标量解耦在无传感器矢量控制系统中的应用

为了实现三相异步电机高性能的调速控制,引入了旋转坐标系矢量分析法,采用一种基于PI控制器和电压解耦原理的感应电机简化模型.分析了同步旋转坐标系下PI控制器在解耦方面的不足.通过在定子电压指令中增加解耦项,即在励磁和转矩信号输入端增加一个标量解耦环节,可以消除感应电机的内部耦合.基于系统仿真,在自行搭建的无传感器矢量控制系统实验平台上进行了调速实验.实验结果表明,系统具有良好的动静态调速控制性能.     

基于矩阵变换器的感应电机矢量控制系统

研究了一种基于矩阵变换器的感应电机矢量控制系统,该系统将矩阵变换器的优点与交流电机矢量控制的优点相结合,实现了感应电机的高性能调速.调速系统的控制策略由两大部分组成,即矩阵变换器的间接空间矢量调制策略和感应电机按转子磁场定向的双闭环矢量控制策略.为有效控制感应电机的定子电流,双闭环矢量控制策略中采用了一种基于反馈解耦及补偿的电流环控制策略,可对转矩电流和励磁电流进行有效解耦和准确调节.实验证明了控制策略的可行性和有效性.     

考虑电压饱和的感应电机复矢量电流解耦控制

在感应电机矢量控制系统中,传统电流PI控制器在电流频率增加较大时,d,q轴电流的耦合程度加深,出现电压饱和现象等问题限制了系统响应速度的提升。提出一种基于复矢量解耦的电流PI控制器,控制器采用复矢量解耦与抗电压饱和结合的控制算法,仿真和实验结果表明该调节器有效提高了电机的电流动态响应能力和加重载时的速度稳定性。     

基于神经网络逆的感应电机矢量控制改进方法

基于感应电机的矢量控制(转子磁场定向控制)存在不能动态解耦和鲁棒性差的问题,提出了感应电机的一种神经网络逆控制方法.实现了电流控制型感应电机系统的自适应解耦及线性化.该神经网络逆系统相当于在普通的矢量控制结构中加了一个具有鲁棒性和开放性的解耦补偿环节,最后通过仿真和实验验证了该方法的有效性.     

电流控制电压源逆变器驱动的感应电机逆解耦控制

在转子磁链坐标系下,以电流控制电压源逆变器供电驱动电机运行.通过在电流内环采用高增益控制器,感应电机模型中的2个定子电流分量可近似为定子参考电流,从而可忽略定子电流动态特性的影响,将以定子电压为控制量的感应电机四阶模型降阶成以定子电流为控制量的二阶模型.采用状态反馈线性化方法求得感应电机的逆系统,将多变量、非线性、强耦合的感应电机动态解耦成转速与转子磁链2个一阶子系统.在此基础上,设计一种积分比例(IP)控制器对解耦子系统进行闭环控制.电流内环采用滞环比较器,直接获得PWM信号,控制逆变器实现电流跟踪,从而使调速系统具有快速的动态响应性能.仿真结果验证所提控制方案的有效性和优越性.     

一种考虑边端效应的直线感应电机改进解耦控制策略

直线感应电机独特性引起的参数变化会带来电流控制时的解耦困难,因为传统前馈解耦控制器在电机参数有误差时表现不佳。本文在考虑边端效应的直线感应电机的矢量控制策略中,采用了一种改进的解耦控制器作为电流控制器,提高了系统对抗参数变化的鲁棒性,同时易于实现。这种方法的有效性通过Matlab/Simulink中的仿真进行了验证。     

基于神经网络控制的两电动机同步系统研究

以多变量、非线性、强耦合的两电动机同步控制系统为研究对象,对变频器供电的感应电机系统进行重点研究,建立两电机同步系统的数学模型.采用RBF神经网络自适应PID控制器,结合自适应神经元解耦补偿的解耦控制技术,设计了两电机同步调速系统的神经网络控制器,试验结果表明该方法可以实现电机转速和皮带张力的解耦控制.     

基于多模糊控制器的感应电动机矢量控制系统实验研究

给出了一个完全基于模糊控制器的感应电动机间接转子磁场定向矢量控制系统.在控制系统中,三个精心设计的模糊控制器分别用于控制电机的转速、励磁电流分量和转矩电流分量,实现转速精确控制和感应电动机的励磁和转矩之间的解耦控制.最后,本文对该感应电动机矢量控制系统进行实验研究,验证其可行性.     

感应电动机在弱磁区的高性能电流控制策略

针对感应电动机在弱磁区的电流控制问题即电流分配与电流解耦控制,为实现最大力矩控制,根据感应电动机全频段运行范围内电流、电压、转矩与转速的关系,提出了一种不依赖于电机参数的电流分配方法。为克服耦合电压在高频区对电流控制的影响,提出了一种解耦过程无需电机参数的电流矢量控制器,实现了高性能电流动态解耦控制。通过实验对比本文方法与传统方法,证明了本文方法在弱磁区能够获得更佳的电流控制效果,增大了输出力矩。     

基于合成矢量的双级矩阵变换器驱动感应电机电流控制策略

将双级矩阵变换器(two-stage matrix converter,TSMC)作为感应电机的驱动装置,针对传统矢量控制中感应电机参数变化造成控制系统解耦不充分的问题,提出了基于合成矢量的TSMC驱动感应电机电流控制策略。对TSMC与感应电机合成矢量的数学模型进行推导和合理的简化。利用合成矢量根轨迹法设计出一种基于复数比例–积分控制器的电流闭环控制系统,解决了随着系统频率增加控制系统控制性能大大下降的问题,并降低了常规解耦控制系统对电机参数的依赖性。仿真结果表明:TSMC能提供满足感应电机调速要求的高质量输出电压和电流,所提出的控制策略能有效改善控制系统的动态和稳态性能。     

永磁同步电机速度预测电流解耦控制

在高性能永磁同步电机(PMSM)控制系统中,要求有好的动、静态性能。但是传统的永磁同步电机矢量控制系统速度和电流环采用PI调节器,参数鲁棒性差,在调速范围要求很宽的情况下,无法同时满足响应速度快和稳态精度高的要求。为了获得好的动、静态性能,引入预测控制到速度控制外环,而电流内环采用在传统PI控制基础上增加电压前馈补偿的电流解耦控制。搭建了实验平台,进行了实验研究,验证了设计的控制系统具有动态响应快、静态误差小、受负载扰动影响小的特点。     

同步磁阻电机直接转矩控制系统研究

鉴于矢量控制对电机参数依赖性强的问题,借鉴现有永磁同步电机数学模型及其直接转矩控制的相关理论,分析同步磁阻电机的数学模型,提出了同步磁阻电机的直接转矩控制方法,包括空间电压矢量的计算、磁链和转矩的滞环控制等;并基于位置信息的估算,设计了速度的闭环控制器。构建了系统的仿真模型,并对电机的稳态和动态性能进行了仿真分析。由仿真结果可知,所提方法设计的系统能够在较宽的转速范围内变速运行。     

基于模糊神经网络的纯电动车永磁同步电机矢量控制

纯电动车控制系统对电机控制性能要求较高。提供了一种基于模糊神经网络的永磁同步电机矢量控制方案。以模糊神经网络控制器作为电流调节器,并在速度环引入模糊控制器,将其输出作为电流环的限幅,达到限速的目的。仿真和试验结果表明:对于电动车运行的复杂情况,该方法具有良好的转矩跟踪和电机限速性能。     

基于双曲正切函数的非线性PI控制器及其在感应电动机矢量控制中的应用

提出了一种基于双曲正切函数的非线性PI控制器,将它用于感应电动机矢量控制系统的速度控制.根据模态等效原理,证明了该非线性PI控制器与某种模糊逻辑控制器的近似等效性,但在实现方面却比模糊控制器简单得多,同时克服了模糊控制器固有的高频抖振缺点.仿真和实验结果均证明了该非线性PI速度控制器在感应电动机的矢量控制中具有较好的控制性能.     

永磁同步电机低载波比优化复矢量控制

永磁同步电机运行在低载波比情况下d,q轴电流耦合问题严重,同时系统延时较大无法忽略。传统PI电流控制器受限于器件开关频率无法实现较好的控制效果,解耦器因为延时问题解耦效果很差,同时对电机参数敏感。针对上述问题,这篇文章在传统复矢量电流控制器的基础上进行改进优化,进行了复矢量电流控制器的延时补偿,有效避免了电机高转速下电流控制器的失稳;同时考虑了较复杂状态下的复矢量电流控制器如何实现以及增加鲁棒性的问题。Matlab仿真实验证明了优化复矢量控制的正确性和有效性。     

矢量控制系统动态电压解耦与调节器整定

采用动态解耦方法对定子电压进行解耦,提高解耦控制器对电机参数估计误差的鲁棒性,充分消除励磁电流内环与转矩电流内环之间的耦合.采用调节器常规工程设计方法,提出了一套异步电动机无速度传感器矢量控制系统双闭环PI调节器整定方法,实验结果验证了其良好的性能.     

电动汽车动力传动系转矩波动抑制研究

针对电动汽车由于传动系低阻尼特性产生的转矩波动问题,在Matlab/Simulink平台上搭建了基于永磁同步电机矢量控制策略的传动系扭振仿真模型,在电机速度环设计出模糊自整定PID控制器和神经网络PID控制器,以提高电机控制器的响应速度和抗干扰能力。仿真结果表明:运用机电耦合的建模方法能够有效揭示电动汽车传动系的动力学特性;通过模糊逻辑方法或者神经网络算法对PID控制器进行参数整定,能够改善由突变负载和突变控制信号引起的传动系转矩波动问题。     

改进型永磁同步电机有限控制集模型预测速度控制

永磁同步电机传统有限集模型预测速度控制策略中电压矢量方向固定,可选矢量范围具有一定局限性,输出电压的突然变化,会导致电流纹波较大。因此,提出了一种基于电压细分的有限控制集模型预测控制(FCS-MPC)直接速度控制策略。所提策略在FCS-MPC方案中引入了一组具有可调振幅和可移动原点特征的有限电压细分矢量作为候选电压,同时为了获得更准确的电流预测,使用了双线性变换(即Tustin变换)积分近似。该控制器能够预测未来电流和速度,并使用脉宽调制输出最佳细分电压。采用两电平三相逆变器驱动的永磁同步电机进行仿真验证结果表明,与传统的FCS-MPC方案相比,所提策略有效地减小了电流纹波,拓宽了电压矢量选择的范围,同时提高了电机鲁棒性。     

永磁同步电动机的神经网络模糊控制器设计

提出了基于神经网络的自学习模糊控制器的设计方法。在永磁同步电动机(PMSM)矢量控制系统中,使用该控制器作为速度调节器对永磁同步电动机进行精确的速度控制。仿真结果表明,该神经网络模糊控制方法是可行的,具有良好的动态及静态特性。