感应电机的逆系统方法解耦控制

针对感应电机这一多变量、非线性、强耦合的控制对象,应用逆系统方法,将感应电机转速与转子磁链解耦成2个二阶子系统。在此基础上,运用线性系统理论对其进行控制。仿真结果表明这种基于逆系统方法的反馈线性化控制策略可实现感应电机的高性能控制。     

基于最小二乘估计的感应电机自适应逆控制

针对感应电机变频调速系统,提出了一种基于最小二乘估计的自适应逆控制方法.该方法首先通过非线性状态反馈获得逆系统,将感应电机解耦成转子磁链和转速两个线性子系统,从而可以分别设计闭环控制器.为克服电机参数变化的影响,采用递推最小二乘算法对电机参数进行在线辨识,提高了逆解耦控制系统对电机参数变化的适应性.仿真结果表明了该控制方法的可行性和先进性.     

感应电机的无速度传感器逆解耦控制

提出了一种基于扩展的Kalman滤波器的感应电机无速度传感器逆解耦控制方法.首先采用逆系统方法将感应电机的转速与转子磁链进行动态解耦,其次由扩展的Kalman滤波器(EKF)对转速及转子磁链进行实时估计,最后由线性综合方法设计转速和转子磁链闭环调节器,从而实现感应电机的无速度传感器逆解耦控制.仿真结果表明EKF可在整个调速范围内进行高精度的转速和磁链估计,系统具有优良的动态和稳态控制性能     

电流控制电压源逆变器驱动的感应电机逆解耦控制

在转子磁链坐标系下,以电流控制电压源逆变器供电驱动电机运行.通过在电流内环采用高增益控制器,感应电机模型中的2个定子电流分量可近似为定子参考电流,从而可忽略定子电流动态特性的影响,将以定子电压为控制量的感应电机四阶模型降阶成以定子电流为控制量的二阶模型.采用状态反馈线性化方法求得感应电机的逆系统,将多变量、非线性、强耦合的感应电机动态解耦成转速与转子磁链2个一阶子系统.在此基础上,设计一种积分比例(IP)控制器对解耦子系统进行闭环控制.电流内环采用滞环比较器,直接获得PWM信号,控制逆变器实现电流跟踪,从而使调速系统具有快速的动态响应性能.仿真结果验证所提控制方案的有效性和优越性.     

感应电机无速度传感器控制的自适应转速估计

文章分析了感应电机无速度传感器控制中在同步转速为零且带负载状态下自适应磁链观测器（AFO）观测状态和估计转速的渐进稳定性。设计了基于模型参考自适应系统（MRAS）全速域渐近稳定的状态观测和转速估计算法，仿真结果表明所设计的算法是有效的。     

基于多标量模型的感应电机神经网络逆控制

感应电机多标量模型具有状态变量是标量且物理意义明确和不需旋转坐标变换等优点;神经网络逆系统适合解决不确定性因素(参数变化和外在扰动等)存在的情况下,感应电机高性能的控制问题.为此,提出基于多标量模型的感应电机神经网络逆控制结构,实现感应电机系统的自适应解耦线性化,进而提高系统控制性能.最后对系统进行了仿真研究和软硬件实现方案讨论,理论分析和仿真表明所提控制结构是有效的.     

感应电机调速系统非线性自适应解耦控制

针对感应电机由于其变量非线性耦合、电机参变性导致交流调速控制复杂,提出了一种基于微分几何理论的非线性自适应解耦控制方法.将自适应策略与输入输出解耦控制相结合,通过定义选择适当的Lyapunov函数来保证整个系统的稳定性,进而导出系统控制律及参数自适应律.系统可在电机参数变化和负载扰动的情况下,渐近跟踪参考模型给出的转速和磁链信号. 仿真结果证实了该方法的有效性.     

基于神经网络逆的感应电机矢量控制改进方法

基于感应电机的矢量控制(转子磁场定向控制)存在不能动态解耦和鲁棒性差的问题,提出了感应电机的一种神经网络逆控制方法.实现了电流控制型感应电机系统的自适应解耦及线性化.该神经网络逆系统相当于在普通的矢量控制结构中加了一个具有鲁棒性和开放性的解耦补偿环节,最后通过仿真和实验验证了该方法的有效性.     

感应电机线性化解耦控制的解析逆系统方法

在四阶感应电机模型的基础上,使用解析逆系统方法对系统进行了线性化解耦控制分析,给出了感应电机解析逆系统的存在性条件,基于输入积分设计了一种逆系统解耦控制方式并给出了其具体实现方法,从而实现了转速与磁链之间的线性化解耦控制。仿真结果表明,该解析逆系统解耦控制方法可以明显提高感应电机的运行性能,并有效地改善了其动态响应性能。     

同步旋转坐标系下感应电机神经网络逆控制

根据同步旋转坐标系下感应电机数学模型,基于控制转子磁链与转速的感应电机电流控制型结构,给出了电流控制型感应电机解析逆控制方法的一般形式的控制律,采用神经网络逼近解析逆控制律,解决由于参数变化和观测量不准带来的解耦被破坏问题.理论分析表明,此方法可以实现感应电机系统的自适应解耦及线性化,弱化了转子磁链与转速之间的耦合程度,简化了外环线性控制器的设计,提高了整个系统控制性能.最后,对感应电机系统控制进行仿真及实验研究来验证该方法的有效性.     

基于神经网络逆系统理论无轴承异步电动机解耦控制

无轴承异步电动机是一个多变量、非线性、强耦合的系统,其径向力和转速之间存在交叉耦合,若要实现电动机转子稳定悬浮和运行,必须对电动机转速和径向力进行动态解耦控制。为此,本文提出了一种基于神经网络逆系统的无轴承异步电动机解耦控制方法。理论分析表明,此方法可以将无轴承异步电动机动态解耦成位移子系统、转速子系统和磁链子系统,从而简化外环控制器的设计,进一步提高整个系统的控制性能。最后,对采用所提解耦方法的整个无轴承异步电动机控制系统进行了仿真和初步的实验研究,结果验证了该解耦方法的有效性。     

感应电机SSFOC自适应速度辨识

基于电压模型转子磁通估计,提出了一种模型参考自适应系统,实现了无速度传感器磁场定向控制(Speed Sensorless Field-Oriented Control,简称SSFOC)逆变器感应电机的速度控制。通过自适应电流观测器估计转子速度,并以其估计值代替磁场定向控制和速度控制中的真实速度。为了准确估计转子速度,同时辨识了电机转子电阻。该自适应系统是超稳定系统。驱动系统可工作在一个较宽的速度范围内。实验验证了该方案的有效性。     

矢量控制中感应电动机转子电阻的自适应辨识

异步电动机的转子电阻在电机运行中由于温升、集肤效应等原因 ,往往是电机控制系统中变化最为明显的参数之一。如何准确、快速的辨识异步电动机转子电阻 ,以提高整个矢量控制系统的鲁棒性 ,一直以来是国内外研究的重点。转子电阻对异步电动机调速系统的影响由于控制策略和控制结构的不同而有所差别。本文在异步电动机矢量控制系统中提出了一种基于转子磁场定向的转子电阻自适应辨识方法。这种方法结构简单 ,计算量少 ,而且仿真和实验结果证明这种方法可以准确、快速的辨识转子电阻。     

异步电动机定子磁链与电磁转矩的逆系统解耦控制方法

为了实现脉宽调制电压源型逆变器供电的异步电动机调速系统定子磁链和电磁转矩的动态解耦控制，基于逆系统理论提出了一种新型的解耦控制策略。根据异步电动机调速系统的动态数学模型，证明了其逆系统的存在性，在此基础上得到了逆系统的输入输出方程。把得到的逆系统和异步电动机调速系统相级联，从而将多变量、非线性、强耦合的控制对象解耦成了两个一阶线性子系统，分别称为转矩子系统和磁链子系统，利用线性控制理论对各个调节器进行了设计，实现了定子磁链和电磁转矩对各自参考值的全局渐进跟踪。使用Matlab软件进行了仿真实验，实验结果验证了控制方案的可行性。     

基于非线性自适应控制的异步电动机的锁相环控制

本文在应用微分几何方法对感应电动机进行精确线性解耦控制的基础上,对感应电动机采用锁相环速度控制,并用一种更适于电动机控制的采样－保持鉴相器,由于直接建立了相差Δθ与频率ｆ的关系,使系统的动态特性及控制精度分析更精确,推导出了交流锁相调速系统的人锁条件,针对电动机参数的不确知性,采用一个渐近跟踪负载力矩和转子电阻实际值的非线性辨识算法,保证了速度和磁链调节的解耦控制,使系统的精确速度控制具有一定的鲁     

交流电机输入输出自适应解耦控制

输入输出线性化理论应用于感应电动机的控制 ,可得到转子转速与转子磁链两个解耦的线性子系统。考虑到转子电阻的变化和负载转矩的扰动 ,采用自适应的辨识方法使系统输出不受影响。仿真结果表明该控制具有较好的静态与动态性能 ,并呈现出较好的鲁棒性。     

转子电阻未知时感应电动机间接磁场定向控制

转子电阻准确已知是感应电动机间接磁场定向控制获得良好性能的关键,但在电机运行过程中,转子电阻却是时变的.为此,本文从转子磁链调节的稳态过程出发,根据转子电阻与转子磁链、电磁转矩之间的关系,设计了一个新型的转子电阻估计器.该估计器形式简单,计算量小,能极大改善感应电动机间接磁场定向控制对转子电阻变化的鲁棒性.对感应电动机的仿真结果表明,上述估计算法是有效的.     

基于解耦策略的直线感应牵引电机法向力自适应最优控制

中低速磁悬浮列车和部分地铁车辆均采用直线感应牵引电机作为驱动机构,该电机特有的边缘效应和法向力对直线感应牵引电机的效率以及性能均产生很大的负面影响,因此直线感应牵引电机采用常规的电传动控制策略并不能取得良好的控制效果。该文充分考虑边缘效应的影响,建立了直线感应牵引电机的数学模型。将推力与磁通进行解耦,并分析磁通、推力与电流控制环节的非线性与时变性,提出了神经自适应控制的设计方法。分析了法向力的组成与特性,得出其数学表达式,以推力与磁通解耦为基础,结合最优化理论,考虑多个优化目标建立损耗最小函数,实现直线感应牵引电机的损耗最优控制。计算机仿真与实验对所提控制策略与传统控制策略进行对比,验证了该方法在典型工况下的有效性。     

一种基于神经网络逆的感应电动机解耦线性化改进策略

由于感应电动机运行过程中的参数变化,磁场定向控制和解析逆控制所实现的解耦线性化遭到破坏.为此,基于输出为转子磁链幅值和转速的电流控制型感应电动机模型,本文提出了一种神经网络逆解耦线性化方法,理论分析表明,此方法可以实现感应电动机系统的自适应解耦线性化,弱化转子磁链与转速之间的耦合,从而简化外环控制器的设计,进一步提高整个系统控制性能.最后,对采用所提解耦线性化方法的整个感应电动机控制系统进行仿真研究,仿真结果对比表明该解耦线性化方法是有效的.