3相全桥驱动的S-MCSRM数学模型

针对短磁路互感耦合开关磁阻电机(S-MCSRM)的绕组连接方式和原理,建立电机的简化磁网络模型。通过插值法计算得到开关磁阻电机(SRM)磁链/磁势曲线簇。在此基础上,推导S-MCSRM磁链方程,利用二分法计算S-MCSRM磁链特性。根据虚位移原理和SRM磁链/磁势模型,得到S-MCSRM两相同时导通时的矩角特性。利用有限元软件,从电磁场分析的角度,计算获得S-MCSRM的电磁特性,并与磁网络模型法进行比较,比较结果表明,该非线性建模法的误差不超过20%,验证了建模方法的合理性和有效性。根据建立的S-MCSRM数学模型,比较分析了电机和传统SRM的电磁转矩及转矩脉动系数。     

基于TSF与模糊开关角的SRM建模与控制系统仿真研究

开关磁阻电机(SRM)的模型直接影响电机性能分析以及控制效果,虽然SRM结构简单,但开关磁阻电机双凸结构和磁路的严重饱和,使其精确建模十分困难。针对这一问题,提出一种基于BP神经网络建立开关磁阻电机电流、转矩模型的查表方法。利用有限元软件得到的样本数据对BP神经网络进行离线训练,输出期望数据,用于查表法的SRM非线性模型。利用转矩分配控制和模糊开关角控制可有效抑制SRM的转矩脉动。仿真实验结果表明,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。     

基于在线模糊神经网络建模的开关磁阻电机高性能转矩控制

针对开关磁阻电机(SRM)的转矩脉动问题,提出了一种新的SRM转矩控制方案。首先应用自适应模糊神经网络(ANFIS)对SRM静态转矩逆模型和磁链模型进行离线学习,然后根据转矩分配函数对各相转矩进行分配,利用ANFIS转矩逆模型求出期望转矩下的SRM优化相电流波形。考虑到离线模型的局限性和实时运行时电机中存在的参数变化等不确定因素,通过在线监督学习的方法调整ANFIS转矩逆模型和磁链模型的参数以提高模型的准确性。基于在线调整的ANFIS磁链模型设计自适应滑模控制器调节SRM相绕组中的实际电流跟踪期望相电流波形,从而实现其高性能转矩控制。     

开关磁阻电机的非线性建模转矩估计研究

开关磁阻电机(SRM)的双凸极结构使其电磁特性呈高度非线性,本文在对SRM磁化特性曲线(θ,i)分析的基础上,采用了一种倒数函数来建立SRM模型的方法.在获得SRM特殊转子位置处的磁链数据点的基础上,利用傅里叶级数分解和倒数函数来拟合SRM磁链特性,进而推导出电磁转矩模型.本文借助Matlab软件,搭建了开关磁阻电机直接瞬时转矩控制(DITC)的非线性建模转矩估计系统模型,并进行了仿真,仿真结果表明该模型能很好反映实际的电磁转矩,验证了所建模型的准确性和有效性.     

基于MATLAB的开关磁阻电动机线性及非线性建模仿真

基于开关磁阻电动机的磁化特性,分析了开关磁阻电机(SRM)的线性电感和非线性电感模型。根据这两种动态模型,在Matlab/Simulink环境下对SRM、功率变换器及其控制系统进行了建模和仿真。此模型通用性强,修改方便,而仿真结果较好地反映了SRM的运行状况。所建模型对于辅助分析设计SRM驱动系统有一定参考价值。     

基于RBFN-AFS的开关磁阻电机非线性模型与动态仿真

针对开关磁阻电机(SRM)电磁特性存在饱和非线性、多变量、强耦合的特点,提出了一种基于径向基函数网络的自适应模糊系统(RBFN-AFS)建立SRM模型并进行动态仿真的新方法.该方法在实测SRM磁链和转矩特性的基础上,采用递阶自组织学习(HSOL)算法对RBFN-AFS网络进行学习训练,使网络从样本数据中估计出未知的模糊规则,并在学习训练过程中不断更新和修正网络隐层节点参数矢量和连接权值,最终实现磁链与转矩对转子位置角和相电流的非线性映射关系,与其他建模方法相比,该模型具有更快的计算速度和更好的泛化能力.将基于RBFN-AFS网络的电流-磁链和转矩模型应用于SRM调速系统的动态仿真分析中,通过仿真与实验比较,此方法能够很好地预测SRM的动态和稳态运行特性.这种基于RBFN-AFS的建模方法为实现SRM的各项性能分析和各种实时控制提供了一种新的思路.     

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。     

一种高效率开关磁阻电机转矩脉动抑制方法

开关磁阻电机驱动系统(SRD)具有可靠性高、容错能力强等优点,但在运行过程中存在转矩脉动大的问题。针对此问题,该文研究了一种高效率开关磁阻电机(SRM)转矩脉动抑制方法。首先,基于SRM电感特性曲线构造一种简单的开通角选择函数,使SRM后一相在能跟踪转矩给定的同时避免相电流峰值过大。然后,根据前后两相的转矩电流比将换相区分为两个子区间,在相应子区间优先选择转矩电流比较大的相提供转矩,并在换相结束阶段提前关断前一相,避免较大的相电流进入负转矩区域,从而实现高效率转矩脉动抑制。最后,将该方法进行仿真以及硬件在环测试,结果验证了该方案的可行性。     

基于模糊逻辑控制的SRD仿真实现

分析了开关磁阻电动机调速系统(SRD)的工作原理及开关磁阻电动机(SRM)的非线性电感模型.在此基础上,对其进行了简化处理,并采用模糊控制器对SRM的开关角进行实时补偿,同时建立了基于电流斩波控制的四相SRM非线性仿真模型,通过仿真验证了该控制方式的正确性,证明了该模型不但计算相对简单且能有效减小转矩脉动和提高系统的动...     

基于模糊PI控制器SRM的DITC系统研究

开关磁阻电机(SRM)的转矩脉动是其主要的缺点.采用了直接瞬时转矩控制(DITC)的方法来抑制开关磁阻电动机的转矩脉动.但开关磁阻电动机的非线性难以构成高性能的调速系统,因此又提出了模糊控制理论与常规PI调节器相结合而构建的模糊PI复合控制方法,并将该控制器应用于DITC系统进行了仿真研究.仿真实验结果表明,DITC方法能够有效减小SRM的转矩脉动,而且模糊PI控制器能够使系统动态响应快、超调小、动静态性能优越、鲁棒性强.     

基于GA-ANFIS的开关磁阻电机建模

针对在使用自适应神经网络模糊推理系统对开关磁阻电机进行建模的过程中收敛速度慢的问题,采用将遗传算法和自适应神经网络模糊推理系统相结合的开关磁阻电机建模方法.网络结构仍然采用具有很强鲁棒性和自适应性的Takagi-Sugeno模型,而在网络参数训练时将遗传算法与自适应神经网络模糊推理系统的传统混合学习算法相结合,以提高训...     

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。     

基于模糊逻辑控制的SRD仿真实现

分析了开关磁阻电动机调速系统（SRD）的工作原理及开关磁阻电动机（SRM）的非线性电感模型。在此基础上,对其进行了简化处理,并采用模糊控制器对SRM的开关角进行实时补偿,同时建立了基于电流斩波控制的四相SRM非线性仿真模型。仿真结果验证了该控制方式的正确性,该模型不但计算相对简单且能有效减小转矩脉动和提高系统的动、静态性能,并能满足一定精度要求,为实际的SRD设计和调试提供有效的手段和工具。     

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。利用PSO算法进行全局优化,避免了BP神经网络易陷入局部极小值的缺点。并通过实验样机实测磁链值,对两种磁链模型进行对比分析。仿真结果表明,此改进方法具有一定的准确性。最后通过Matlab仿真验证将精确度高的磁链模型应用于简化磁链法中,实现SRM无位置传感器控制具有可行性。     

基于等效磁网络法的混合励磁双定子磁悬浮开关磁阻电机建模研究

提出了一种混合励磁双定子磁悬浮开关磁阻电机(BSRM)的等效磁网络模型,此模型可以分析电机悬浮和转矩绕组的磁链、电感及悬浮力和转矩等静态特性。等效磁网络法(EMN)不仅能保证一定的精度,而且比有限元法（FEM）节省时间。基于一种24/16/8极混合励磁双定子BSRM建立EMN模型,推算出电机定转子齿部、轭部以及气隙磁导的计算公式。建立矩阵方程,求解出各部分的磁通密度,进而求出悬浮和转矩绕组的磁链、电感以及悬浮力和转矩特性,和FEM求解的结果进行对比。可以发现EMN模型求解出的电磁特性和FEM分析的结果吻合效果很好,进一步证明了所建模型的有效性。     

基于MEA-BP神经网络的开关磁阻电机静态电磁特性建模

建立精确的开关磁阻电机（SRM）模型对于改善SRM的性能和控制效果有着重要的影响。针对SRM运行时磁路的高度饱和和严重非线性问题,提出了基于思维进化算法（MEA）优化的反向传播(BP)神经网络算法的SRM非线性模型。利用ANSYS Maxwell软件建立了四相8/6极SRM模型并进行有限元计算,通过仿真和试验值的对比验证了该模型的精度比未经MEA优化的BP神经网络模型更高,可以更好地反映SRM运行时的磁链特性和转矩特性,且具有较好的泛化能力。     

A New Method to Measure the Switched Reluctance Motor's Flux

This paper presents a method to measure the flux linkage curves of a switched reluctance motor (SRM) that avoids the inherent errors introduced by iron and copper losses using the classic method of applying a voltage to the phase of the SRM and integrating it, minus a resistive voltage drop to get the flux. In the proposed method, the flux is computed from the measured static torque using conservation of energy and from the SRM's measured unaligned inductance. In this paper, the method is applied to measured torque data from an experimental SRM and to torque calculated by finite-element analysis (FEA). The experimental results and FEA results are compared with the results obtained using the classic method and an analytical model.