一种用于异步电机无速度传感器控制的自适应滑模观测器

针对异步电机无速度传感器中存在的对参数变化鲁棒性差的问题,研究了一种基于自适应滑模观测器的异步电机无速度传感器的矢量控制方案。自适应滑模观测器根据电机静止坐标系下的数学模型构造了转子磁链观测器,定子电流观测值与实际值的误差构成观测器的滑模面,在滑模运动下该观测器的观测值最终趋近于实际值,从而实现转子磁链的估计。电机转速由自适应方法估算得到,滑模观测器的稳定性可由李雅普诺夫稳定性证明。与其他方案相比,该方法的优点在于实现简单,对参数变化具有鲁棒性。仿真和实验对控制方案的正确性和可行性给出了验证,该观测器可以实现对转子磁链和转速的观测,且在负载扰动和给定转速变化的情况下该滑模观测器具有鲁棒性。     

基于RBF神经网络的PMLSM无速度传感器控制

提出了一种基于径向基函数(RBF)神经网络的永磁直线同步电机(PMLSM)无速度传感器控制方法。该方法构造了一种RBF神经网络速度观测器,利用RBF神经网络逼近定子电流和速度之间的非线性关系,从而实现对电机速度的精确观测。通过Lyapunov理论设计了学习率的取值方法,以保证神经网络算法收敛性。仿真和实验结果表明,该方法具有良好的动静态特性、鲁棒性强、适用速度范围广。     

一种新型高性能直接转矩控制系统研究

无速度传感器技术在直接转矩控制(DTC)系统中的应用是当前交流传动领域的一大发展方向,最常用且效果较好的方法为转速自适应状态观测器,观测性能取决于观测器的速度自适应律和增益。当前采用转速观测器的速度辨识方案大部分采用极点配置方法,存在区域不稳定的问题。针对此问题,这里提出一种新型观测器,并在基于TMS320F2808的实验平台上实现了无速度传感器DTC系统,验证了该方案的有效性。     

两级滤波滑模观测器的永磁同步电机无位置传感器控制

实现永磁同步电机矢量控制的前提在于电机转速与转子位置信息的准确获取,为此设计了一款基于两级滤波的滑模观测器用来对电机的转子位置和速度进行估算。第一级滤波的输出反馈给电流观测器,第二级滤波的输出用来计算转子的位置,并采用分段线性补偿对位置估算误差进行补偿。给出了永磁同步电机无位置传感器控制系统方案,分别对滑模观测器的电流观测、反电势观测、位置和速度估算、负载扰动和动态过程进行了仿真分析,验证了该滑模观测器算法的可行性。搭建了控制系统实验平台,分别对启动过程、反电势观测、位置和速度估算以及变参数控制进行了实验研究,验证了该滑模观测器算法的正确性。仿真和实验结果表明:该滑模观测器能够快速和准确的跟踪电机转子的位置和速度,系统具有响应快、鲁棒性强的特点。     

基于全阶闭环磁链观测器的感应电动机直接转矩控制

磁链观测是实现高性能电机传动系统的关键环节,在研究传统直接转矩控制系统定子磁链观测方法的局限性的基础上,设计了全阶闭环磁链观测器并就简化极点配置作了分析。运用该磁链观测器实现了全速度范围,尤其在极低速时的定子磁链进行了准确观测。仿真和实验结果表明此方案对定子磁链的观测效果明显优于传统的观测方法,降低了稳态时转矩、磁链和速度的波动,并对电机参数的变化具有良好的鲁棒性。     

基于模型参考自适应的异步电动机无速度传感器DTC

为了提高定子磁链的观测精度,将闭环磁链观测器用于直接转矩控制系统中取代传统的纯积分器;在磁链闭环观测器的基础上,依据模型参考自适应理论(MRAS)构造出了速度自适应观测器。仿真和实验结果表明,该方案成功地实现对转速的辨识,证明了方法的可行性。     

一种新型的闭环串联双模型异步电机转速、磁链观测器

提出的串联双模型观测器可实验转速、磁链的同时观测，同时解决了常规并联双模型观测器存在的积分初始误差问题。仿真研究和实验结果表明该观测器在全速度范围内都有较高的观测精度和动态响应性能。     

电机磁链神经网络观测器的研究

为提高电机磁链观测器的观测性能,实现磁链的准确观测,提出一种RBF神经网络定子磁链观测器.采用RBF神经网络重构基于电压模型的带幅值和相位补偿的变截止频率定子磁链观测器,使磁链观测器的截止频率能跟随电机定子电信号频率的变化而变化.RBF神经网络磁链观测器实现了变截止频率,结构简单,自适应能力强,无直流偏移和初始相位问题...     

新型自适应速度观测器在矢量控制中的应用

实现高性能矢量控制系统的重要环节是准确地观测异步电机的转子磁链。将一种新型的速度自适应磁链闭环观测器应用于矢量控制系统中,取代了传统的积分器。理论证明,该系统是超稳定系统。仿真表明,该方案电机磁链观测精度高,电机参数鲁棒性好,同时基于磁链观测器所设计的速度自适应辨识方案准确性好,收敛速度快,使系统在较低转速下仍能保持优良的性能。本系统以1.1kW异步电机为控制对象,并采用MATLAB/Simulink软件对系统进行了仿真。     

永磁直驱风力发电机无速度传感器驱动控制

基于永磁同步发电机(PMSG)的直驱型风力发电机通常采用无速度传感器技术进行驱动控制.考虑到风力发电机中PMSG的运行特点,基于基波励磁法的转子磁链位置观测方案较适合这一应用场合.基于此,提出一种新颖的基波励磁法观测方案,该观测方案由扩展磁链观测器和用于对观测到的扩展磁链进行同步进而获得转子磁链位置信息的锁相环共同组成.该扩展磁链观测器具有最小阶,且无需对内嵌式PMSG的凸极特性进行忽略近似.在对该扩展磁链观测器的结构机理及其稳定性进行推导和讨论的基础上,对位置观测器的设计过程进行了探讨.11 kW PMSG的实验验证了该无速度传感器控制方案的性能.     

永磁同步伺服电机的变结构智能控制

提出了一种基于智能控制的离散变结构系统，该系统采用一种新的状态观测器的设计方法，首先设计一个性能观测器，随后用神经网络对其具有不确定性的部分进行补偿，并用神经网络实现对变结构控制器参数的在线调整，在永磁同步伺服电机位置控制系统中的实际应用，表明了该方法的优越性和实用性。     

磁控开关型故障限流器神经网络自适应偏置电流控制

针对磁控开关型故障限流器在故障后其偏置线圈中会产生偶次反电动势,三相全控整流桥的负载突变为带偶次反电动势的电阻电感负载,提出了基于神经网络的磁控开关型故障限流器自适应偏置电流控制系统。该系统采用两个神经网络来分别构成自适应控制网络和辨识网络,对控制器参数进行自适应调整和在线辨识,实现了偏置电流的实时控制。试验证明,利用该控制系统对限流器偏置电流进行控制,限流器的响应速度和限流效果可以得到保证。     

一种永磁同步电机解耦控制的新方法

针对永磁同步电机这一多变量、非线性、强耦合的控制对象,提出了一种基于神经网络在线辨识的永磁同步电机逆系统解耦控制新方法。通过静态神经网络加积分器来构造永磁同步电机的逆系统,并在实际运行中不断地修正神经网络权值,使其更精确地逼近逆系统。将逆系统与永磁同步电机原系统复合成两个伪线性子系统,使永磁同步电机解耦成二阶线性转速子系统和一阶线性磁链子系统,在此基础上,运用线性系统理论进行综合。仿真试验表明这种控制策略能够实现永磁同步电机转速和定子磁链之间的动态解耦控制,并且系统具有良好的动静态性能。     

一类非线性系统的自组织模糊神经网络控制

针对一类MIMO不确定非线性有干扰且控制增益符号未知的系统进行跟踪控制的问题,提出了一种在线自组织模糊神经网络的改进算法,用以克服参数选择困难的问题,并基于该算法给出了一种自适应鲁棒控制方法。首先基于主导输入的概念将MIMO系统分解为多个SISO系统构成的系统,然后结合自组织模糊神经网络在线对系统中的未知函数进行逼近,对网络结构和参数实现在线调节,再利用Nussbaum函数来克服控制增益符号未知,并且引入鲁棒项及复合误差的估计来补偿复合误差。最后基于Lyapunov稳定性理论证明了整个闭环系统半全局一致最终有界。理论和仿真结果表明提出方法的有效性。     

同步电动机负载突变过程的神经网络控制

针对目前同步电动机负载突变时,均采用强力磁的方式控制励磁电压,提出了一种基于神经网络的同步电动机过渡过程的控制,克服了以往采用强励磁方式使同步电动机强行拉回到同步运行状态而引起的系统超调过大的不利因素。在神经网络的训练过程中采用“理想加噪声”的训练方式,表明了神经网络具有良好的动态逼近能力和较高的可靠性;在负载变动比较大的情况下,给出了用神经网络控制同步电动机的过渡过程仿真曲线。仿真结果表明,神经网络励磁调节器对于运行状态或是系统参数变化阶段,均具有很好的自适应性,尤其对同步电动机突加负载时系统的超调和到达稳态的时间有了明显的改善。     

两电机调速系统神经网络广义逆在线调整控制

针对多输入多输出(MIMO)非线性强耦合的两电机变频调速系统,对系统数学模型进行广义逆存在性分析,推导出系统的广义逆数学表达式,进一步构造神经网络广义逆系统串联在两电机系统之前,组成基于广义逆的伪线性复合系统,实现MIMO系统的线性化与解耦。在神经网络逆系统离线训练的基础上提出在线训练的控制方法,在电机的运行过程中对网络进行在线训练,不断修正网络权值,使网络适应环境的变化,增强其鲁棒性,更精确地逼近其逆系统。实验证明在用PLC作为主控制器的控制过程中,神经网络不断进行自我调整,增强了神经网络的适应性,提高了系统的稳定性和鲁棒性。     

BP神经网络整定的PID在机器人轨迹跟踪中的应用

充分利用BP神经网络能够逼近任意非线性系统的优点,将BP网络和PID控制相结合,解决了多关节机器人的运动轨迹跟踪问题.采用这种方法,可以在线实时调整PID控制器的参数,使其达到最优状态,克服了完全依靠经验离线调整PID参数的缺点,使系统具有更好的鲁棒性和自适应性,其输出也可以通过在线调整达到预期的控制精度.仿真实验证实了该控制策略的正确性和有效性.     

小波神经网络与PID相结合的负荷频率控制

针对跨区域互联电力系统负荷频率控制的严重非线性,及传统PID控制稳定性差、超调严重、响应速度慢,提出了将小波神经网络与传统PID控制相结合的控制模型。PID完成区域电网内的二级负荷频率控制,区域控制偏差作为有2个小波神经元的神经网络输入,输出用于共同控制负荷频率稳定。网络还采用了负反馈提高学习收敛速度,网络参数采用梯度法结合遗传算法寻优确定。仿真实验结果表明,该方案具有较好的控制效果和鲁棒性。     

基于神经网络的模糊控制在开关磁阻电机中的应用研究

把神经网络与模糊逻辑结合起来,利用神经网络的学习控制算法调节模糊逻辑隶属函数,通过对开 关磁阻电机运行特性的分析,提出了一种可应用于开关磁阻电机驱动系统的智能控制方法,理论和仿真结果均证明了这种基于神经网络模糊控制方法在开关磁阻电机驱动系统中应用的可行性和可靠性。     

蚁群BP网络转速辨识器的优化

将排序加权的方法引入基本蚁群算法中,用改进型蚁群算法优化BP神经网络的权值和阈值,有效地解决了BP神经网络训练时容易陷入极小值的缺点,提高了收敛速度,得到了一种时间效率和求解效率都比较好的启发式方法,即改进型蚁群神经网络。运用该方法对直接转矩控制系统中的电机转速进行了辨识。仿真试验结果表明:该改进型蚁群神经网络不仅具有广泛的映射能力,还明显提高了运算效率,能够准确地辨识电机转速,具有良好的辨识效果,实现了无速度传感器直接转矩控制。