无刷双馈调速电机无源性分析及自适应控制

应用无源性控制理论从能量角度研究了无刷双馈电机控制系统.建立了无刷双馈电机的欧拉方程,并将其分解为电气和机械两个无源子系统的反馈并联,以此说明在设计控制器时只需考虑电气子系统,简化了控制算法.设计了电机的转矩和转速控制器.在此基础上,考虑电机功率及控制绕组电阻在运行中可能发生变化.设计自适应控制器以提高系统的鲁棒性.仿真结果表明此控制策略能快速地跟踪速度给定.动静态响应能力较好,且具有全局稳定、系统鲁棒性好的特点.     

无刷双馈风力发电机模型降阶

无刷双馈风力发电机中的3套绕组电流(功率绕组、控制绕组和转子绕组)产生的磁场在电机空间相互作用,绕组间复杂的耦合关系导致无刷双馈电机模型具有高维数特征.为了更有效地对无刷双馈风力发电机进行运行分析与功率控制,充分利用无刷双馈风力发电机的多时间尺度特征,实现模型降阶是必要的.研究了无刷双馈风力发电机的多时间尺度特征,建立了无刷双馈风力发电机的三时间尺度奇异摄动模型,为无刷双馈风力发电机的模型降阶奠定了基础.     

无刷双馈风力发电机模型降阶第Ⅰ部分:无刷双馈风力发电机的多时间尺度模型

无刷双馈风力发电机中的3套绕组电流(功率绕组、控制绕组和转子绕组)产生的磁场在电机空间相互作用,绕组间复杂的耦合关系导致无刷双馈电机模型具有高维数特征.为了更有效地对无刷双馈风力发电机进行运行分析与功率控制,充分利用无刷双馈风力发电机的多时间尺度特征,实现模型降阶是必要的.研究了无刷双馈风力发电机的多时间尺度特征,建立了无刷双馈风力发电机的三时间尺度奇异摄动模型,为无刷双馈风力发电机的模型降阶奠定了基础.     

级联无刷双馈电机定子磁场定向的直接反馈控制

针对级联无刷双馈电机, 提出了一种采用控制电机定子磁场定向的直接反馈控制方法. 首先推导出级联无刷双馈电机在控制电机定子磁场定向坐标系下的磁链方程和转矩方程. 然后将功率电机对控制电机的影响视为扰动, 在分析磁链方程和转矩方程的基础上得出磁链和转矩分别可由控制电机定子电流的直轴分量和交轴分量进行控制的结论. 该方法回避了求解复杂非线性方程的困难, 控制算法简单, 对电机参数的依赖性小. 仿真实验结果证 明了该方法的有效性.     

笼型无刷双馈风力发电机有限元分析与仿真

在变速恒频风力发电系统的研究中,无刷双馈电机是一种新型变频调速感应电机,在风力发电方面具有广阔的应用前景。在分析笼型无刷双馈电机工作原理和电磁关系基础上,采用交叉短距式定子绕组抑制高次谐波,运用有限元分析方法详细阐述其电磁设计方法。建立双旋转坐标系无刷双馈电机的数学模型,并对其在各种工况下的性能进行仿真研究。结果表明无刷双馈电机具有良好的动、静态运行特性,证明了无刷双馈电机设计与仿真模型的正确性和可行性,为深入研究无刷双馈风力发电系统奠定了理论基础。     

无刷双馈电机的转差型矢量控制

针对无刷双馈电机,提出一种转差型矢量控制策略.首先,在任意旋转mt坐标系下,推导无刷双馈电机的状态空间模型;然后,给出转差型矢量控制系统设计方法,根据控制电机转子磁链给定值和转矩给定计算控制电机电流分量和转差给定,通过调节控制电机定子电流励磁分量、转矩分量对转子磁链和转矩进行控制.仿真结果显示,所提出控制策略对指令的跟踪性能和对负载的调节能力优异,对参数偏差具有鲁棒性.     

基于BP神经网络PID控制的BLDCM调速系统

在分析无刷直流电机(BLDCM)数学模型的基础上,采用改进型BP神经网络与传统PID相结合作为速度控制器,应用于无刷直流电机调速系统中。在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制。仿真研究表明,应用这种新型控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度。     

无刷双馈电机的电磁特性分析

无刷双馈电机是一种新型感应电机,它在风机和水泵的调速、节能方面有着广泛的应用前景.本文用ANSYS软件,分别对无刷双馈电机在异步和双馈情况下的电磁分布进行了有限元仿真,并对磁通量分布进行了分析.     

无刷直流电机智能控制系统的研究

基于对无刷直流(BLDC)电机的工作和控制原理的分析,提出了无刷直流电机的双闭环自适应模糊PID控制方案.采用模糊控制逻辑实现PID控制器参数的在线自整定,详细说明了自适应模糊PID控制器的设计方法.算法简单有效,易于实现无刷直流电机交流伺服系统的全数字化.用Matlab/Simulink对系统进行了仿真,仿真结果显示系统具有良好的静动态性能和较快的响应速度.     

船舶襟翼舵神经网络控制伺服系统

为了解决船舶襟翼舵在复杂的、非线性、不确定的海域环境中的高精度位置控制问题,将神经网络应用在伺服系统中充当控制器与辨识器,通过设计的神经网络PID控制器,使船舶位置伺服控制系统具有高稳定性,及鲁棒性好的特点,且具有要求的动态和静态性能。针对无刷直流力矩电机做了神经网络PID控制系统仿真,并与PID控制做了比较。仿真结果表明了神经网络PID(NN-PID)优越的动态和静态性能。     

基于合作粒子群算法的PID神经网络非线性控制系统

PID神经元网络 (PIDNN)模型为一种新型的神经网络模型,兼有PID与神经网络的共同优点,应用于复杂的控制系统.取得优良控制性能,但其后向传播算法 (BP)限制了该模型的应用范围.为实现对非线性多变量系统的有效控制,扩展神经网络的应有范围,本文采用PIDNN神经网络设计了多变量PIDNN神经网络 (MPIDNN)控制器,并用本文作者提出的合作粒子群算法 (CPSO)取代了传统BP后向传播算法,通过比较MPIDNN_CPSO、MPIDNNCRPSO、MPIDNN_PSO和MPIDNN_BP4种控制器的控制性能,仿真结果表明,基于CPSO算法的MPIDNN控制器实现了对非线性多变量不对称系统的有效控制.与传统的BP算法相比,CPSO算法提高了控制系统的稳定性、精确性与鲁棒性.     

基于PIDNN的六旋翼无人机飞行控制算法研究

针对六旋翼无人机比例-积分-微分(PID)控制器参数优化困难的问题,采用了PID神经网络(PIDNN)控制方法,利用其非线性映射和自学习的特性,实现了姿态控制参数的动态调整,增加了系统的自适应性.为验证方法的有效性,通过Matlab的Simulink模块构建了六旋翼无人机数学模型;利用S函数实现了基于反向传播(BP)算法的PIDNN控制器;将仿真结果与传统PID控制效果进行对比,结果表明:在缩短姿态调整时间与减少超调量方面,PIDNN方法控制效果优于PID方法.     

Intelligent control of doubly‐fed induction generator systems using PIDNNs

An intelligent control for a stand‐alone doubly‐fed induction generator (DFIG) system using a proportional‐integral‐derivative neural network (PIDNN) is proposed in this study. This system can be applied as a stand‐alone power supply system or as the emergency power system when the electricity grid fails for all sub‐synchronous, synchronous, and super‐synchronous conditions. The rotor side converter is controlled using field‐oriented control to produce 3‐phase stator voltages with constant magnitude and frequency at different rotor speeds. Moreover, the grid side converter, which is also controlled using field‐oriented control, is primarily implemented to maintain the magnitude of the DC‐link voltage. Furthermore, the intelligent PIDNN controller is proposed for both the rotor and grid side converters to improve the transient and steady‐state responses of the DFIG system for different operating conditions. Both the network structure and online learning algorithm are introduced in detail. Finally, the feasibility of the proposed control scheme is verified through experimentation. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

基于PID神经元网络的智能车控制系统研究

研究了基于PID神经元网络的智能车多变量控制系统。智能车的转向控制与速度控制相互关联、相互影响、且都具有时变性,针对智能车在行驶时要求电机的动态响应速度要快、舵机的动态响应时间要短的特点,提出了将PID神经元网络（PIDNN）控制器及其算法应用到智能车的控制系统中来对传统PID控制进行改进。PIDNN控制系统不依赖智能车电机与舵机的数学模型,能够根据控制效果在线训练和学习,调整网络连接权重值,最终使系统的目标函数达到最小来实现智能车的精确控制。Matlab仿真测试表明,PIDNN控制系统的响应快,超调小、无静差,与传统PID控制算法相比,大大提高了智能车控制系统的性能。     

超声波电机转速的PIDNN控制

针对行波超声波电机运行过程中的较强时变性与非线性特征,引入了一种比例—积分—微分神经元网络(PIDNN)电机速度控制器.控制器网络融合了状态转换函数,具备动态映射能力,利用PID控制律先验知识确定权值初值,通过可变学习速度反传算法(VLBP)在线学习,使训练结果快速收敛,不易陷入局部极小,从而实现对超声波电机稳定快速的控制.采用参数变化电机模型对控制器进行仿真校验,仿真结果表明:方法具有较快的响应速度和较高的鲁棒性,能通过在线学习补偿电机运行过程中的非线性.     

基于PID神经网络的研究和改进

针对PID神经元网络(PIDNN)将静态神经元扩充到动态神经元的特性,通过分析PIDNN控制算法存在的局限性,对变量系统的激励函数提出了改进方案,扩大了PID神经网络控制的适用范围。Matlab仿真测试表明,改进后的PIDNN系统具有良好的稳态性,试验验证了算法的有效性。     

Decentralized PID neural network control for five degree-of-freedom active magneticbearing

A decentralized proportional–integral–derivative neural network (PIDNN) control scheme is proposed to regulate and stabilize a fully suspended five degree-of-freedom (DOF) active magnetic bearing (AMB) system which is composed of two radial AMBs (RAMBs) and one thrust AMB (TAMB). First, the structure and operating principles of the five-DOF AMB system are introduced. Then, the adopted differential driving mode (DDM) for the drive system of the AMB is analyzed. Moreover, due to the exact dynamic model of the five-DOF AMB system is vague, a decentralized PIDNN controller is proposed to control the five-axes of the rotor simultaneously in order to confront the uncertainties including inherent nonlinearities and external disturbances effectively. Furthermore, the connective weights of the PIDNN are trained on-line and the convergence analysis of the regulating error is provided using a discrete-type Lyapunov function. Based on the decentralized concepts, the computational burden is reduced and the controller design is simplified. Finally, the experimental results show that the proposed control scheme provides good control performances and robustness for controlling the fully suspended five-DOF AMB system in different operating conditions.     

自适应控制在变速风力发电系统中的应用

针对变速风力发电系统提出了一种自适应反馈线性化控制器。该控制器通过对涡轮轴转矩的自适应估算,将其作为参考转矩提供给磁场定向控制的鼠笼式异步电机。异步电机通过变速箱与涡轮轴相连接。反馈线性化控制器用于保持涡轮转速与用户自定义的辅助输入量的线性关系。控制器的参考转速是风速的函数,它的选择随风力状况的变化而变化,目的是为了获取最大风能。仿真结果表明,该控制器能够获取最大可用风能,控制效果良好。     

感应电机最小定子电流的PI预测函数控制

研究感应电机效率优化问题,针对目前传统控制方法在电动机动态时为使电机能够提高响应性能而无法兼顾效率优化的缺点,设计了一种基于多变量PI预测函数的最大转矩电流比控制策略.通过引入预测输出误差项,构建具有比例、积分性质的多变量预测函数控制器,并应用到感应电机电流环控制中.能够有效地控制定子电流励磁分量与转矩分量,从而实现电动机转子磁链与转速的解耦控制.改进型多变量PI预测函数控制策略具有跟踪效果好、抗干扰能力强、无超调、稳态误差小的优点,兼顾了感应电机的动态效率与转速响应速度.同时该算法与传统预测控制器结构类似,便于广大工程人员设计实现,适用于电动汽车中的驱动电机.     

Experimental Investigation of Passive Fault Tolerant Control for Induction Machine Using Sliding Mode Approach

This paper presents a passive fault tolerant control approach dedicated to stator inter‐turn short‐circuit fault of an induction machine. This control is based on sliding mode strategy and is implemented for validation on real‐time data acquisition and control platform. The proposed work highlights the integral sliding mode controller benefits during healthy and faulty operations. It can make the induction machine outputs to track their desired reference signals in finite‐time and allows to obtain a better dynamic response performances even in presence of fault. Moreover to avoid the use of a flux sensor, a second order sliding mode observer is used to estimate the rotor flux. Since the used observer converges in finite time, the closed‐loop stability of the proposed system (controller+observer) is proved using the Lyapunov stability theorem. Experimental results are conducted for squirrel cage induction machine to highlight the efficiency and applicability of the proposed fault tolerant control.