基于转矩逆模型的开关磁阻电机滑模变结构控制

开关磁阻电机的转矩脉动是其应用的一个问题.该文应用小波神经网络建立对应开关磁阻电机位置信号的非线性映射,估计转子位置角度,提出利用自适应模糊神经网络学习训练开关磁阻电机转矩逆模型优化期望转矩所需的相电流,采用滑模电流控制器实现电机转矩的低脉动控制,仿真结果表明方法的有效性,能够有效地控制开关磁阻电机转矩按期望变化.     

开关磁阻电机滑模变结构速度控制

介绍了1种采用滑模变结构控制策略的开关磁阻电机速度控制系统。该系统通过将转矩控制内环和速度控制外环相结合,在滑模控制器中加入了加速度估计,改善了系统性能。通过对电机的速度特性进行仿真,证明其滑模控制方法简单,鲁棒性强,且加速度估计器的运用减小了滑模抖振。     

开关磁阻电机模糊滑模转速控制

针对开关磁阻电机严重的非线性和数学模型不精确等缺点,提出了一种模糊滑模变结构控制策略。将速度差作为开关函数,相电流平方和作为控制对象,在常规滑模控制器设计中引入模糊控制,建立模糊滑模控制的数学模型,并给出系统的结构框图。通过仿真,分析开关磁阻电机在模糊滑模控制下的各种特性。实验结果证明模糊滑模控制方法有良好的动态性能,较强的鲁棒性,在不清楚电机精确模型的情况下可有效克服转矩脉动。     

开关磁阻电机智能滑模变结构控制方法研究

阐述了在利用有限元法计算开关磁阻电机(SRM)磁通、转矩的基础上，得出SRM的状态方程，并针对SRM定转子铁芯的双凸极结构，磁场分布严重非线性，提出在常规滑模控制器的设计中引入模糊控制，构成智能滑模控制器。其控制方法简单，有良好的动态性能，较好的鲁棒性。     

开关磁阻电机的滑模变结构控制

针对开关磁阻电机存在磁场严重的非线性且数学模型不精确等问题,提出了一种滑模变结构控制方法。它主要是通过切换函数从而不间断地来回切换系统量,系统总约束在切换面上,然后系统的状态变量自动地滑到原点。利用滑模变结构控制的快速性和完全自适应性,设计了滑模变结构控制的开关磁阻电机调速系统,同时推导出了该方法的数学模型,最后编程实现并在实验台上调试。实验结果证明,与常规的控制策略相比,滑模变结构控制改善了系统的动态性能,有较强的鲁棒性,且在无需知道电机精确模型的情况下可有效克服转矩脉动。     

基于有限元模型的SRM相电流模糊补偿控制

转矩脉动是开关磁阻电机(Switched Reluctance Motor,简称SRM)驱动系统中存在的一个突出问题。在SRM非线性电磁特性的有限元计算基础上,通过直接检测系统的输出转矩和模糊逻辑补偿控制器对SRM系统的相电流进行适当补偿,减小了转矩脉动成分。对一台四相、8/6极样机进行了仿真和实验。实验结果表明,通过对相电流的补偿控制能够使转矩脉动系数减小约50%,整个电机系统的平均输出转矩也得到了明显提高。     

开关磁阻电机直接转矩滑模变结构控制

开关磁阻电机非线性、强耦合的特点,使传统的控制方法已很难达到满意效果。基于此,介绍了一种三段式分段线性切换线的滑模变结构控制法。该方法与常规的滑模变结构控制法不同,采用的三段式切换线使电机从一开始便运行在滑模线上,确保了系统滑动模态的能达型。该方法主要特点是控制简单,易于实现。仿真结果表明其能够对给定转速快速、稳定地跟踪,具有良好的适应性和鲁棒性。     

基于滑模神经网络直接瞬时转矩控制的优化

针对开关磁阻电机在滞环控制策略中存在的较大转矩脉动问题,在传统直接瞬时转矩控制的基础上引入了反向传播(BP)神经网络控制策略,以转矩误差的平方为性能指标函数对直接瞬时转矩控制进行优化调整,抑制了电机在运行时的转矩脉动。进一步,在整体双闭环控制策略基础上,引入滑模控制对转速环节进行改进,提高了系统的响应速度和鲁棒性。最后,利用Matlab/Simulink对传统直接瞬时转矩控制和改进直接瞬时转矩控制进行仿真测试,验证了所提策略的有效性和可行性。     

基于教与学算法的SRM转矩分配函数优化及控制研究

针对开关磁阻电机(SRM)换相阶段转矩脉动严重问题,提出基于教与学算法的转矩分配函数优化策略。以开通角、关断角、换相重叠角为寻优对象,输出转矩跟随参考转矩能力为评价指标,结合转矩分配函数与直接瞬时转矩控制,构成转矩闭环。为提升系统动态性能,转速环采用分数阶滑模控制方法,将其输出作为转矩环参考转矩。仿真实验结果表明,经教与学算法优化后,转矩可在相绕组换相阶段平滑过渡,且输出转矩脉动得到明显抑制;分数阶滑模较PI控制而言,系统转速迅速进入稳态,且上升过程无超调,有利于提升系统动态特性。     

开关磁阻电机连续滑模调速控制与仿真

通过对滑模系统和李雅普诺夫定理的综合,设计了一种新连续滑模控制方法.该控制方法不仅具有滑模控制的不变性优点,同时避免了抖振.并着重研究了连续滑模控制技术在开关磁阻电动机调速系统中的具体应用,给出了控制框图.仿真结果表明,开关磁阻电机连续滑模控制方法简单,动态响应速度快,有较强的鲁棒性.     

开关磁阻电机神经网络无位置传感器控制

针对现有开关磁阻电机(SRM)的转子位置传感器使得系统成本和复杂度提高、坚固性和可靠性降低的问题,研究了SRM无位置传感器DSP控制实现.建立了开关磁阻电机位置检测神经网络模型,并给出了提出对象的学习算法和训练步骤.采用TMS320F2812 DSP实现神经网络在线训练算法,开发完成了一台15kW三相12/8极无位置传...     

高超声速飞行器RBF神经网络滑模变结构控制

针对高超声速飞行器高度非线性及强耦合的特点,提出了一种基于RBF神经网络调参的滑模变结构控制器。滑模变结构控制器能够使高超声速飞行器稳定飞行,但在系统状态到达滑模面后会产生剧烈的抖振现象,不利于工程应用。RBF神经网络在一定条件下可以任意精度逼近非线性函数,且具有较强的自学习、自适应和自组织能力。将RBF神经网络与滑模变结构控制相结合,一定程度上能够消除滑模控制的抖振问题。在高超声速飞行器的巡航状态下,分别加入高度阶跃指令和速度阶跃指令进行了仿真。仿真结果表明,所设计的RBF神经网络滑模变结构控制器使高超声速飞行器在保证快速性、鲁棒性和抗干扰性的同时,克服了执行机构的抖振问题。     

空间电压矢量下SRM转矩脉动最小化

针对开关磁阻电机具有转矩脉动大的缺点,依据空间电压矢量下直接瞬时转矩控制的理论,通过分析采用基本电压矢量存在转矩失控现象的原因,提出了一种优化直接转矩控制的新方案。该方案以基本空间电压矢量为基础,通过适时地采用新增空间电压矢量,同时优化转矩滞环控制器的方法,达到提高直接转矩控制性能的目的。为验证方案的有效性和正确性,以一台三相12/8极开关磁阻电机为控制对象,将新方案与传统直接转矩控制的效果进行了比较。结果证明,新方案有效地抑制了转矩失控现象的产生,并在进一步减小转矩脉动上有明显效果,最终将转矩脉动控制在±1N·m以内。     

基于数据驱动的永磁同步电机深度神经网络控制

针对有限集模型预测转矩控制(MPTC)计算负担大导致实时性较差的问题,提出了基于数据驱动的永磁同步电机深度神经网络(DNN)控制方法.通过训练深度神经网络,使其学习并逼近MPTC的电压矢量选择规律,从而取代MPTC进行电压矢量的选择.通过扩充动态数据集,解决因动静态数据失衡引起的系统失控问题.通过更换训练数据集,基于数...     

感应电机混合滑模变结构控制方法

针对传统直接转矩控制所固有的稳态运行时转矩、磁链、电流脉动大的问题,提出了一种利用转矩误差与磁链误差、通过滑模变结构控制方法实现对转矩与磁链进行控制的直接转矩控制方案.分别以转矩误差与磁链误差作为状态变量设计了时变积分型滑模平面,保证了趋近过程的系统状态保持在滑模面附近,减小了趋近距离.而对于滑模变结构控制本身的抖振问题,采用了一种通过滞环比较器自适应地实现了滑模变结构控制与传统PI控制的平滑过渡的混合滑模变结构控制方法.实验结果验证了该控制方法的有效性和可行性.     

基于神经网络的模糊控制在开关磁阻电机中的应用研究

把神经网络与模糊逻辑结合起来,利用神经网络的学习控制算法调节模糊逻辑隶属函数,通过对开 关磁阻电机运行特性的分析,提出了一种可应用于开关磁阻电机驱动系统的智能控制方法,理论和仿真结果均证明了这种基于神经网络模糊控制方法在开关磁阻电机驱动系统中应用的可行性和可靠性。     

神经滑模控制在机器人轨迹跟踪中的应用

针对滑模控制在机器人轨迹跟踪中应用时出现的抖振问题,提出了基于滤波器的神经滑模趋近律控制方法.根据滑模变结构和径向基函数(RBF)神经网络控制理论,并结合滤波器,对两关节机器人的轨迹跟踪控制进行了仿真研究.通过对单纯的滑模变结构加滤波器的控制方法、RBF神经滑模等效控制和RBF神经滑模趋近律控制这三种方法进行对比仿真分析,结果表明设计的神经网络滑模趋近律控制系统具有良好的跟踪性、鲁棒性和较高的控制精确度,同时有效地消除了抖振,实现简单.     

基于换相过程控制的开关磁阻电动机转矩波动最小化研究

转矩波动是开关磁阻电动机较为突出的问题，在对开关磁阻电动机转矩模型分析的基础上，提出了一种控制策略用于解决换相过程中转矩平滑过渡的问题，详细讨论了该控制策略的一种在线控制方案，理论分析表明该方法能减小转矩波动，且效果较好，通过对12／4极三相开关磁阻电动机的仿真和实验研究，验证了所提方案的可行性。