磁链脉动,而且在电机参数发生变化或受到外部扰动的情况下,系统仍然具有快速响应性能。 《永磁同步电动机气隙磁场分析》永磁同步电动机设计计算的关键是其铁耗的计算,铁耗计算的基础是对该种电动机永磁磁密的分布规律有一个正确的认识。本文采用解析方法和电磁场的数值计算方法对永磁同步电动机的气隙磁场进行分析,并与感应电机进行对比研究,以获得该种电动机气隙磁密的规律性的认识,为永磁同步电动机的铁耗计算做准备。 《基于遗传神经网络的汽轮发电机组故障诊断研究》讨论了汽轮机故障诊断中的特征提取、数据处理和遗传神经网络结
8、构。诊断系统的核心即神经网络分类系统可根据征兆区分不同故障。由于事先不知道故障征兆关系,所以诊断系统应有学习功能,基于遗传神经网络可满足这种要求。基于