开关磁阻电机直接自适应神经网络控制

针对开关磁阻电机调速系统存在的未知参数波动和外部负载扰动问题,提出了直接瞬时转矩控制下的基于最小学习参数的直接自适应神经网络控制算法实现开关磁阻电机高品质调速控制。采用RBF神经网络对包含未知参数波动和外部负载扰动等不确定项的理想控制律进行整体逼近。将神经网络理想权值的范数作为在线估计参数,使在线学习参数由多个权值减少为一个,降低了控制器的计算负担。基于李雅普诺夫函数的稳定性分析保证了闭环调速系统半全局一致最终有界稳定。与PI控制的对比仿真试验表明,直接自适应神经网络控制器能够有效地提高开关磁阻电机调速系统对参数波动的自适应性和对外部负载扰动的鲁棒性。     

考虑谐波影响的开关磁阻电机无位置技术研究

针对用传统傅里叶级数相电感模型估计开关磁阻电机转子位置时直接忽略高次谐波,仅考虑到基波或者二次谐波,导致位置估计精度不高的问题,提出了一种考虑谐波影响的开关磁阻电机无位置控制方法.该方法通过对电感进行坐标变换以及差值电感辨识,消除了傅里叶级数电感的直流分量、偶次谐波分量以及三的倍数次谐波分量.选取谐波含量最少的差值电感构建角度--差值电感关系数学模型,利用其特征点估算转子位置.为了验证所提算法的有效性以及正确性,以一台12/8极开关磁阻电机为控制对象,进行了仿真以及实验.实验结果表明,减少电感谐波后估计转子位置精度提高,且在较大电流条件下用差值电感估计转子位置角度时,位置估计精度几乎不受电机磁饱和因素的影响.     

基于动态模糊神经网络的开关磁阻电机电感与磁链特性建模

提出了将动态模糊神经网络用于开关磁阻电机建模的新方法,根据试验采样获得的数据建立电感和磁链特性模型,并将该模型应用到整个系统中.与其他建模方法比较,采用动态模糊神经网络获得的电感和磁链模型可在线训练,并具有紧凑的系统结构和强大的泛化能力.建模所得系统仿真同实际系统比较,电流波形基本一致,验证了新的建模方法的正确性和可行性.同时,该建模方法还可以进一步应用到开关磁阻电机的实时控制系统中,为工程设计和调试提供依据.     

空间电压矢量下SRM转矩脉动最小化

针对开关磁阻电机具有转矩脉动大的缺点,依据空间电压矢量下直接瞬时转矩控制的理论,通过分析采用基本电压矢量存在转矩失控现象的原因,提出了一种优化直接转矩控制的新方案。该方案以基本空间电压矢量为基础,通过适时地采用新增空间电压矢量,同时优化转矩滞环控制器的方法,达到提高直接转矩控制性能的目的。为验证方案的有效性和正确性,以一台三相12/8极开关磁阻电机为控制对象,将新方案与传统直接转矩控制的效果进行了比较。结果证明,新方案有效地抑制了转矩失控现象的产生,并在进一步减小转矩脉动上有明显效果,最终将转矩脉动控制在±1N·m以内。     

基于高转矩电流比的开关磁阻电机DITC优化控制

针对开关磁阻电机在直接瞬时转矩控制(DITC)中电流上升初期峰峰值过高而导致转矩脉动增大和电机效率减小的问题,提出了一种基于脉宽调制(PWM)的DITC优化策略。该策略在传统DITC的基础上,依据最大转矩电流比(MTPA)的思想,分析得到电感斜率的变化点为转矩电流比最大的点,以此对每相机械角进行扇区划分,在新划分的区间中进行导通规则优化,以此选择相应的电压矢量,并通过分段变占空比调制的方法得到最优的电压矢量,其中占空比-转速-负载函数关系式适用于不同转速、负载条件。将所提算法在一台三相12/8开关磁阻电机上进行了验证,与传统DITC相比,优化后的PWM-DITC不仅减小了转矩脉动,还在相同负载条件下降低了三相定子电流,提高了电机的转矩电流比。     

智能功率模块在开关磁阻电动机中的应用

介绍了智能功率模块的特性.采用理论分析、PSPICE模拟仿真以及与实际调试相结合的方法,论证了将智能功率模块应用到潜艇用开关磁阻电动机主电路中后,不仅体积大大减小,还提高了系统的可靠性,增强了抗干扰能力,降低了成本,具有实用价值.     

基于GA-ANFIS的开关磁阻电机建模

针对在使用自适应神经网络模糊推理系统对开关磁阻电机进行建模的过程中收敛速度慢的问题,采用将遗传算法和自适应神经网络模糊推理系统相结合的开关磁阻电机建模方法.网络结构仍然采用具有很强鲁棒性和自适应性的Takagi-Sugeno模型,而在网络参数训练时将遗传算法与自适应神经网络模糊推理系统的传统混合学习算法相结合,以提高训...     

智能功率模块在开关磁阻电动机中的应用

介绍了智能功率模块的特性。采用理论分析、PSPICE模拟仿真以及与实际调试相结合的方法，论证了将智能功率模块应用到潜艇用开关磁阻电动机主电路中后，不仅体积大大减小，还提高了系统的可靠性，增强了抗干扰能力，降低了成本，具有实用价值。