基于PI自适应的双馈电机转速辨识

变速恒频双馈电机无速度传感器控制时,系统的稳定运行取决于转速辨识的准确性。常规开环转速辨识方法受系统参数影响较大,不利于系统的动态运行。针对此问题,本文深入研究了基于PI自适应的双馈电机转速辨识方法,实现了双馈电机转速的精确动态辨识,且具有良好的抗扰性能。MATLAB仿真及实验验证了该辨识方案的有效性。     

永磁同步电机矢量控制双滑模模型参考自适应系统转速辨识

编码器的使用降低了永磁同步电机矢量控制系统的可靠性和耐用性,且某些场合无法安装编码器。理论上可以通过永磁同步电机的电压和电流实时计算出电机的转速和转子位置角度。该文提出了一种基于双滑模模型参考自适应系统(model reference adaptive system,MRAS)的永磁同步电机无位置传感器控制策略。其中,参考模型为永磁电机本身,可调模型为永磁电机电流模型。利用两模型输出的偏差构造了2个滑模面,将通过滑模算法获得的等效控制进行运算即可获得电机的转速和转子位置角度,并分别用于矢量控制系统的速度调节和坐标变换。在理论分析的基础上进行了仿真研究,仿真结果表明所提出的观测方法是有效的。     

双馈发电机自适应定子磁链观测及参数辨识

为了使双馈发电机的有功、无功功率得到充分解耦,在分析双馈发电机的数学模型和矢量控制的基础上,提出一种基于模型参考方法的自适应定子磁链估计算法,应用Lyapunov原理证明了定子磁链估计的收敛性.仿真结果表明,该方法对发电机参数的变化的确能做到跟踪辨识,提高了控制系统的准确性和鲁棒性.     

基于神经网络的混合速度辨识方法研究

提出了将开环直接计算与模型参考自适应方法相结合的神经网络混合转速辨识模型。仿真结果表明，基于该速度估计器的矢量控制系统动、静态性能好，解决了瞬时无功模型参考自适应方法在转速给定为负阶跃时的转速不稳定问题，转速估计精度高。     

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。     

双馈发电系统的神经网络逆控制

将神经网络逆控制方法应用于双馈发电系统,根据双馈发电机功率控制数学模型推导逆系统模型,合理选择逆控制输入、输出信号,用神经网络实现逆控制算法,将系统分解为有功功率和无功功率的两个单变量线性子系统.运用线性系统综合方法,设计了由PI调节器组成的有功功率和无功功率线性闭环子系统,建立了相应的仿真模型并进行了仿真.仿真结果表明,采用神经网络逆系统控制的双馈发电系统具有较好的性能,不仅能够方便地实现有功功率的控制,而且可独立地提供电网所需的无功功率.     

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。     

一种宽转速范围的双馈电机调速系统

针对传统双馈电机调速系统调速范围较窄和起动过程存在冲击电流等不足,提出一种双馈电机混合调速系统.该系统在起动和低速段将定子绕组短路,转子侧采用变频调速运行方式,在中高速段则采用双馈调速运行方式,从而实现了双馈系统在宽转速范围内的平滑调速.理论分析和试验结果表明,该系统能够平稳起动,具有良好的调速性能,特别适用于风机水泵类负载.     

基于BP双层神经网络MRAS下PMSM的转速辨识研究

针对无速度传感器下传统模型参考自适应（MRAS）方法在低速区转速负载发生突变后速度估计准确度下降的问题,利用双层神经网络超强的在线估计以及自适应能力,提出一种基于误差反向传播（BP）双层人工神经网络（ANN）与MRAS相结合的转速辨识方法,实现了对低速范围下转速响应动态性能的改善。通过Matlab仿真以及PMSM驱动控制实物平台,对ANN-MRAS观测器与传统MRAS观测器进行对比分析,结果表明：在转速及负载转矩发生突变后,该方法仍能保持较好动态性能,具有较强的鲁棒性。     

混沌神经网络在DTC系统中的转速辨识

针对BP神经网络易陷入局部极小值的缺点,提出了混沌神经网络的学习算法。利用混沌的遍历性和随机性,采用混沌变量全局粗搜索与混沌变量局部细搜索相结合,得到神经网络权值的全局最优值。利用该算法对直接转矩控制(DTC)系统进行转速辨识,仿真结果表明用混沌优化BP神经网络的速度辨识器不仅具有较好的跟踪能力,还提高了运算效率,使系统具有良好的静动态性能。     

基于模糊神经网络的双馈风力发电机功率控制

双馈风力发电机在变速恒频发电方而有广泛的应用前景,而影响其应用的关键在于能否对其有功功率和无功功率进行有效的控制。本文提出了模糊神经网络解耦控制策略,该控制策略不依赖电机参数与精确的数学模型,能够实现双馈风力发电机有功功率和无功功率的解耦控制,控制算法简单,系统的鲁棒性强。仿真结果表明了控制策略的有效性。     

双馈风力发电系统PI自适应速度估计

采用双馈风力发电机，根据PI自适应算法，构造了一种基于PI自适应估计转速的无速度传感器风力发电矢量控制系统。在Simulink环境下进行了系统仿真，结果表明该系统具有良好的稳态辨识特性。     

基于电流辨识速度的双馈矢量调速系统的研究

基于磁链进行速度辨识的无速度传感器的双馈调速系统 ,在同步速附近不能准确计算磁链 ,所以系统在同步速附近存在死区。本文提出了一种基于电流进行速度辨识的双馈矢量调速系统 ,有效解决了这一问题。文中给出了速度辨识原理及调速系统的组成 ,进行了系统仿真和实验。仿真和实验结果表明系统具有良好性能     

一种基于网侧四象限控制的无转速传感器双馈电机调速系统

通过研究双馈电机的调速原理,分别对双馈电机调速系统网侧和电机侧进行了分析,并从网侧的四象限控制着手,加以无转速传感器矢量控制在电机侧的应用,实现了一种基于网侧四象限控制的无转速传感器的双馈电机调速系统。     

双馈风力发电机转子绝缘结构优化研究

双馈风力发电机（DFIG）的转子绝缘结构在变频电压冲击下,会承受恶劣的电应力。虽然耐电晕聚酰亚胺薄膜及其复合材料可以提高转子绝缘结构寿命,但是在成本控制的压力下,需要探索普通绝缘材料应用于转子绝缘结构的可行性。通过电场有限元仿真和试样绕组试验,证实单面玻璃丝布补强少胶云母带可以单独使用或配合聚酯薄膜补强少胶云母带使用种绝缘结构电气性能均良好,完全能够满足风力发电机转子绝缘结构设计要求。     

变速恒频风力发电系统中双馈发电机的理论分析

对变速恒频风力发电系统中所使用的双馈发电机进行了理论分析,其中包括双馈发电机的运行原理、稳态运行时双馈发电机的等效电路、向量图、能量关系等,为以后进一步的研究提供了一定的理论基础.     

基于BP神经网络的转子匝间短路故障识别方法

分析了发电机转子绕组发生匝间短路后的电磁特性,得到了匝间短路后的特征参数。在确定的运行状态下,发电机励磁磁动势故障前后维持不变而励磁电流增大。据此选取故障样本,将BP神经网络应用于发电机匝间短路故障识别。BP神经网络不依赖于发电机的数学模型及其结构参数。最后实测了故障发电机的特征信号,与理论分析结果基本吻合。     

基于遗传神经网络的超声波电机转速控制系统

介绍一种超声波电机(USM)自适应控制策略,系统采用双闭环控制,内环通过对弧极电压进行采样、判断,补偿USM谐振频率的漂移;外环利用动态递归神经网络控制器调节两相驱动交变电压的相位差,实现转速的自适应控制.DRNN的结构和初始参数通过混合递阶遗传算法离线训练获得.试验结果证明,该控制系统具有较高的控制精度和较好的稳定性.     

神经网络模型在闭环控制系统辨识中的应用

针对复杂控制系统难以建立精确数学模型的难题,提出了基于神经网络的方法对闭环控制系统进行辨识从而建模。利用经验公式得出PI控制器的参数值,并应用神经网络对闭环控制系统进行辨识,通过MATLAB进行仿真,分别得到神经网络的输出值和模拟的期望输出值,经比较认为:经过训练的神经网络输出值能够较好地模拟期望输出值,证明了该辨识方法的可行性。