开关磁阻电机电感模型非线性补偿与控制

为了有效抑制开关磁阻电机(SRM)转矩脉动,针对SRM强非线性电感特性难以建模,而基于线性电感模型的转矩控制产生转矩脉动过大的问题,文章提出强化学习与模糊推理相融合的SRM电感模型非线性补偿与控制方法。根据SRM转矩脉动特性,设计模糊推理规则,构建模糊补偿器,在基于线性电感模型的闭环控制系统中,利用能体现SRM模型误差的转矩偏差及其变化率,实现对线性电感模型的非线性前馈补偿,间接描述了电感的强非线性特性;引入强化学习,设计回报函数,与模糊补偿器相配合,进一步实现电感模型的非线性自适应优化补偿。此方法与直接对电感非线性特性建模的方法不同,是采用了一种非线性前馈补偿的方法,避免了对强非线性电感特性的直接建模。仿真结果表明,所提出的方法能更好适应SRM非线性电感特性,改善控制系统动态品质,有效地抑制SRM转矩脉动。     

基于BP神经网络的开关磁阻电动机转矩脉动控制

针对平均转矩控制的开关磁阻电动机（SRM）转矩脉动大的问题，提出了一种瞬时转矩控制的方案。首先在实测SRM静态转矩特性的基础上，基于Levenberg—Marquardt算法的BP神经网络建立了SRM转矩逆模型。该模型网络规模小，便于实时控制。然后基于转矩分配函数的瞬时转矩控制，通过优化电流波形，实现了减小转矩脉动。仿真结果验证了该控制方法的有效性。     

基于最优化方法电流优化的SRM转矩控制研究

针对SRM开关磁阻电机强非线性以及转矩脉动过大的问题,文章提出基于最优化的拉格朗日乘子法电流优化策略与改进的迭代学习控制补偿相结合的转矩脉动抑制控制算法。在电感约束条件下,采用拉格朗日最优化乘子法,在恒转矩下对电流进行分段优化分配;以恒转矩为目标,引入误差预处理的迭代学习控制器输出补偿电流,与优化电流叠加,作为电流滞环控制的参考电流,实现恒转矩闭环控制,并抑制转矩脉动。在目标转矩为5Nm时系统仿真的转矩脉动降至7.26%,目标转矩为3Nm时转矩脉动降至5.76%。该结果表明,所提出电流优化分配与迭代学习相融合的综合控制策略,提高了迭代收敛速度,有效降低转矩脉动。     

工业过程多变量时滞系统的预测函数控制

为提高工业过程中多变量、时滞和强耦合系统的动态特性和耦合能力,文章将预测函数控制与解耦控制相结合,给出了一种新的多变量时滞系统预测函数控制算法.该法首先给出了解耦控制算法,通过对解耦后的对象幅频和相频特性分析,获得对象的一阶加纯滞后模型;然后根据预测函数控制原理对解耦后的多个单变量时滞对象设计控制器;最后仿真结果表明,该控制方法具有在线计算量小、跟踪快速和精度高等特点,能够实现复杂多变量系统的更有效控制.     

一种永磁同步电机模型预测速度控制

为进一步提高永磁同步电机(permanent magnet synchronous motor, PMSM)控制系统的稳定性与抗扰性等，设计了一种PMSM模型预测速度控制器。根据PMSM转矩与运动方程，搭建PMSM速度预测模型，并借助二次型性能指标构造评价函数，通过滚动优化得出最终的控制律；同时，采用分数阶积分法进行负载扰动补偿，并利用旗鱼算法优化评价函数中的权值系数。通过MATLAB/Simulink仿真，得到的结果与PI速度控制相比，采用设计的模型预测速度控制器减小了PMSM转速、转矩超调，降低了在外界因素干扰下转速、转矩的波动量，缩小了转速、转矩稳态误差。据此推出，与传统PI控制相比，所设计的模型预测速度控制器可有效改善PMSM系统的稳态精度、抗扰能力与收敛能力。     

重构神经网络模型及开关磁阻电机恒转矩控制

针对开关磁阻电机(SRM)难以准确建模及计算恒转矩下的控制电流而导致的转矩脉动过大的问题,构建一种新的转矩-电流神经网络模型用于得到恒转矩下的控制电流。在新神经网络中,针对SRM转矩-电流特有的强非线性特性,设计能够描述SRM电流基本变化规律的新型激励函数,使神经网络结构更接近SRM的本质特性,有利于加快建模速度,提高建模精度。所重构神经网络模型通过在线学习计算恒转矩下对应的控制电流对SRM进行控制,实现转矩脉动的有效抑制。仿真结果表明,与通用神经网络相比,提出的重构神经网络模型能更好地描述SRM的强非线性特性,得到恒转矩下对应的控制电流,有效地抑制转矩脉动。     

开关磁阻电机转矩脉动抑制研究北大核心

针对开关磁阻电机控制系统在换相阶段的转矩脉动问题,首先从本体方面入手,利用遗传算法实现对电机本体结构参数的优化设计;然后,从SRM控制策略方面入手,研究一种在线补偿转矩分配控制策略,该策略根据当前相转矩的跟踪情况,在线调整转矩分配函数的形状;最后,建立了基于Maxwell-Simplorer-Simulink的SRM联合仿真平台,该平台可以实现同时从电机本体和控制策略两方面优化控制系统性能。仿真结果表明,经过遗传算法优化后的电机转矩脉动减小了14.20%,在线补偿转矩分配控制策略将SRM控制系统的转矩脉动从19.4%减小到4.5%。     

基于模型预测电流控制的伺服电机系统转矩脉动抑制研究

永磁电机实际的气隙磁场分布非正弦,会导致反电动势波形中也存在相应的谐波分量,从而引起额外的转矩脉动,进而导致振动、噪声,降低系统的控制精度。为解决这一问题,提出一种基于谐波注入的永磁电机模型预测电流控制方法。建立适用于任意相永磁电机反电动势谐波产生的脉动转矩通用解析模型;基于此模型,从控制的角度出发,提出采用电流谐波注入以补偿反电动势谐波引起的转矩脉动控制策略,分析所需注入的电流谐波特性的一般表达式,并通过模型预测电流控制方法对电流进行控制。为验证所提出方法的有效性,以一台三相12槽10极表贴式永磁同步电机为例,通过MATLAB/Simulink设计考虑反电动势谐波的电机仿真模型,搭建基于谐波注入的电机控制系统。此外,为进一步验证所提出的方法正确性,也进行相应的试验验证。结果表明：谐波注入前、后电机的转矩脉动峰峰值从2 N·m降低到1.3 N·m。     

基于重复控制补偿的无刷直流电机双环控制

近年来永磁无刷直流电机得到了广泛应用,但转矩脉动引起的转速波动限制了其在伺服领域的发展.由于转矩脉动是随转子角度变化的周期性函数,故设计了一种新型的基于重复控制补偿的双环控制器.运用Simulink分别对基于重复控制补偿的双环控制器和常规PI双环控制器进行仿真.结果表明,基于重复控制补偿的双环控制策略在无刷直流电机控制系统中对周期性转矩脉动具有很好的抑制性.     

基于转矩估计与磁链补偿的SRM转矩脉动控制北大核心

由于开关磁阻电机强非线性、强耦合等特点,导致传统磁链控制过程中转矩脉动过大。针对该问题,提出了一种基于SRM转矩特性神经网络的瞬时转矩估计与磁链前馈补偿相结合的控制策略。利用神经网络构建了SRM的瞬时转矩估计器,在该网络结构中设计了能够体现SRM转矩变化规律的激励函数,对神经网络的输入进行预处理,通过自适应学习率训练,实现对瞬时转矩的实时估计。根据转矩估计得到的转矩偏差求得磁链偏差,在磁链模型基础上实现对磁链的前馈补偿,通过磁链滞环控制配合下实现对SRM转矩脉动的抑制。仿真实验表明,基于瞬时转矩估计和磁链前馈补偿的控制方案相较于传统控制策略可以有效地抑制转矩脉动,改善了系统的动态性能。     

移动机器人神经网络补偿计算力矩控制

针对存在动力学不确定建模项、建模误差及外界干扰的移动机器人,设计RBF神经网络补偿计算力矩控制算法。基于反步法设计运动学辅助速度控制率。根据动力学理想名义模型,基于计算力矩法设计一般的力矩控制器。在此基础上,建立具有不确定建模项、建模误差及外界干扰的移动机器人动力学模型,基于计算力矩法设计带有RBF神经网络补偿的力矩控制器,神经网络的权值由自适应律给出。最后,利用Lyapunov理论证明了系统的稳定性。仿真结果表明：神经网络对系统不确定项具有良好的逼近性能,相比于一般的计算力矩控制,所提出的神经网络补偿计算力矩控制算法具有更好的跟踪性能,控制系统具有更好的鲁棒性。     

采用电液盘式制动器的电动汽车制动模型预测控制研究

为了提高电动汽车电液盘式制动器扭矩跟踪精度,降低车辆行驶中能量消耗,采用模型预测控制方法,并对控制输出结果进行仿真验证。创建电动汽车电液盘式制动器模型,根据离散一阶模型推导出电机转矩方程式,利用积分离散化对车轮打滑动力学方程进行离散化,从而推导出车辆滑移率空间表达式。设计模型预测控制系统,利用积分作用增强控制系统的抗干扰能力,通过李雅普诺夫函数对控制系统的稳定性进行证明。采用MATLAB软件对电动汽车电液盘式制动器控制效果进行仿真,与级联PI控制效果进行对比。结果显示：采用级联PI控制,电液盘式制动器控制系统反应速度较慢,车轮转矩和滑移率跟踪误差较大,电量消耗较多;采用模型预测控制,电液盘式制动器控制系统反应速度较快,车轮转矩和滑移率跟踪误差较小,电量消耗较少。电动汽车电液盘式制动器采用模型预测控制系统,可以提高控制系统的输出精度,回收能量较多。     

一种永磁同步电主轴转矩脉动和电磁力波的抑制方法

针对磁极为平行充磁且两边平行的表面式永磁同步电主轴存在转矩脉动和径向电磁力波的问题,提出一种磁极结构优化方法以抑制转矩脉动和径向电磁力波。基于等效面电流法建立磁极表面半径为任意值的永磁同步电主轴转子气隙磁场的解析模型;综合研究转子气隙磁场对定子开槽电主轴转矩脉动、径向电磁力波的影响;在最小气隙长度不变的前提下,确立优化目标(气隙磁通密度的谐波和幅值),并通过迭代计算的方式得到满足不同优化目标的永磁体磁极结构方案(方案一结构和方案二结构);最后,通过有限元法验证转子气隙磁场解析模型的有效性,并对原结构电主轴、方案一结构电主轴和方案二结构电主轴的转子气隙磁场谐波、转矩脉动、齿槽转矩、平均转矩和径向电磁力波进行对比分析。结果表明:该优化方法可以得到满足不同优化目标的永磁体磁极结构方案,实现原电主轴指定阶次磁通密度谐波、转矩脉动和径向电磁力波的综合抑制。     

基于改进LuGre摩擦模型的机器人关节摩擦力辨识研究

机器人在精准装配时，摩擦力影响着控制精度。利用LuGre摩擦模型进行关节力矩计算时，机器人关节摩擦力具有周期性纹波误差。针对此问题提出一种改进的LuGre摩擦模型，包括LuGre摩擦模型表示的稳态摩擦力，以及与速度相关的位置依赖项。对摩擦模型进行分步辨识，利用LuGre摩擦模型的特征，对稳态摩擦力参数进行辨识，通过SVM多类分类算法、支持向量回归（SVR）和最小二乘法求解方程组，对模型中的位置依赖项进行参数辨识。实验结果表明，机器人在不同负载下运行，使用改进模型及辨识方法计算关节摩擦力矩时，误差可以降低50%以上。     

基于离散傅里叶变换的永磁同步电机驱动系统电流测量偏置误差在线补偿方法

电流反馈信息的准确测量是永磁同步电机驱动系统高性能运行的重要前提。对于实际控制系统,由于器件温漂、老化和非线性等各种因素,电流传感器和相关调理电路会出现电流测量误差,其中电流测量偏置误差将引起频率为一倍电频的转矩与转速脉动,降低永磁同步电机控制性能。在详细分析电流测量偏置影响的基础上,探究闭环控制对电流谐波幅值的影响,指出闭环控制系统将影响电流谐波幅值,传统分析结果不再成立。针对这一问题,提出一种基于离散傅里叶变换的永磁同步电机驱动系统电流测量偏置误差在线补偿方法。在电机运行过程中实时提取电流脉动并有针对性地进行电流测量误差补偿,以消除由于测量偏置误差导致的转矩与转速脉动。与传统方法相比,所提方法无需定子电阻或转动惯量等电机参数。最后,通过数控机床用交流永磁同步电机验证了所提算法的有效性。     

基于双闭环迭代学习控制的PMSM转矩脉动抑制

针对永磁同步电机(PMSM)低速运行时转矩脉动大的问题,在迭代学习控制的基础上提出一种基于双闭环迭代学习的控制方法。仿真实验结果表明:与经典PI控制相比,所提控制策略能有效抑制电机低速运转时出现的输出转矩脉动,保证电机的平稳运行,提高永磁同步电动机在不同情况下的驱动性能。     

分裂齿集中绕组永磁游标电机电磁转矩特性分析

为了研究分裂齿集中绕组永磁游标电机(PMVM)的电磁转矩特性,基于磁场调制原理建立PMVM的磁动势磁导模型,给出永磁体和电枢绕组单独作用下气隙磁密谐波的次数和转速表达式,分析产生平均转矩和转矩脉动的谐波次数。采用麦克斯韦应力张量法计算各主次谐波产生转矩的大小,确定各主次谐波对电磁转矩的影响。通过有限元分析对结果进行了验证。结果表明：PMVM的电磁平均转矩绝大部分由16次谐波产生,占比98.83%,转矩脉动主要由16、34、48次谐波产生,占比52.29%。PMVM电磁平均转矩的来源主要为永磁体产生的气隙磁密基波,因此可改变永磁体的用量和形状增大其产生的气隙磁密基波以提升PMVM电磁转矩性能。