基于RBF神经网络非线性预测模型的开关磁阻电机自适应PID控制

开关磁阻电机的非线性和变参数特性使得采用传统的PID控制很难取得较好的控制效果。人工神经网络在一定的条件下可以任意精度逼近任意非线性函数且具有较强的自学习、自适应、自组织能力。故将其与传统的PID控制相结合构成神经网络自适应PID控制策略，应用于非线性严重的开关磁阻电机，可实现对开关磁阻电机的高性能控制。同时，神经网络所具有的非线性变换特性和高度的并行运算能力使得其适合建立非线性预测模型进行参数预测。通过对被控系统参数的预测，可提高系统的动态响应性能。该文采用两个神经网络-BP神经网络和RBF神经网络来分别构成神经网络NNC和神经网络NNI。神经网络NNC进行自适应PID参数调节；神经网络NNI用来建立非线性预测模型进行参数预测。为进一步加快神经网络的学习收敛速度，该文采用变学习速率的神经网络学习算法，学习速率随收敛过程误差的大小而自适应地进行调整，这可大大加快神经网络学习训练的收敛速度，进一步提高系统动态响应速度。实验结果表明，系统的动态响应快，超调小，稳态精度高，鲁棒性强，有较强的抗扰动能力，具有较好的控制效果。     

开关磁阻电机模糊神经网络PID转速控制

针对开关磁阻电机调速系统难以控制的问题,提出了基于模糊FCMAC神经网络的PID控制方法,该方法的主要思想是将马丹尼直接推理法与CMAC神经网络相结合,构成模糊FCMAC神经网络,实时调整PID控制参数.仿真结果表明,与传统的PID控制方法相比较,该方法大大改善了开关磁阻电机调速系统的动、静态性能,且无需精确的数学模型...     

磁浮开关磁阻电机径向悬浮逆系统方法控制

针对磁浮开关磁阻电机径向力控制的严重非线性,提出了基于逆系统方法的磁浮开关磁阻电机径向力控制方案,设计了依据动态性能要求调节控制参数的综合控制方案,实现了径向力控制的动态线性化,分析了系统稳定控制的条件,建立了仿真模型进行仿真分析,并给出了不同动态性能指标下精确的位移跟踪仿真结果.仿真结果验证了控制方案的有效性,且方案易于实现、避免了局部线性化问题,便于确定系统的稳定范围及调节控制参数,为进一步的实践研究提供了基础.     

基于微分几何的磁悬浮开关磁阻电机径向力的变结构控制

以磁悬浮开关磁阻电动机为对象,研究了其转子径向两自由度悬浮力系统的解耦和控制。根据电磁场理论的虚位移定理,建立了磁悬浮开关磁阻电动机径向悬浮力的数学模型。针对该模型具有非线性、多变量和强耦合的特点,采用非线性控制的微分几何方法来设计出解耦规律,通过该解耦规律的补偿,将原系统解耦和完全线性化。对解耦得到的线性子系统,应用滑模变结构控制理论来设计控制器,以获得转子的高精度稳定悬浮。仿真结果验证了该控制策略的有效性。     

基于双DSP的磁浮开关磁阻电机全数字控制器

根据磁浮开关磁阻电机(SRM)对控制器硬件资源及实时性的要求,基于双DSP与双口RAM,研制了磁浮SRM的全数字控制器。控制器以2片DSP为核心,来满足磁浮SRM旋转和悬浮功率变换器对PWM调制信号的需求,双口RAM用于实现2个DSP之间的信息实时共享,旋转控制用功率变换器采用传统不对称半桥电路,悬浮用功率变换器采用2块IPM模块,双DSP管理3套功率变换器以实现同时旋转控制和悬浮控制。制作了全数字控制器实验样机,进行了实验测试。实验结果表明,两DSP可协调工作,实时交换所需数据,能有效地完成对磁浮SRM的控制。     

磁悬浮开关磁阻电机的神经网络逆解耦控制

磁悬浮开关磁阻电机是一个复杂的非线性强耦合系统,且运行过程中容易出现磁饱和现象,增大了数学模型建立及解耦控制的难度。针对上述问题,在利用有限元方法分析其磁场及电磁力特性的基础上,计算了一种对电机磁路线性及饱和状态均适用的新数学模型。分析了系统的可逆性,采用神经网络逆实现了转矩和两自由度径向力的解耦。使用dSPACE系统试验验证了该方法的正确性和有效性,可以弥补现有基于无磁饱和假设的各种建模及相应的解耦控制方法不适用于BSRM磁饱和工况的缺陷,也可以为电机的运行特性分析、本体优化设计以及控制策略研究提供更准确的理论依据。     

开关磁阻电机的控制模式

本文在分析电机基本特性的基础上，综述比较了开关磁阻电机的控制模式。     

开关磁阻电机的单片机控制

研究开关磁阻电机驱动的单片机控制，系统具有起动，停车，改变转速，显示转速等功能，实验证明本系统具有良好的调速性能。最后，作者提出了增大ＳＲ电机调速比的一种方法。     

开关磁阻电机模糊PID控制系统研究

介绍了模糊PID控制的开关磁阻电机调速方法,其兼有模糊控制和PID控制的优点,适用于非线性对象,并且具有较高的稳态精度.给出了1.1 kW开关磁阻电机控制器的设计实例,解决了因电机负载及运行状态不同所需PID参数不同的问题.理论与实践表明,采用模糊控制调节PID参数的方式对优化电机控制和提高系统性价比具有重要意义.     

神经元自适应PID控制在开关磁阻电机中的应用

针对开关磁阻电机的特点，提出了神经元自适应PID控制的策略，理论和仿真结果表明，神经元自适应PID控制比常规PID控制具有更好的性能，证明了神经元自适应控制方法在开关磁阻电机系统中应用的可行性和可靠性。     

开关磁阻电机直接转矩单神经元PID设计

介绍了单神经元PI复合控制的开关磁阻电机调速系统的新方法,利用具有自学习和自适应能力的单神经元来构成开关磁阻电机的单神经元自适应控制器.仿真结果表明,这种复合控制方法解决了常规控制方法因电机数学模型难以精确确定而无法确定控制参数的问题,克服了常规PI控制存在静差、无抗干扰能力的缺点,解决了系统上升时间与超调的矛盾.     

开关磁阻电动机传动系统及其先进控制策略综述

动态响应的快速性、稳态跟踪的高精度以及系统的鲁棒性是开关磁阻电动机传动系统 (SRD)的主要性能指标。这些指标的获得不仅需要电机和功率变换器方面的先进技术 ,更需要的是先进的控制策略的应用。介绍几种基于SRD的先进控制策略 ,并比较了它们的优、缺点 ,最后指出了SRD控制策略的发展方向。     

一种磁悬浮开关磁阻电机的自适应控制器

磁悬浮开关磁阻电机结合了同步电机和磁轴承的优点.本文考虑到电机参数的时变性,设计了适用于磁悬浮开关磁阻电机的自适应控制器,并对其进行了仿真.仿真结果表明了该控制系统具有良好的动静态性能.     

开关磁阻电动机的控制与仿真

分析了开关磁阻电动机几种常见的控制方式;简单介绍了SIMULINK仿真工具以及对电机研究的意义。     

开关磁阻电机控制策略综述

简要回顾了SRD发展过程中出现的各种控制策略,分析和介绍了各控制策略的优缺点,展望了SRM控制策略的发展趋势。     

开关磁阻电机磁通波形与铁耗计算

对开关磁阻电机的磁通波形进行了分析,得到了电机各部分平均磁通的数学表达式;然后对平均磁密波形进行傅里叶级数分解,把非正弦磁密波形分解和转化为一系列不同频率的正弦磁密波形。对于磁滞损耗,采用考虑了小滞环的磁滞损耗计算数学模型进行计算。对于涡流损耗,在采用传统正弦磁通波形计算公式的基础上,加上涡流损耗修正因子计算。最后对一台6/4结构的开关磁阻电机进行了铁耗计算,同时将计算结果与采用有限元法的结果进行了比较,验证了该方法的正确性。     

开关磁阻电机磁通波形与铁耗计算

对开关磁阻电机的磁通波形进行了分析。得到了电机各部分平均磁通的数学表达式；然后对平均磁密波形进行傅里叶级数分解，把非正弦磁密波形分解和转化为一系列不同频率的正弦磁密波形。对于磁滞损耗，采用考虑了小滞环的磁滞损耗计算数学模型进行计算。对于涡流损耗，在采用传统正弦磁通波形计算公式的基础上，加上涡流损耗修正因子计算。最后对一台6／4结构的开关磁阻电机进行了铁耗计算，同时将计算结果与采用有限元法的结果进行了比较。验证了该方法的正确性。     

Vector Control Specialized for Switched Reluctance Motor Drives

This paper proposes vector control specialized for a switched reluctance motor (SRM) drive. Because it is a unipolar drive, a sinusoidal current with a dc offset is applied to each circuit instead of the conventional trapezoidal current. The current consists of dc and ac components which can be identified by their generation of a (virtual) rotor flux and rotating stator magnetic field, respectively. Thus, the vector control system can be developed in the same way as conventional ac machines. The proposed technique provides new mathematical models of SRMs on a rotating reference frame and achieves precise and fast torque response and advanced operations such as linear torque‐current control and maximum‐torque‐per‐ampere control. The vector control theory was verified through simulations and experiments.