基于二阶滑模的MRAS型感应电机转速辨识

针对感应电机无传感器控制,提出了一种基于二阶滑模与模型参考自适应系统(MRAS)相结合的转速辨识方法。将采用Super-Twisting二阶滑模理论构造的滑模观测器作为MRAS参考模型对所构造中间变量进行观测,将磁链的电流模型改造为该中间变量的可调模型,且其可调量为转速变量,进而构造出MRAS,实现对转速的闭环观测。所构造的MRAS具有低通滤波特性,能有效克服系统中电流谐波的影响,更好地提高了系统性能。仿真和实验结果验证了该方案的可行性和有效性。     

交流电机无速度传感器矢量控制系统变结构MRAS转速辨识

针对变结构控制在参数变化等不确定因素满足"匹配条件"即变化有界时,具有抗外部干扰和内部参数摄动的鲁棒性,但实际中要确定不确定性参数变化的上下界有一定难度的特点。文中基于变结构控制和自适应控制理论,提出一种新颖的变结构模型参考自适应(VS-MRAS)观测器,用于交流电机无速度传感器矢量控制系统的转速辨识。该法将变结构和MRAS进行有机的整合,利用MRAS对系统参数变化的适应能力实时估算不确定因素变化的边界,以改善磁链观测的准确性,进而提高转速辨识的精度。利用仿真方法,对比分析了带速度检测装置的矢量控制系统、基于MRAS转速辨识的无速度传感器矢量控制系统和基于VS-MRAS转速辨识的无速度传感器矢量控制系统的3种情况下转速和磁链响应的动静态性能。证实该方法提高了转子磁链观测的准确度,改善了转速估计的动静态性能。     

永磁同步电机的变结构MRAS转速辨识

为改善永磁同步电机无速度传感器控制系统对参数变化和负载扰动的鲁棒性,将滑模变结构控制引入到模型参考自适应系统中,提出一种基于变结构MRAS的永磁同步电机转速辨识方法.理论分析和仿真结果表明,该方法具有良好的动静态性能,比传统MRAS有更高的估计精度,对参数变化和负载扰动有更强的鲁棒性,并且算法简单,易于实现.     

定转子电阻在线辨识的感应电机转速估计方法

针对感应电机参数变化导致转速估计不准的问题,提出了一种基于定、转子电阻在线辨识的模型参考自适应转速估计方法.该方法只需检测定子侧的电压和电流,在估计电机转速的同时,在线辨识定转子电阻,实时更新转速估计系统中受电机温升影响而变化的定子电阻和转子电阻,以保证转速估计的精确度;同时,辨识的转子电阻应用于矢量控制系统,确保系统获得良好的稳态和动态性能.仿真及实验结果表明,与未进行电阻在线辨识的转速估计方法相比,该方法具有较高的转速估计精确度,对参数变化的鲁棒性强,并适用于无速度传感器矢量控制系统.     

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。     

基于滑模MRAS速度估计的感应电机无传感器控制

滑模模型参考自适应控制系统是基于传统的模型参考自适应控制思想，利用滑模控制器的良好特性而形成的一种新的控制方法。在矢量控制算法的基础上，结合感应电机这一非线性控制对象，设计了滑模MRAS速度观测器。该观测器具有传统的MRAS构架，将反馈机制采用滑模控制器代替，针对MRAS速度估计精度受定子阻抗影响的不足，设计了定子阻抗自整定算法，以达到快速响应对象参数和状态变化的目的，仿真结果表明：该控制系统运行平稳，具有良好的动、静态性能。     

基于MRAS同时估计感应电机转子转速和时间常数

文章基于MRAS的感应电机全阶观测器数学模型,介绍了一种利用观测器误差信号同时估计感应电机转子转速和时间常数的算法,分析了该算法在李雅普诺夫意义下的稳定性。仿真结果表明该算法是有效和稳定的。     

永磁同步电机的变结构MRAS转速辨识

为改善永磁同步电机无速度传感器控制系统对参数变化和负载扰动的鲁棒性,将滑模变结构控制引入到模型参考自适应系统中,提出一种基于变结构模型参考自适应系统的永磁同步电机转速辨识方法。理论分析和仿真结果表明,该方法具有良好的动静态性能,比传统模型参考自适应系统具有更高的估计精度,对参数变化和负载扰动有更强的鲁棒性,且算法简单,易于实现。     

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.     

一种基于MRAS的异步电机速度辨识方法

本文提出了一种在静止坐标系下实现的模型参考自适应系统,以辨识异步电机的转速.该方法的参考模型和可调模型分别由电机定子侧和转子侧的方程构成.参考模型中不含定子电阻,并且避免了纯积分运算,因而在宽速度范围内具有较好的鲁棒性.可调模型包含电机转速的信息和一个电流模型转子磁链观测器.当电机转速的估计值收敛于转速的真实值时,观测的转子磁链也收敛于其真实值,可将其用于直接磁场定向控制中.另外,为避免对定子电流的纯微分,本文应用微分跟踪器以提取高质量的微分信号.数值仿真和实验结果验证了该方法的有效性.     

基于CESO磁链观测器的模型参考自适应感应电机转速辨识

针对感应电机无速度传感器矢量控制下的速度辨识问题,设计了一种基于扩展状态观测器的闭环转子磁链观测器(CESO),并提出以其作为参考模型的模型参考自适应(CESO-MRAS)转速辨识方法。该磁链观测器将模型中不确定部分进行状态扩展并反馈补偿,是一种闭环观测器,因而对电机转子电阻变化以及外部扰动具有良好的鲁棒性,克服了传统电压转子磁链模型的纯积分和低速区的电压降问题。通过与传统MRAS的仿真比较研究,在转子电阻和转矩的大范围变化低速区,该算法能显著提高矢量控制系统的速度动态辨识能力和转矩抗扰能力。仿真和实验结果验证了该方法的正确性和有效性。     

异步电机无速度传感器矢量控制系统的研究

为了实时辨识电动机的转子转速,提出利用在异步电机端测量得到的电压和电流来估算电机转速,以实现无速度传感器矢量控制的模型参考自适应方法.在MATLAB/Simulink中,建立了一个基于该方法的无速度传感器矢量控制系统,并进行了仿真实验,仿真结果表明该系统具有良好的动静态特性和稳定性.     

感应电机高性能鲁棒速度跟踪控制器设计

针对系统模型不确定性和干扰对矢量控制性能的影响,利用Q-参数化理论设计控制器,设计了一种简单有效的感应电机速度控制策略。该速度控制器由鲁棒转子磁链估计器(RRFE)以及参考模型跟踪控制器(RMTC)两个部分构成。RRFE主要用于转子磁链估计,以确保转子磁链获得快速准确的定向,而RMTC则在电机参数发生变化和出现干扰的情况下,获得磁链和转速的渐进跟踪性能。仿真试验结果表明,干扰得到有效抑制,系统具有较好调速性能。     

矢量控制异步电动机的自适应控制和参数辨识

在矢量控制异步电动机数学模型的基础上，针对电机转子电阻和负载转矩变化的不确定性，应用非线性控制的理论，设计了一个渐近跟踪负载转矩和转子电阻实际值的非线性辨识算法，实现了参数的自动跟踪，并建立了非线性自适应控制的方案。仿真结果表明，辨识算法具有快捷准确的优点，使系统具有一定的鲁棒性和较好的稳、动态性能。     

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研究

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     

异步电动机矢量控制中的转速辨识

介绍了异步电动机无速度传感器矢量控制中的转速辨识方法。基于电机的理想模型和瞬时无功功率理论,采用合适的控制方法,从定子电压电流中提取转子转速信息。给出了控制系统框图,并说明了理论和实际应用中需要解决的问题。     

改进的无功功率模型参考自适应异步电机转速辨识

针对传统无功功率模型参考自适应模型的输入信号中含有大量的高频信号和噪声,致使模型的自适应机构设计难度增加、速度预测精确度降低的问题,提出改进的基于无功功率的模型参考自适应系统。在传统的无功功率模型参考自适应模型的基础上,引入巴特沃思滤波器并运用改进的模糊PI控制器取代原有的控制器,滤除了输入信号的噪声,提高转速预测精确度。仿真结果表明,改进后的无功功率模型参考自适应系统,参考模型输出的无功功率信号较滤波前其振动的幅值和频率大幅度降低,将这种信号作为自适应模块的输入得到的预测转速,其预测精确度和预测系统动态性能得到提高显著。     

无速度传感器异步电机矢量控制系统的改进研究与仿真

以异步电机矢量控制的基本方程式为基础,构建了一个无速度传感器矢量控制系统。系统采用了改进积分型转子磁链估算模型。根据模型参考自适应方法的原理,提出一种改进的速度估算法。并利用MATLAB/SIMULINK进行了仿真,仿真结果验证了采用的速度估算方法是正确的。