感应电机矢量控制系统无速度传感器控制方案研究

对感应电机矢量控制系统无速度传感器控制方案的研究进行了分类.在对当前研究中的几种有代表性的控制策略进行介绍的同时,分析了各方案的优缺点,并简单讨论了电机参数变化对速度算法和控制系统性能的影响及改进措施.最后,就当前的研究热点问题和发展方向提出了一点设想.     

自适应FC的无速度传感器感应电机矢量控制系统

设计了一种二维自适应模糊控制器(FC)作为无速度传感器感应电机矢量控制系统的速度调节器.这种自适应模糊控制器可以根据速度给定和负载转矩的变化实时调节解模糊的比例因子.系统使用定转子自适应磁通观测器和转速动态估计器来估算转子磁通和转速,有两个PID控制器分别控制转矩和磁通的电流分量,输出电压空间矢量控制电机.仿真结果表明,与PID控制器比较,FC具有更好的动态性能和稳态性能,鲁棒性得到很大提高.     

基于电压解耦原理的感应电机无速度传感器矢量控制

文中提出了一种基于电压解耦原理的简化的感应电机模型。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，以消除感应电机的内部耦合。根据该模型，设计了一个转子磁通t轴分量控制器，获得了转子速度的辨识方法。另外，在动态过程中，当电机参数特别是转子电阻发生变化时，通过加入转子磁通角偏移的补偿环节，可以确保转子磁通获得快速、准确的定向。同时，也分析了转子电阻变化对速度辨识精度所产生的影响。仿真和实验验证了所提方案的有效性。     

基于EKF的感应电机无传感器矢量控制

介绍了一种基于扩展卡尔曼滤波(EKF)实现感应电机转子位置和速度估计的方法。该方法通过测量电机的端电压和流过定子线圈的电流在线估计电机转子的位置和速度,实现了感应电机的无传感器矢量控制策略。感应电机无传感器矢量控制系统采用双闭环控制,仿真结果验证了该算法的可行性。     

基于MRAS的感应电机无速度传感器矢量控制

在两相静止坐标系下的模型参考自适应系统(MRAS)中,由于转子磁链在α与β轴的两个分量之间存在交叉反馈关系,离散计算时收敛性能较差.采用了一种在两相旋转坐标系下实现的模型参考自适应系统,来辨识感应电机的转速.该方法的参考模型和可调模型分别由改进的电压模型和两相旋转坐标系下转子磁链的电流模型构成.在以TMS320C32为核心的实验平台上进行了实验研究.实验结果表明,该系统能较好地估计电机的磁链及转速,具有良好的稳态辨识特性.     

基于磁通观察器的感应电机无速度传感器矢量控制系统

提出一个基于磁通观察器的感应电机无速度传感器矢量控制系统。根据感应电机矢量控制理论 ,我们利用 q轴磁通收敛于零实现转速推算。本系统的优点是系统简单 ,并且避免了利用电压模型所引起的问题。实验结果验证了本调速方案的有效性     

无速度传感器的感应电机神经网络鲁棒自适应控制

针对感应电机定子电阻和负载转矩参数的不确定性,提出了无速度传感器的感应电机神经网络鲁棒自适应控制方案。用反步法设计了一种可以将各状态变量跟踪误差和神经网络各权值限制在规定范围内的神经网络鲁棒自适应控制器,提出了相应的算法,用Lyapunov定理对其稳定性进行了证明。提出了一种可以估算转子磁链和转速的观测器及相应的算法。仿真研究表明,所提出的感应电机无速度传感器控制方案对电机定子电阻、负载转矩的鲁棒性强,动态性能好,速度估算较精确。     

感应电机矢量控制系统的神经网络转速辨识

在给定的无速度传感器感应电机间接矢量控制系统中，利用基于BP算法的两层神经网络，根据期望状态与实际状态之间的偏差来调整神经网络模型的权值，达到实时辨识电机转速的目的。该方法简单、直观，不仅利用了神经网络的优点，又能适应感应电机调速系统实时控制的要求。仿真结果验证了该方法的有效性。     

基于转速动态估计器的无速度传感器感应电机矢量控制系统

本文介绍了一种直接转子磁场定向无速度传感器的感应电机矢量控制系统.该系统使用定、转子自适应磁通观测器和转速动态估计器来估算转子磁通和转速,有三个PI控制器分别控制转速、转矩和磁通的电流分量,输出电压空间矢量控制电机.仿真结果表明,该系统具有较好观测精度和鲁棒性,动态和稳态性能也较好.     

单相感应电机无速度传感器矢量控制系统

通过分析不对称单相感应电机(SPIM)在不同形态下的数学模型,解决了椭圆形磁场和电机不对称运行的问题。通过电压和电流混合模型磁链观测器计算转子磁链,并进一步计算转子磁链位置和转子转速。在三桥臂逆变器基础上,进行了基于转子磁场定向的不对称SPIM无速度传感器矢量控制仿真,验证了该控制系统的可行性与有效性。     

感应电机的神经网络逆系统线性化解耦控制

提出了一种新的感应电机的线性化解耦控制方法，其特点是不依赖于对象的精确数学模型与参数。通过用静态神经网络加积分器来构造感应电机的逆系统，将感应电机这一多变量、非线性、强耦合的复杂对象动态解耦成转速与转子磁链两个二阶线性子系统，然后运用线性系统理论进行综合。仿真与初步的实验结果表明系统具有优良的静态及动态解耦性能，且对电机参数的变化与负载扰动具有较强的鲁棒性。     

利用递归神经网络建立异步电机转速辩识模型

本文利用递归神经网络来建立异步电机转速辩识模其网络学习采用实时递归学习算法。     

基于神经网络的永磁同步电动机模糊自适应控制

为了提高水磁同步电动机伺服系统控制性能，本文结合模糊控制和前馈神经网络各自的特点采用了一种神经网络在线自学习模糊自适应控制结构，利用模糊推理机产生的分目标学习误差取代反馈控制输出信号来训练神经网络，这种控制策略是学习和控制同时进行，实时性、鲁棒性都比较好。     

基于模糊神经网络的方向元件

根据电力系统正常运行，发生各种类型正方向故障和反方向故障时，母线处获得的信号的特点，提出了用模糊神经网络来识别电力系统故障方向的模型和算法。经EMTP仿真表明，该方法能够正确地区分故障发生的方向，而且计算和响应速度快。另外，系统正在振荡时又发生故障，模糊神经网络的模型及算法也能正确区分出故障的方向。缺点是需要经过大量的训练：但是由于是离线训练，不影响此方法的实时应用。     

电动车用感应电机磁场定向矢量控制研究

电动车用感应电机参数变化易引起电机振荡现象，文中以含微分运算的三相感应电机模型为基础，提出了一种具有转差频率控制的转子磁场定向矢量控制方法，给出了相关的理论推导及实验结果。该方法能够有效地抑制由于电机参数变化过大导致的电机振荡现象，能使电机可靠地运行于弱磁区域，可满足高功率密度、高转速电动车用感应电机的控制要求。实验结果验证了该方法的正确性及有效性。     

基于模糊神经网络PID的锅炉汽包水位控制

将基于模糊神经网络的PID控制器作为给水控制系统的锅炉汽包水位调节器,可实时整定PID控制器的参数,以适应控制系统的要求。仿真结果表明,基于模糊神经网络的PID给水控制系统的响应快速性、调节平稳性及抗干扰能力均优于常规的PID控制器。     

感应电机的L2增益鲁棒控制

电机电阻在运行过程中会发生较大范围的未知变化，对感应电机的控制性能造成不利影响。该文针对工程中常用的三阶感应电机模型，根据L2增益干扰抑制理论设计了鲁棒控制器。在误差动态方程中，将由未知电阻引起的不确定项看作系统的干扰，设计控制器使得干扰信号对评价信号的L2增益小于给定的性能指标。仿真结果表明，即使转子电阻偏离其标称值很多，控制器仍然能够保持优良的转速与磁链跟踪性能。     

可控串联电容补偿的模糊神经网络控制

在可控串联电容补偿控制中,针对电力系统模型及运行参数的不在确定性,应用神经网络和模糊控制理论设计了非一控制器。从线性最优控制器设计值中提取出经验规则,将模糊化后的变量引入神经网络结构,采用变尺度算法对网络参数优化,解模糊后得到反馈增益矩阵。仿真结果表明该控制器对系统静态稳定和暂态稳定均有良好效果。     

基于粗糙集的自适应模糊神经网络用于循环流化床锅炉床温控制的研究

针对循环流化床(CFB)锅炉床温的非线性、大惯性和大延迟等特性,提出了1种基于粗糙集的自适应模糊神经网络的床温控制方法,并且通过大量已知数据的学习得到模糊规则及其隶属度函数.为了减少规则的数目,提高数据的学习效率,引入了粗糙集,从采集数据中提取最小规则集,从而解决了自适应模糊神经网络中的规则爆炸问题.以CFB锅炉床温为控制对象,对基于粗糙集的自适应模糊神经网络控制器进行仿真比较.结果表明,该控制器控制效果优于常规PID控制器,但稳态误差较常规PID控制器大,其稳态误差小于1.7％,在允许范围内.     

基于遗传算法的超声波电机模糊自适应速度控制

行波接触型超声波电机是一种利用压电陶瓷的逆压电效应工作的新原理微特电机，与传统电磁型电机截然不同，其驱动力矩并非由电磁感应产生，而是由压电陶瓷超声频域的振动转化而来，参数的时变性，系统内在的非线性、系统的强耦合性等原因导致其动态和稳态数学模型难以获得。在未知控制对象精确参数及数学模型的情况下，该文提出一种新的超声波电机自适应速度控制策略。控制系统包括两个闭环，内环用来补偿由于温度变化造成的机械谐振频率漂移，可以增强响应的快速性与准确性，另一闭环为频率调节环，频率值由模糊控制器根据工作状态随时调整，其模糊控制规则基于遗传算法在线调节。系统较好地实现了设定的速度参考模型的自适应跟踪，具有控制灵活，适应性强的优点，又具有较高的控制精度和较好的稳定性。