基于模型预测控制的永磁同步电机参数辨识

为了达到永磁同步电机系统的动态响应快、稳态误差小、控制精度高的要求,采用模型预测控制设计转速控制器和电流控制器分别代替传统矢量控制系统的转速PI控制器和电流PI控制器,又因预测控制器较依赖于电机模型参数,易在电机运行过程产生参数失配现象,提出模型参考自适应方法对基于模型预测控制的永磁同步电机进行在线多参数辨识,以保证电机控制系统的性能要求,为了解决多参数辨识存在的欠秩问题,采用模型参考自适应分步辨识策略,以准确辨识电机模型参数,并在MATLAB/Simulink上仿真验证了所描述方法的有效性和可行性。     

粘着控制中的交流永磁同步电机调速控制研究

交流永磁同步电机的模型参数辨识精度是影响电机矢量控制方法性能的关键.基于此,在交流永磁同步电机同步旋转坐标系的数学模型下,提出了一种交流永磁同步电机模型参数的辨识方法,采用直轴电流阶跃响应实验同时辨识定子电阻和直轴电感,脉冲电压实验检测交轴电感,速度驱动实验检测转子磁通.在电机模型参数辨识结果的基础上,讨论了基于矢量控制的交流永磁同步电机调速控制系统电流环和速度环的设计方法.在基于TMS320F2812 DSP的电力机车粘着控制实验平台上进行了实验研究.实验结果表明电机模型参数辨识方法的有效性,调速系统具有良好的动态和稳态性能.     

基于无功功率的永磁同步电机转速辨识

传统的模型参考(MRAS)转速辨识是基于永磁同步电机理想的参考模型,要想准确地辨识出电机的转速需要准确地知道电机各种参数,但由于电机运行在不同条件下会导致参数发生变化,使得辨识系统性能变差。介绍了一种采用电机定子电流无功功率作为参考模型的永磁同步电机模型参考自适应系统,并结合矢量控制,利用Matlab进行了仿真分析。仿真结果表明采用上述无功功率参考模型的转速辨识系统具有良好的稳态性能,能够快速地辨识出电机转速,且依赖电机参数较少。     

基于神经网络的永磁同步电机参数辨识

内置式永磁同步电机(IPMSM)参数会随着使用环境和工作负荷的变化而产生变化,这将影响电机的控制性能,为此有必要对电机参数进行在线辨识。考虑逆变器非线性电压补偿因素,提出一种应用于最大转矩电流比(MTPA)模型预测控制(MPC)策略的自适应线性元件(Adaline)神经网络参数辨识方法,对IPMSM的d,q轴电感、定子电阻和转子永磁体磁链进行在线辨识,辨识过程采用分步辨识和循环更新的方法。最后通过仿真和实验验证了所提方法的准确性和实用性。     

基于参数在线辨识的高速永磁电机无差拍电流预测控制

针对无传感器表贴式永磁同步电机高速运行过程中电气参数摄动影响电流环性能和转子位置估计精度的问题，提出一种基于参数辨识的无传感器高速永磁电机无差拍电流预测控制方法。首先，为了提升电流环控制器的动态性能，结合永磁电机控制系统的特点，采用无差拍电流预测控制并进行模型参数敏感性分析。其次，针对多参数在线辨识存在的欠秩问题，提出在3种不同时间尺度下，采用基于神经元迭代求解的总体最小二乘法在线分步辨识电机定子电感、电阻和永磁体磁链。最后将辨识结果用于更新无差拍电流预测控制器及滑模观测器参数。实验结果表明，基于参数辨识的无传感器高速永磁电机无差拍电流预测控制方法能有效提高电流环控制器稳态性能及转子位置估计精度。     

基于遗忘因子多新息随机梯度算法PMSM参数辨识

针对传统辨识算法结果不精确以及电机参数变化问题,提出了基于遗忘因子多新息随机梯度辨识算法。结合永磁同步电机系统电压方程,构建离散辨识模型。采用矢量控制方法控制电机,获得辨识模型输入输出数据,对转子电阻和电感参数进行在线辨识。仿真结果表明,该算法能够实现对永磁同步电机参数的辨识。     

面向永磁同步电机参数辨识的免疫完全学习型粒子群算法

实际工程中永磁同步电机系统是一种具有强非线性动态系统,常规方法难以得到高精度参数估计值。结合完全学习型粒子群的多模态优化性能及免疫机理局部收敛能力强的优势,研究了免疫完全学习型粒子群智能计算模型方法。将所提方法应用于永磁同步电机系统参数辨识与建模中,构建一种基于免疫完全学习型粒子群算法的永磁同步电机多参数辨识模型方法。实验结果表明所提算法具有高效收敛性能,基于该算法的永磁同步电机多参数辨识模型方法不需要依赖任何数据手册上的电机设计值,能同时辨识电机定子电阻,转子磁链,d-q轴电感等电磁参数,且能跟踪电磁参数变化。     

新型分步式永磁同步电机参数辨识

永磁同步电机（PMSM）参数受所处环境等非线性因素的影响而变化,因此需要根据电机参数的不同调节控制系统,以达到更优的控制性能。针对不同电机的参数不同且无法实现快速手动测量的问题,提出一种无位置传感器PMSM的新型分步式参数辨识系统。系统分阶段采用伏安法计算电阻并采用高频电压注入法计算电机的电感和磁链,实现了无位置传感器的控制条件下,内置式PMSM的参数自动辨识。最后通过MATLAB/Simulink搭建仿真模型,验证了新型分步式参数辨识系统的可靠性并通过试验验证了系统的准确性。     

基于模型参考自适应参数辨识的永磁同步电机电流预测控制

在永磁同步电机运行过程中,电机参数时变使得电流预测控制器的模型参数和实际电机参数不匹配,导致其控制性能下降。提出了基于模型参考自适应系统(MRAS)的改进电流预测控制方法,利用旋转坐标系下d、q轴电流方程作为参考模型,基于Popov超稳定理论构建永磁同步电机的电感和磁链在线辨识系统,将得到的辨识参数应用于电流预测控制模型中,实现控制模型参数的在线更新。分析与仿真结果表明该方法能够有效地提升在电机参数变化下的电流预测控制性能。     

表贴式永磁同步电机的多参数在线辨识

针对表贴式永磁同步电机的多参数辨识,提出一种基于模型参考自适应理论的在线辨识方法,可在同一模型中对定子电阻、交直轴电感和永磁体磁链进行辨识。该方法借助Popov超稳定理论设计自适应律,保证了特定条件下辨识的收敛性,同时采用分步辨识,克服多参数辨识的欠秩问题,保证了辨识结果的唯一性,从而实现多参数辨识。分步辨识首先利用电机q轴电流方程估算出交直轴电感,之后对d轴注入一个小电流值,利用已获得的电感值辨识出定子电阻和转子磁链,同时所辨识出的磁链可进一步用来在线估算定子电阻值的变化。仿真和实验结果表明,该方法可以在同一模型中准确辨识出电机的多个参数,且无需考虑电机的运行状态,具有实用性。     

永磁同步电机非线性黄金分割自适应转速控制

针对永磁同步电机系统复杂设计高精确度的控制器比较困难的问题,采用id=0的矢量控制策略,基于永磁同步电机的特征模型,设计一个以非线性黄金分割自适应控制为主的控制方案。通过安排过渡过程和特征模型参数的在线辨识实现了该控制方案下控制器参数的在线自适应调节。实验结果表明该控制方案不仅能够实现永磁同步电机较高精确度的转速控制,与一阶自抗扰控制、增广状态反馈控制和传统的PI控制相比,具有更加优越的暂态和稳态性能。     

预测控制在永磁同步电机控制系统中的应用

永磁同步电机通常采用矢量控制方法,这种方法的缺点是参数的变化、负载扰动等因素对系统的稳定性、可控性影响较大,该文通过分析永磁同步电机的数学模型,在对其数学模型进行线性化简化的基础上,提出了一种永磁同步电机的预测控制策略,仿真结果表明,利用该法建立的永磁同步电机调速系统,具有良好的控制效果。     

基于MRAS的永磁同步电机无速度传感器控制

传统的永磁同步电机矢量控制需要实时获取转子的位置信息,常用的转子位置传感器存在增加系统体积、成本高、易受干扰等问题,且难以在恶劣的外部环境下正常运行.文中基于永磁同步电机的数学模型和转子磁场定向的矢量控制方法,对目前的无速度传感器技术进行了深入研究,提出了一种在同步旋转坐标系下的模型参考自适应系统(MRAS)来估计转子位置的方法.该方法以含有转子位置参数的永磁同步电机定子电压方程为可调模型,以永磁同步电机本身作为参考模型,以超稳定性与正性动态理论为基础设计了自适应率.同时利用稳态定子电压方程对dq轴电压进行前馈解耦,改善了由于dq轴电流两个分量间存在的交叉反馈关系导致的系统收敛性较差的问题.最后对所提出的新型MARS无速度传感器控制进行了仿真分析,并利用基于模型设计(MBD)的方法直接在Simulink中生成DSP的核心算法代码进行实验验证.结果 表明,该方法能够较好地估计转子位置,可以代替位置传感器.     

UUV推进电机在线参数辨识自适应控制方法研究

针对水下无人航行器(UUV)的推进电机矢量控制系统中电流控制器性能因参数变化而下降的问题,提出一种基于智能在线参数辨识的电流环自适应控制方法。以离散型永磁同步推进电机动态模型作为被控对象,采用动态惯性权重粒子群算法对永磁同步推进电机的定子电阻和dq轴电感进行在线辨识,根据电流控制器工程设计方法,将辨识所得的电机参数实时用于计算电流控制器的PI值,实现电流环的自适应控制。最后,通过仿真实验验证所提方法的有效性,结果表明该方法可以有效地克服水下快速洋流对推进电机的负载扰动,进而实现永磁同步推进电机的快速、高精确度电流控制性能。     

考虑逆变器非线性因素的表贴式永磁同步电机参数辨识

在表贴式永磁同步电机参数辨识中,逆变器的非线性因素会影响电机参数的辨识精度。该文通过方程变换去除定子电压方程中逆变器非线性因素产生的误差电压,构建不受逆变器非线性因素影响的参数辨识模型。为了提高辨识结果的收敛速度并降低稳态误差,采用加入动量项的自适应线性元件(Adaline)神经网络算法辨识电机参数。实验结果表明,所提方法能提高电感、定子电阻和转子磁链的辨识精度,并加快辨识结果的收敛速度。     

面向PMSM参数在线辨识的引入惯性因子的改进模型参考自适应方法

在线辨识永磁同步电机的参数可以实现PI控制器的实时整定,有利于电机的解耦控制以及弱磁的计算。针对模型参考自适应法在辨识永磁同步电机参数时出现的波动问题,本文引入了电机参数变化趋势的惯性因子,使参数辨识值在迭代更新时,更符合参数的变化趋势。针对永磁同步电机电气参数辨识的方程欠秩问题,本文重新设计了分步辨识的步骤,减少了定子电阻误差对永磁体磁链辨识的影响。仿真实验显示,改进后的模型参考自适应算法无噪音条件下电感、磁链、电阻辨识的绝对误差分别为改进前的30.30%、19.77%、14.12%;噪音条件下,电感辨识精度接近,磁链、电阻绝对误差分别为改进前的24.17%、37.42%,表明改进后算法辨识精度得到提升。     

基于递归神经网络的永磁同步电机参数辨识研究

电机参数的变化会加大永磁同步电动机(PMSM)的控制难度,所以研究参数辨识对于闭环控制系统的稳定运行有着重大的意义。在采用变分理论实现最小绝对值偏差法(LAD)的基础上,研究了一种基于递归神经网络(RNN)的辨识方法。仿真结果表明,该方法具有很快的收敛速度,能准确地辨识PMSM的定子电阻、d,q轴电枢电感及转子磁链等参数,并且具有良好鲁棒性,在出现参数变化或异常值情况下仍能辨识到正确结果。     

基于最小二乘法的永磁同步电动机参数辨识

针对永磁同步电动机参数的时变和不确定性,设计了基于遗忘因子递推最小二乘法的电机定子电阻、dq轴电感以及转动惯量的辨识方法,仿真结果表明了该方法收敛速度快,能准确地实现电机定子电阻、dq轴电感以及转动惯量的辨识。