基于绝对稳定性的异步电机转速自适应辨识方法

基于非线性控制系统的绝对稳定性定理，提出了一种新的通用异步电机转速自适应辨识方法。通过理论分析可以证明传统的MRAS（模型参考自适应方法）转速辨识算法就是该理论的一种较优实现形式，从而从另一方面证明了MRAS转速辨识方法的稳定性，并且解决了传统MRAS算法中武断的忽略磁链观测误差的问题。在MATLAB／Simulink环境下对该理论进行了仿真验证。     

自适应神经网络辨识异步电机转速的研究

根据异步电机的数学模型，经过一定的变换，利用电机易于检测到的定子电压和电流，通过Simulink模块和S函数建立了自适应神经网络辨识模型，该方法简单，直观，仿真结果表明，系统具有良好的性能。     

模型参考自适应转速辨识算法比较

根据异步电动机的数学模型,构建了无速度传感器矢量控制系统模型参考自适应转速辨识模型,采用自适应PI算法及神经网络算法对以转子磁场定向无速度传感器矢量控制系统进行了仿真,比较了两种算法的动态性能。     

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。     

自适应神经网络辨识异步电机转速的研究

根据异步电机的数学模型 ,经过一定的变换 ,利用电机易于检测到的定子电压和电流 ,通过Simulink模块和S函数建立了自适应神经网络辨识模型。该方法简单、直观 ,仿真结果表明 ,系统具有良好的性能     

基于MRAS的异步电机转子时间常数实时辨识

介绍了一种基于模型参考自适应(MRAS)的感应电机转子时间常数实时辨识方法。根据MRAS系统中参考模型和可调模型的状态误差调节可调模型的参数,在线辨识转子时间常数。理论分析证明该算法具有李雅普诺意义下的全局稳定性。最后对该算法进行了仿真验证。     

基于离散MRAS的异步电机静态参数辨识

本文提出用电压型ＩＧＢＴ逆顺供电的异步电机静态参数的离散ＭＲＡＳ辨识方法。根据异步电机静态参模型,以定子电流的参考输出导出了参数适应律,并在仿真研究的基础上讨论了基于离散ＭＲＡＳ的异步电机静态参数辨训的ＤＳＰ（ＴＭＳ３２０Ｃ５０）实现方法。通过仿真和实验证实了该方法对异步电机静态参数有较好的辨识精度和噪声适应性。     

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.     

用神经元网络进行异步电机转速的辨识和估计

根据异步电动机直接转矩控制原理、提出了采用人工神经元网络速度辨识方法去实现无速度传感器的交流调速控制系统。文介绍了异步电动机直接转矩控制的基本方程和神经网络速度辨识模型,仿真结果表明,系统具有良好的性能。     

基于MRAS的异步电机转子电阻的辨识方法

矢量控制系统的性能很大程度上依赖于电机参数的准确测量,而异步电机的转子电阻在电动机运行中由于温升、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。文中提出了一种基于模型参考自适应的转子电阻辨识的方法,以瞬时无功功率作为模型.通过自适应调节得到所需的转子电阻参数。仿真结果表明。该方法可以准确、快速的辨识转子电阻,并且提高了系统的鲁棒性。     

感应电动机自适应速度辨识及其在直接转矩控制系统中的应用

本文应用模型参考自适应方法对感应电动机的转速进行辨识,直接采用实际电机作为参考模型,可调模型为电机的全阶状态观测器,导出自适应律中只包含定子电流的误差项,因而不必计算转子磁链电压模型,并将转速辨识结果应用于直接转矩控制系统进行速度闭环控制。仿真结果证明了这种方法的有效性。     

一种改进的模型参考自适应多相感应电机转速估计方法

转速估计是无速度传感器矢量控制系统的关键,其精度将直接影响矢量控制系统的控制性能。将基于电机反电动势的模型参考自适应系统MRAS（model reference adaptive system）方法用于多相感应电机转速估计,对该方法进行了理论推导和稳定性分析。针对输入信号的噪声导致的估算精度降低问题,引入低通滤波器滤除噪声信号,并从理论上分析了其对稳定性的影响。在此基础上设计了变PI参数、变滤波截止频率的MRAS转速估计方法,仿真和实验结果表明优化的转速估计方法具有较好的估计精度和静、动态性能。     

基于微分型MRAS模型的速度估算方法

模型参考自适应(MRAS)方法一般采用电压模型来进行磁链估计,但电压模式的纯积分环节的直流分量一直困扰着MRAS方法在低速时的控制性能。对电压模型进行了改进,把输入改为磁链,输出改为电压,然后把计算的电压与测量电压进行比较从而校正转速,彻底解决了电压模型的积分问题。利用Simulink搭建仿真模型分别在高、低速进行转速仿真实验,证明了该模型的观测转速效果好。     

一种新型模型参考自适应滑模速度辨识方法

提出了一种新型的模型参考自适应滑模速度辨识方法,用于异步电动机转速的精确辨识.该方法的结构主要包括参考模型、可调模型和滑模控制器3部分,首先利用参考模型和可调模型分别计算电机的转子磁链,然后将两者误差送入滑模控制器中计算电动机的转速.其中,参考模型采用了一种结构简单的改进电压磁链模型,有效解决了传统电压模型固有的直流偏...     

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。     

采用模糊自适应速度估计的异步电动机调速系统

为提高无速度传感器异步电动机速度的实时估计与磁链的准确定向，在按定子磁链定向的矢量控制系统中，提出了模糊自适应速度估计的方法。并与传统的PI自适应速度估计进行了比较。仿真与实验结果表明，该系统具有较好的动态辨识特性和鲁棒性。     

基于感应电机定子磁链U-N模型的速度自适应辨识方法

文中研究了基于异步电机定子磁链U-N模型的速度辨识问题。建立了基于异步电机Γ-型参数的状态方程,给出了基于U-N模型的定子磁链观测器;基于李雅普诺夫稳定性理论推出了速度自适应律,给出了基于这种全阶磁链观测器方案的模型参考自适应速度辨识方法。研究了异步电机无速度传感器的直接转矩控制方案,建立了此方案的Matlab仿真模型进行仿真分析;在搭建的牵引电机试验平台上进行了试验研究,并给出了Matlab数字仿真结果以及试验结果。仿真结果和试验结果表明辨识转速能够准确地跟踪实际转速,证明了基于定子磁链U-N模型的速度自适应辨识方法的有效性和实用性。     

基于模糊神经网络的异步电机转速估计方法

根据异步电机的数学模型,提出基于模糊神经网络的异步电机转速估计方法。将传统参考自适应系统中原有的自适应调节机构用一个具有在线学习能力的模糊神经网络取代,得出了一种基于模糊神经网络的异步电机转速估计方法,并给出了速度估计器的模糊神经网络结构和学习算法。仿真结果表明,该方法能准确跟踪电机实际转速的变化,具有良好的性能。