感应电动机定子磁链与转矩的逆解耦及存在性

对于具有多变量、非线性、强耦合特征的异步电动机调速系统,实现定子磁链与电磁转矩的动态解祸控制足提高系统性能的关键.本文从异步电动机的5阶模犁及其固有的电磁特性出发,证明了其系数矩阵的非奇异性,进而结合逆系统理论证明定子磁链与电磁转矩的逆解耦在任何状态下都是存在的.在此基础上设计了一种通过非线性状态反馈的逆解耦控制方案,将复杂系统解耦成电磁转矩与定子磁链的两个独立线性回路,然后利用线性系统理论分别对转矩与磁链调节器进行综合设计.仿真实验结果验证逆解耦的存在性与解耦控制方案的有效性.     

感应电动机调速系统的自适应逆控制

针对电压源型逆变器供电的感应电动机调速系统,提出了一种自适应逆控制方法,实现了电磁转矩和定子磁链的解耦控制．应用得到的逆系统将多变量、非线性、强耦合的感应电动机调速系统解耦为电磁转矩和定子磁链两个一阶线性子系统,从而简化了各个闭环线性调节器的设计难度．为了提高系统的鲁棒性,利用递推最小二乘算法实时辨识电动机参数,降低了参数变化对系统性能的影响．使用MATLAB软件进行了仿真实验,实验结果验证了理论分析的正确性和控制方案的可行性．     

神经网络在感应电动机调速系统中的应用研究

研究感应电动机凋速系统解耦控制问题.感应电动机调速系统是一个非线性、多变量和强耦合控制对象,传统的线性方法无法找到合适的描述模型,导致解耦控制性能相当的差.在体现适应性、实时性和鲁棒性的问题上,为了提高感应电动机调速系统解耦控制性能,将逆系统方法与神经网络相结合,提出了一种基于神经网络逆系统的感应电动机调速解耦控制方法.首先根据感应电动机调速系统的特点,建立合适的数学模型,并进行伪线性系统构造;然后采用神经网络对逆系统模型进行辨识,通过神经网络自学习实现高性能解耦控制;最后在matlab平台下进行了仿真和对比实验.实验结果表明,方法能很好实现解耦控制,使传统解耦控制方法的缺陷得到克服,具有较强适应性和鲁棒性.     

感应电动机的T-I型等效电路

感应电动机的矢量控制通过对定子电流的励磁分量和转矩分量进行解耦,从而实现对磁链和电磁转矩进行分别控制。然而,传统的感应电动机T型等效电路所表示的正弦稳态下感应电动机转子侧、定子侧及气隙所包含的电磁关系并不能明显地反映这种解耦情况。有鉴于此,在感应电动机的T型等效电路基础上,提出了一种感应电动机的T-I型等效电路。这种等效电路有助于更好地理解转子磁场定向的感应电动机矢量控制原理。     

不确定性直接转矩控制系统

在异步电动机直接转矩控制系统中，由于定子电阻变化及负载扰动的不确定性，导致定子磁链、转子转速和电磁转矩估计不准确，从而影响系统的调速性能.本文基于扩展Kalman 滤波器，引进虚拟噪声补偿技术，然后采用sage 和Husa 噪声统计估值器，构成鲁棒扩展Kalman 滤波器.并将定子电流，定子磁链，转子转速，定子电阻及负载作为状态变量，基于鲁棒扩展Kalman 滤波器进行了大量实验研究.实验结果证实：状态变量能够准确估计，且转矩脉动优于常规的直接转矩控制方案，实现了高性能无速度传感器的直接转矩控制系统.     

模糊神经网络在直接转矩控制系统中的应用

本文针对基于直接转矩控制的异步电动机运行时存在较大的电流及转矩脉动问题,提出了利用神经网络建立直接转矩控制系统的定子磁链观测器,并引入模糊控制算法,用较少的模糊规则实现磁链误差、转矩误差和磁链角对逆变器开关状态的控制,并通过仿真实验验证了该设计的有效性,实验结果表明该调速系统具有良好的动态性能和稳态性能.     

感应电机二阶滑模次优算法定子磁链观测器设计

提出了基于二阶滑模次优算法的感应电机定子磁链观测方法,设计了定子磁链观测器,并应用到感应电机直接转矩控制中.本文设计的磁链观测器,通过准确的跟踪电流及其变化率,从而实现对转子磁链的准确估算,然后利用转子磁链与定子磁链的关系,估算出定子磁链.由于本文设计的定子磁链观测器是一个多输入多输出(MIMO)系统,稳定性分析非常复杂,为此将磁链估算误差的微分看作扰动处理,从而将MIMO的观测器模型分解成两个独立的单输入单输出(SISO)系统,简化了稳定性分析.将该观测器用于感应电机直接转矩控制中,达到了很好的控制效果.仿真和实验验证了该方法的有效性.     

矿山变频矢量控制系统效率优化方案研究

针对矿山变频调速系统感应电动机采用恒定磁通控制,存在损耗严重、运行效率低的问题,提出了一种矿山变频矢量控制系统的效率优化控制方案。该方案在两相旋转d-q坐标系下,建立了考虑定、转子铜损和铁损的系统损耗模型,推导得到不同运行工况下电动机损耗与转子磁链之间的对应关系;为改善因弱磁运行而造成的系统动态响应过慢问题,通过优化转矩电流和磁链电流比重关系,获得电动机电磁转矩的快速响应和转速跟踪。基于DSP+FPGA控制系统搭建22kW三电平感应电动机调速系统实验平台,实验结果表明,该优化方案可以降低感应电动机矢量控制系统运行损耗,提高系统运行效率,并保证系统的稳态性能和动态响应性能。     

基于滑模与自适应观测器的感应电机非线性控制新策略

提出一种结合滑模变结构和自适应观测技术的感应电机非线性控制新方法. 以定子电流与定子磁链为状态变量建立感应电机模型, 采用非线性分析方法建立转矩与磁链误差方程, 使用自适应滑模技术设计转矩与磁链控制器, 推导出定子电压控制量. 基于模型参考技术设计自适应观测器, 向控制器提供准确的转速辨识与磁链观测值,并给出了控制系统的稳定性证明. 该方法具有转矩脉动小、定子磁链畸变不明显的优点, 低速时也具有良好的控制性能, 且对参数与负载变化有较强的鲁棒性. 仿真与实验结果证明了该控制策略的正确性与有效性.     

轧机主传动中同步电动机控制方法的研究北大核心CSCD

在可逆式轧机主传动中,根据可逆式轧机主传动逆变侧的工艺特点,选择适用于中低速大功率的凸极励磁同步电动机驱动轧机。为实现高性能调速的目的,鉴于定子磁化电流矢量与定子磁链矢量不会因磁路不对称而产生不重合现象,励磁电流的计算相对简单,且定子磁链估算精度只受定子电阻变化的影响,故采用定子磁链矢量控制方法实现凸极同步电动机控制。根据凸极同步电动机在电流调节过程中变化很快的特点,近似认为在电流调节期间磁链幅值不变,经简化,得到凸极同步电动机在mt轴下的解耦模型,最后通过准确检测电机磁链幅值和相位,采用电压电流切换模型设计定子磁链观测器,并采用PID对逆变侧凸极同步电动机的速度及转矩进行控制,使主传动调速系统获得了高性能动态品质。     

基于神经网络逆系统的无轴承异步电机非线性内模控制

针对无轴承异步电机非线性、多变量、强耦合的特点,提出一种基于神经网络 α阶逆系统方法的非线性内模控制策略.将用动态神经网络逼近的无轴承异步电机 α阶逆模型与原系统复合,将非线性的无轴承异步电机原系统解耦成转子径向位移、转 速和转子磁链四个独立的伪线性子系统.为了保证 系统的鲁棒性,对伪线性系统引入内模控制,仿真和实验研究验证了所提控制方法的有效性.     

无轴承异步电机悬浮系统的非线性滤波器自适应逆控制

讨论了基于非线性自适应滤波器的无轴承异步电机(bearlngless induction motor,BIM)悬浮系统自适应逆解耦控制问题.利用非线性自适应滤波器,建立系统模型和逆模型.复制逆模型,将其串联在悬浮系统之前作为逆控制器,并采用改进的最小均方(least mean square,LMS)算法在线调整权值,从而实现转子的悬浮控制.相比于传统的控制方法,此方法不必依靠转矩系统来传递磁链信息,从而避免了各自的控制策略之间的相互制约问题.仿真结果验证了该方法的有效性,完成了系统模型和逆模型的建立,并且能够实现两自由度径向悬浮力之间解耦.     

基于支持向量机广义逆的直线永磁游标电机内模解耦控制

针对直线永磁游标电机这一多变量、强耦合的非线性系统, 提出一种基于支持向量机广义逆内模控制的方法. 在证明其数学模型存在广义逆的基础上, 通过支持向量机来辨识原系统的广义逆系统, 经复合后得到具有线性关系的伪线性系统, 然后引入内模控制方法设计附加控制器以增强整个系统的鲁棒性. 仿真结果验证了所提出方法具有良好的解耦性能和抗干扰特性.

     

基于MRAS的感应电动机无速度传感器控制方法

针对传统的感应电动机转速辨识算法只对电动机转速进行辨识,而没有考虑定子电阻的变化对电动机转速辨识所带来影响的问题,提出了一种改进的基于MARS的感应电动机无速度传感器控制方法。该方法采用电压模型的输出作为转子磁链、定子电阻的期望值,电流模型的输出作为转子磁链、定子电阻的推算值,根据MARS理论,以电压模型作为参考模型、电流模型作为自适应可调模型,进行电动机转速、定子电阻的辨识。仿真结果表明,该方法能够同时辨识电动机转速和定子电阻,有效消除了定子电阻发生变化对电动机转速辨识带来的影响,提高了感应电动机控制系统的低速辨识性能。     

五自由度无轴承异步电机[[alpha]]阶逆系统解耦控制

五自由度无轴承异步电机是一个多变量、非线性、强耦合的复杂控制对象，要实现电机转子稳定悬浮和运行，必须对电机转矩力和悬浮力进行动态解耦控制.本文应用多变量非线性[[alpha]]阶逆系统方法，对这个复杂控制系统进行动态解耦控制研究.首先介绍了三自由度磁轴承的工作原理和二自由度无轴承异步电机径向力产生机理，并给出三自由度磁轴承轴向力、径向悬浮力方程和二自由度无轴承异步电机转矩力和径向悬浮力方程，建立了电机的状态方程，然后分析了基于阶逆系统理论解耦控制的可行性，应用状态反馈线性化方法，将原复杂系统解耦并线性化，最后采用线性系统理论进行了综合和仿真.仿真结果表明这种控制策略能够实现五自由度无轴承异步电机转矩力与悬浮力之间的动态解耦，系统具有良好的动、静态性能.     

五自由度无轴承异步电机α-阶逆系统解耦控制

A 5-degrees-of-freedom bearingless induction motor is a multi-variable, nonlinear and strong-coupled system. In order to achieve rotor suspension and operation steadily, it is necessary to realize dynamic decoupling control among torque and suspension forces. In the paper, a method based on α-th order inverse system theory is used to study dynamic decoupling control. Firstly, the working principles of a 3-degrses-of-frsedom magnetic bearing and a 2-degrees-of-freedom bearingiess induction motor are analyzed,the radial-axial force equations of 3-degrees-of-freedom magnetic bearing, the electromagnetic torque equation and radial force equations of the 2-degrees-of-freedom bearingless induction motor are given, and then the state equatious of the 5-degrees-of-freedom bearingless induction motor are set up. Secondly, the feasibility of decoupling control based on dynamic inverse theory is discussed in detail, and the state feedback linearization method is used to decouple and linearize the system. Finally, linear control system techniques are applied to these linearization subsystems to synthesize and simulate. The simulation results have shown that this kind of control strategy can realize dynamic decoupling control among torque and suspeusion forces of the 5-degrees-of-freedom bearingless induction motor, and that the control system has good dynamic and static performance.     

基于Hammerstein 模型的感应电机变频器调速系统神经网络控制

针对感应电机变频器调速系统的非线性特点,提出一种基于Hammerstein模型的神经网络控制方法。 Hammerstein模型由静态非线性模块和动态线性模块组成。首先,利用ARMA模型实现对感应电机变频器调速系统的线性动态模块辨识;然后,基于该辨识模型,实现调速系统非线性静态模块神经网络逆模型辨识与系统直接逆控制;最后,针对控制过程中存在的电机负载扰动问题,设计了神经网络直接逆控制器在线学习与控制策略。仿真实验表明,所提出的控制策略可以获得满意的控制效果。