基于感应电动机复数简化模型的参数辨识研究

感应电动机数学模型的非线性、强耦合和模型中不可观测量的存在,使得在辨识电机参数时需要求解复杂的非线性微分方程组而导致辨识困难。提出一种由定子电压和电流交直轴分量表示的感应电动机复数简化模型;利用端口电流电压暂态量,采用步长加速法进行模型参数辨识。该模型考虑了电动机的非线性,避免了求解复杂的非线性微分方程组,减化了参数辨识过程,保证了算法的收敛性和结果的准确性,提高了辨识的稳定性和效率。在两种电机控制方式下进行算例仿真及参数辨识,验证表明该模型正确有效,参数可辨识且精度高,易于工程实现。     

基于遗传算法的感应电动机稳态模型参数辨识

介绍了感应电动机传统的参数测试与识别方法,提出了基于遗传算法的感应电动机稳态模型参数辨识方法,利用实际所测的电动机电流和转速数据,结合感应电动机稳态模型电流特性方程,通过遗传算法进行曲线拟合得到电机稳态模型电流特性曲线及电机稳态模型各参数值。试验证明该设计参数辨识方法与传统测试方法相比,准确性和精度都有较大的提高,进一步验证了该设计方法的可行性和有效性。     

感应电动机负荷模型参数灵敏度分析及参数易辨识性的研究

针对感应电动机负荷模型中部分参数易辨识,且辨识结果稳定,而另一部分参数难辨识,辨识结果存在较大离散性的问题,本文通过参数灵敏度分析,指出了参数灵敏度与参数易辨识性之间的关系,以及扰动强度与参数灵敏度从而参数易辨识性的关系.最后提出了对实际感应电动机参数辨识具有重要指导意义的分步或逐步辨识策略.     

感应电动机负荷模型参数灵敏度分析及参数易辨识性的研究

针对感应电动机负荷模型中部分参数易辨识 ,且辨识结果稳定 ,而另一部分参数难辨识 ,辨识结果存在较大离散性的问题 ,本文通过参数灵敏度分析 ,指出了参数灵敏度与参数易辨识性之间的关系 ,以及扰动强度与参数灵敏度从而参数易辨识性的关系。最后提出了对实际感应电动机参数辨识具有重要指导意义的分步或逐步辨识策略。     

感应电动机负荷模型参数解析灵敏度分析及参数辨识策略研究

通过对感应电动机参数的解析灵敏度分析,较好地解释了感应电动机负荷模型中部分参数易辨识,部分参数难以辨识且辨识结果较离散这一现象.研究结果表明:灵敏度大的参数易辨识,灵敏度小的参数难辨识,且辨识结果较离散;在不同的激励强度下,感应电动机负荷模型各参数灵敏度将随激励的增强而增大.文中提出了一种新的感应电动机负荷模型参数辨识策略.经现场实测数据建模,验证了该辨识策略的有效性及可行性.     

感应电动机模型参数在线辨识的UKF算法

针对高阶非线性动态系统参数估计的非线性特征,介绍了无味卡尔曼滤波(UKF)算法。在给出了UKF的算法描述的基础上,从一般意义上讨论了无味变换(UF)仅用有限的参数来近似随机变量的概率统计特征,避免了传统的通过线性化来估计非线性系统而带来的误差,进而将该算法用于电力系统感应电动机动态负荷模型的参数估计。算例利用某电网同步相量测量(PMU)采集数据,利用所提算法实时跟踪模型参数,结果表明该算法能够实时有效地辨识出感应电动机负荷模型的参数,有望在实际工程中得到应用。     

基于铭牌数据和序列二次规划算法的感应电动机模型参数辨识

为克服基于铭牌数据辨识电动机模型参数时人工增加近似约束条件的不足,提出新的辨识电动机单笼和双笼模型参数的优化数学模型。该模型以计算效率偏差最小为目标,以电动机定子电流、输入无功、最大电磁转矩和起动参数等重要性能指标等于铭牌值为约束条件,并采用序列二次规划算法进行求解。算例验证了所提模型和算法的科学性。与其他方法的比较表明,采用所提模型与算法计算得到的模型参数能够更好地反映电动机的工作特性。     

综合负荷感应电动机模型的改进及其描述能力

基于实测负荷数据动态辨识,较深入全面地研究了感应电动机模型的描述能力,提出了一个 改进的“广义感应电动机模型”。该模型描述能力强,内插外推特性好。在实际应用中使用 该模型时,应采用实测数据辨识所得的模型参数。     

基于递推最小二乘算法的感应电动机参数离线辨识

感应电动机参数离辨识是实现高性能变频调速的前提.对基于递推最小二乘(recursive least-squares,RLS)算法的电机参数离线辨识的具体实现进行了详细阐述:基于离线辨识时电机的静止特性,简化了电机数学模型,减少了计算量;采用改进欧拉数值解法,求解巴特沃思数字滤波状态方程,既可获得信号的滤波值,同时又直接解得了信号的1阶和2阶导数值,避免了导数离散化的误差影响,提高了运算精度;运用线性反馈移位寄存器产生伪随机白噪声序列(M序列),作为辨识的激励信号;针对不同功率的电机进行了大量的仿真和实验研究,实验结果表明所提方法稳定性良好,辨识结果的一致性和准确性较高.     

基于FMRAS的感应电动机转子电阻辨识研究

感应电动机矢量控制系统中,转子电阻的变化严重影响着系统的运行性能.对转子电阻的变化进行实时检测和辨识是提高系统性能的重要保证.针对感应电动机的矢量控制系统,基于无功功率模型,采用模糊控制以及模型参考自适应理论,提出了一种电机转子电阻的模糊自适应辨识新方法.该方法采用模糊控制技术对自适应机构的参数进行调整,设计了自适应律.系统仿真结果证明了该方法在转子电阻辨识中的有效性.     

基于扩张状态观测器的感应电机转子磁链观测

感应电机调速控制中的一个关键问题是如何克服转子电阻不确定的影响，准确地观测转子磁链。该文采用扩张状态观测器的方法，提出了一种新的转子磁链观测器。对电机方程中的定子电流动态方程进行整理，把包含转子电阻的不确定项综合在一起，并扩张成一阶新的状态，与原方程组成增广一阶的系统。对于新的系统，应用扩张状态观测器观测出原系统的不确定部分，使系统确定化，最后得到准确的转子磁链观测值。高速和低速下的仿真结果都表明该文的方法对转子电阻的变化具有极强的鲁棒性，可以在转子电阻不确定时对转子磁链进行准确观测。     

感应电机的神经网络逆系统线性化解耦控制

提出了一种新的感应电机的线性化解耦控制方法，其特点是不依赖于对象的精确数学模型与参数。通过用静态神经网络加积分器来构造感应电机的逆系统，将感应电机这一多变量、非线性、强耦合的复杂对象动态解耦成转速与转子磁链两个二阶线性子系统，然后运用线性系统理论进行综合。仿真与初步的实验结果表明系统具有优良的静态及动态解耦性能，且对电机参数的变化与负载扰动具有较强的鲁棒性。     

基于DSP的交流电动机变频调速控制系统

本文介绍了一种基于DSP交流电动机VVVF控制系统设计方案，采用SVPWM控制策略，具有过调制功能，当母线电压波动时，能使PWM波形输出稳定，实验波形显示系统具有较好的性能。     

一种基于DSP的交流电机矢量控制系统

通过对交流电机矢量控制技术的研究，本文介绍了一种基于DSP(数字信号处理器)的矢量控制系统。该系统采用SVPWM(电压空间矢量脉宽调制)控制方式，具有过调制能力，并在起始阶段采用静止励磁。试验结果表明该系统设计合理，具有良好的调速性能。     

感应电机的L2增益鲁棒控制

电机电阻在运行过程中会发生较大范围的未知变化，对感应电机的控制性能造成不利影响。该文针对工程中常用的三阶感应电机模型，根据L2增益干扰抑制理论设计了鲁棒控制器。在误差动态方程中，将由未知电阻引起的不确定项看作系统的干扰，设计控制器使得干扰信号对评价信号的L2增益小于给定的性能指标。仿真结果表明，即使转子电阻偏离其标称值很多，控制器仍然能够保持优良的转速与磁链跟踪性能。     

基于MATLAB/SIMULINK的异步电动机建模与仿真

根据异步电动机本身非线性的动态数学模型,构造出两相静止坐标系α、β下基于MATLAB环境的异步电动机仿真模型。通过对异步电动机动态过程的仿真,验证了模型的正确性。     

基于相关分析的感应电机定子故障诊断方法研究

分析了感应电机定子线圈短路故障时的振动特征及定子电流的谱特性，指出由于受电机固有不对称等因素的影响，单纯利用振动谱分析或定子电流信号频谱分析(MCSA)诊断定子线圈短路故障，不能得到准确可靠的诊断结果；提出了一种基于相关分析的感应电机定子故障诊断方法，能有效提取电机定子故障时的特征信息，利用该方法可提高故障识别的精度；实验结果证实，基于相关分析得到的谱特征可以作为感应电机定子线圈短路故障诊断的依据。     

基于定子电流矢量定向的异步电机转子磁链估计器及其应用研究

异步电机矢量控制的关键问题在于精确地估计转子磁链。然而，传统的磁链估计器的精度会因定子或转子电阻的摄动而降低。文中提出了一种基于定子电流矢量定向的转子磁链估计器。该新型估计器不包含定转子电阻，可以避免电阻参数摄动对估计精度的影响。开环和闭环的仿真结果表明，该估计器具有相当高的精度，并且在定转子电阻大幅度摄动时，估计结果几乎不受影响，显示出比传统的磁链估计器更强的抗扰动能力。     

基于R-L模型参数辨识的输电线路准确故障测距算法

输电线路的准确故障测距对于保障电力系统安全稳定运行具有重要的意义。该文充分利用了故障分量提供的故障信息，以模量分析与输电线路R-L模型为基础，提出了一种将故障状态网络的微分方程与故障分量网络的微分方程联立求解的单端量时域准确故障测距算法。该算法将故障距离、过渡电阻以及对侧系统的运行参数作为模型的未知参数进行求解辨识，利用数值微分代替测距方程中的一阶与二阶微分，消除了传统单端量故障测距算法中主要由于对侧系统实时运行参数未知而引起的原理性误差。该算法不受故障时系统的运行方式、网络结构以及电网频率波动影响。大量EMTP仿真表明，算法原理正确且具有较高的测距精度，在故障距离20—280km范围内测距的平均误差为0．0796％，最大测距误差小于0．173％，该误差主要来自截断误差，即用差分法计算时域连续信号的微分时所产生的误差。