在线调整模型法开关磁阻电机位置检测

提出了一种基于非线性模糊模型并经在线调整的开关磁阻电机(SRM)转子位置检测的方法.该方法在初步建立开关磁阻电机电流、磁链和转子位置非线性模糊模型后,结合电机的运动方程对该模型进行在线调整,使该模型表达的这三者关系更加准确.研究证明,这种转子位置检测方法具有很高的精度.     

基于神经网络脉冲激励的SRM无位置检测研究

分析了基于非通电相加脉冲激励检测开关磁阻电机转子位置的原理,提出了一种结合误差反向传播(Back Propagation,BP)神经网络模型预测开关磁阻电机(SRM)转子位置方案。利用有位置检测系统获得训练样本和测试样本,以响应电流为输入,转子位置为输出,建立单输入单输出BP神经网络模型,通过对网络进行训练获得响应电流与转子位置的映射关系,实现转子位置预测。并用测试样本进行验证。通过仿真分析证明了该方法提高了单相脉冲激励法转子位置检测的精度。     

基于支持向量机的开关磁阻电机转子位置估计

开关磁阻电机具有结构简单、工作可靠、效率高和成本较低等优点,在很多领域都显示出强大的竞争力,但是位置传感器的存在不仅削弱了开关磁阻电机结构简单的优势,而且降低了系统高速运行的可靠性,增加了成本.针对这一问题,提出了基于支持向量机的开关磁阻电机转子位置估计新方法.该方法针对开关磁阻电机的非线性,利用支持向量机泛化能力强以及能够较好地解决小样本学习问题的特点,通过离线学习的方法形成一个理想的支持向量机结构来实现电机电流、磁链与转子位置之间的非线性映射,实现开关磁阻电机的转子位置估计.仿真及实验结果表明,该方法能够实现电机转子位置的准确估计,进而实现开关磁阻电机的无位置传感器控制.     

开关磁阻电机非线性径向力的有限元计算

开关磁阻电机的径向力存在着严重的非线性,它是转子位置角和定子相电流的非线性函数,因此如何分析和计算开关磁阻电机的非线性径向力模型是研究振动与噪声的关键问题。该文基于有限元原理,通过虚位移法对开关磁阻电机的径向力非线性模型进行分析和计算。最后,应用ANSYS软件计算样机径向力的有限元模型,得到了径向力与转子位置角和定子相电流的非线性关系曲线,为开关磁阻电机非线性振动及控制研究奠定了基础。     

基于径向基函数神经网络的开关磁阻电机建模

基于径向基函数神经网络的局部逼近理论 ,利用高斯基函数 ,在分析测量数据和开关磁阻电机非线性磁特性的基础上 ,建立了开关磁阻电机的模型。通过与样机实测数据比较 ,验证了模型的有效性。与传统的局部线性化方法及BP神经网络比较 ,本文所建模型有更好的泛化能力和更快的速度 ,比较准确地反映了开关磁阻电机的磁特性 ,这对于开关磁阻电机的实时在线控制具有重要意义     

神经网络在开关磁阻电机建模中的应用

为实现开关磁阻电机系统(SRD)的高性能控制,需建立开关磁阻电机(SRM)的准确磁特性模型.由于SRM磁特性为转子位置和相电流的高度非线性函数,因此建模非常困难.利用神经网络具有良好的非线性映射能力,在获取准确磁特性样本数据基础上,建立SRM的非线性模型.仿真结果表明,该模型能正确反映SRM的磁特性.     

基于模糊模型无位置传感器开关磁阻电机的位置检测

提出了一种基于非线性模糊模型的开关磁阻电机(SRM)转子位置检测的方法.该方法力求用最少的输入数据,得到初步的SRM非线性模糊模型,然后结合电机的运动方程对该模型进行在线调整;在此模型的基础上,运用模糊算法,以电流和磁链作为输入、位置作为输出,检测出转子的位置.研究证明,这种转子位置检测方法具有很高的精度.     

基于BP神经网络的开关磁阻电机直接转矩控制系统及实现

直接转矩控制可有效抑制开关磁阻电机(SRM)转矩脉动。由于开关磁阻电机双凸结构和磁路的严重饱和,造成其转矩是关于电流和转子位置的严重非线性函数,转矩计算非常困难。针对这一问题,本文提出一种采用基于BP神经网络建立开关磁阻电机转矩模型的方法。利用有限元仿真得到的转矩样本对BP神经网络经行进行离线训练,完成电流、位置角度到转矩的非线性映射,构造出基于BP神经网络的转矩观测器。再将构造好的转矩观测器应用于电机直接转矩控制系统中,对电机的转矩经行进行实时在线估算。最后,将估算转矩经行反馈,完成电机的直接转矩控制。该控制方法利用了BP神经网络泛化、逼近能力强的优点,同时控制过程简单,无需在线训练。实验结果表明,所提方法转矩计算速度快、计算精度高,可以满足实时控制的要求,有效地减小了电机的转矩脉动。     

神经网络在开关磁阻电机建模中的应用

为实现开关磁阻电机系统（SRD）的高性能控制,需建立开关磁阻电机（SRM）的准确磁特性模型。由于SRM磁特性为转子位置和相电流的高度非线性函数,因此建模非常困难。利用神经网络具有良好的非线性映射能力,在获取准确磁特性样本数据基础上,建立SRM的非线性模型。仿真结果表明,该模型能正确反映SRM的磁特性。     

开关磁阻电机的Pi-sigma模糊神经网络建模

开关磁阻电机的磁路高度饱和及双凸极结构导致了相绕组的磁链是转子位置和相电流的非线性函数。本文采用兼具Takagi-Sugeno(T-S)模糊逻辑和神经网络优点的Pi-sigma模糊神经网络来建立开关磁阻电机的非线性模型并采用了附加动量项的自适应学习速率训练算法。实现了开关磁阻电机的较高精度建模,减少了学习训练次数,简化了结构,使其可在线快速运算。本文通过对相电流与转子位置角的非均匀间隔采样和对论域的全面覆盖,来达到测量数据的合理分布,以提高建模精度和泛化能力并减少测试数据量。通过对模型输出数据与实测数据进行比较及对泛化样本数据的校验表明,本文所建立的模型具有精度较高、泛化能力较好、结构较简洁、运算速度较快等特点。     

基于自适应网络模糊推理系统的开关磁阻电机建模方法

提出一种开关磁阻电机(switched reluctance motor,SRM)数学建模的新方法：在已知开关磁阻电机静态电感曲线和矩角特性曲线的基础上,将自适应网络模糊推理系统(adaptive network based fuzzy inference system,ANFIS)用于SRM的整体建模中。该模糊推理系统由5层网络构成,将模糊推理与神经网络有机结合起来,利用它的自学习功能计算出模糊系统的隶属度函数以及相应的模糊规则,形成一个结构简单、紧凑的网络来实现电机绕组电流、转子位置角与电感和转矩的非线性映射关系,然后离线训练得到电感与转矩模型。把这种基于ANFIS的电感和矩角模型应用于SRM的系统建模中,以550 W、6/4极SRM为例,进行了仿真与实验比较,结果表明此建模方法能够较好的反映SRM的实际工作状况,从而为SRM系统的建模分析与设计提供一种新的有力的工具。     

基于改进的开关磁阻电机无位置传感器技术

由于开关磁阻电机(SRM)的双凸极结构与高饱和性,其磁链为相电流和转子位置的高度非线性函数.在简化磁链法中建立精确而小规模的SRM磁链模型,是实现SRM无位置传感器控制的关键.采用预处理方法优化神经网络(BPNN)模型可以减小尺度,提高精度;为了进一步优化该模型,在此基础上提出粒子群(PSO)优化BPNN的建模方法.利...     

开关磁阻电机小波神经网络无位置传感器控制

提出了一种基于小波神经网络的开关磁阻电机无位置传感器控制新方法.该方法采用两个不同的小波神经网络分别获取相绕组换相逻辑的开通信号和关断信号,经过综合处理得到单相绕组的开关信号.神经网络以相绕组的电流和磁链为输入,以各相的开关信号为输出,从而建立起电流、磁链和开关信号的非线性映射.采用电机在有位置传感器运行条件下的样本对小波神经网络进行训练,训练完成后,用神经网络输出结果取代位置传感器换相信号,实现电机无位置传感器运行.仿真和实验结果表明,由神经网络获得的开关信号和由位置传感器获得的开关信号相比误差小,电机能够准确换相,且输出转矩波动小,转速曲线平滑,电机在无位置传感器下运行良好.     

支持向量机的开关磁阻电动机转子位置估计器

用支持向量机回归函数来逼近转子位置角与相磁链、相电流之间存在的非线性关系,通过对离线获取的磁化曲线的学习,得到作为转子位置估计器的支持向量回归估计函数。并将其应用于在线仿真试验中进行验证,取得了比较理想的试验结果,证明了该方法的有效性。     

在线建模的开关磁阻电机四象限运行无位置传感器控制

基于在线建模提出了一种开关磁阻电机无位置传感器控制方法。建立了以相电流和磁链为输入、转子位置角度为输出的径向基神经网络模型,以轴编码器实时获得的转子位置角度为学习样本,对开关磁阻电机进行了在线建模。提出了静止状态下激励脉冲法与运行状态下滑模观测器相结合的四象限运行无位置传感器控制策略,实现了电机无传感器运行。实验结果表明,电机转子位置估计误差小于2,象限间切换可靠,具有良好的动态和静态性能,为大功率开关磁阻电机无传感器控制提供了一种易于实现的方案。     

High-grade position estimation for SRM drives using fluxlinkage/current correction model

This paper proposes a principle of high-resolution sensorless position estimation for a switched reluctance motor (SRM) drive, using either flux linkage or current to correct for errors in rotor position. The estimation algorithm makes full use of the nonlinear magnetic characteristics of the SRM through correlation of current, flux linkage and rotor position. The estimation model is simple, but with no loss in accuracy, leading to few real-time computations. Furthermore, a criterion is proposed to choose the phase most suited for position estimation when more than one phase conducts. The algorithm can also correct the predicted flux linkage, which, in turn, may be used to further correct the position estimate, and the features hereof are discussed. Simulations, real-time implementation and experimental results using the algorithm are presented, and confirm the concept     

基于Pspice的电动汽车用开关磁阻电动机建模与仿真

本文提出了一种基于通用电路分析软件Pspice的开关磁阻电动机(SRM)的动态仿真模型.模型中利用有限元计算的SRM磁化曲线数据,电路部分采用反电动势模型,并考虑了可变电感动态变化对绕组反电动势的影响,利用适当的控制源将SRM的电路和磁路相耦合.利用提出的Pspice仿真模型,对研制的12/8极20kW电动汽车用SRM进行了仿真计算,实验结果验证了该模型的正确性,对SRM的进一步优化设计、优化控制等均具有指导意义.     

一种开关磁阻电机非线性磁链与转矩建模方法

开关磁阻电机(SRM)由于磁化曲线高度饱和非线性的特点,造成传统的电机性能分析和建模方法很难运用到SRM中。根据SRM磁链曲线的特点,提出了一种带修正因子的反正切函数来建立SRM模型的方法。在获得SRM 5个特殊转子位置处的9个磁链数据点的基础上,利用傅立叶级数分解和反正切函数来拟合SRM的磁链特性,并推导出电感和电磁转矩模型。该模型函数表达式简单、系数修改方便、计算精度高,并且能够直观的反映SRM的磁链、电感和转矩变化情况。以一台550 W、6/4极SRM为例,进行了仿真与实验比较,结果表明该模型能够很好的反映SRM的实际工作状况,验证了所建模型的精确性和有效性。     

一种开关磁阻电机无位置传感器控制效率优化策略

针对开关磁阻电机(SRM)的简化磁链法只能实现单相导通运行且导通区间固定的缺点,提出了一种结合固定关断角和自适应调节开通角的无位置传感器控制技术。利用曲线拟合关断位置磁链取代传统存储数据表,通过对比实时计算的动态磁链和曲线拟合的静态磁链,确定关断位置信号并估计转速和其他位置。考虑电机阻抗和电感的非线性特点,优化电感最小区域的开通角自调节模型确定导通区间。仿真结果验证了该方案的可行性和正确性,能够实现转子位置的间接检测,电机的运行效率得到进一步优化。