激光焊机高精度带钢对中控制系统设计

在冷轧生产线中,激光焊接用来焊接前带钢和尾带钢,从而实现连续生产.焊接前,前带钢和尾带钢的精确对中是决定焊接质量的一个重要步骤.在此提出一种高精度钢带对中伺服控制系统以实现带钢的精确对中控制方法.该对中控制系统以PLC为核心控制器,通过Profibus-DP总线连接分布式I/O控制子系统和Simodrive 611U伺服控制器.利用MTS磁致伸缩位移传感器采集钢带边缘的位置信号,并通过Profibus-DP总线反馈给PLC,用来计算带钢与生产线中心线的偏差.设诗了驱动器控制伺服电机的控制程序,实现了钢带的精确对中,现场的测试结果令人满意.     

电动汽车驱动一体化系统牵引模式下逆变器的开路容错控制策略

提出了一种电动汽车驱动与充电一体化系统的拓扑结构,该一体化拓扑在牵引模式下等效于一个双向DC/DC变换器和三相3H桥逆变器,PMSM开绕组。为提高电机驱动系统的高可靠性,在分析开绕组PMSM数学模型的基础上,从具有故障容错功能的控制策略方面入手针对三相3H桥逆变器进行了研究,分析了三相3H桥逆变器的故障类型,并针对故障相开路的两相2H桥逆变器提出了一种两相滞环PWM调制策略。实验结果表明,驱动与充电一体化系统在牵引模式下,如果三相3H桥逆变器发生故障,通过逆变器的拓扑重构,能够实现PMSM系统的良好运行性能。     

以电流矢量为目标的永磁同步电机定子电流动态预测

提出一种以电流矢量为目标的永磁同步电机(PMSM)定子电流动态预测方法。通过研究αβ静止坐标系下PMSM定子电流矢量动态响应,得出电流矢量变化的三个作用分量,并在离散周期上,利用泰勒级数对每个分量截断近似,进而得到PMSM定子电流矢量的动态预测方法。对方法中各个分量的近似误差进行了分析,同时为参数选择和应用条件提供了理论依据。最后,利用实验验证了预测方法的准确性。     

两并联双向DC/DC变换器的滑模变结构控制

针对电动汽车驱动与充电一体化系统,设计了一种两相并联交互式双向DC/DC变换器,降低了电感设计难度,减小了重量与体积,提高了系统的可靠性。分析了该变换器工作原理,提出一种基于比例积分(PI)控制器的恒频滑模变结构双闭环控制策略,实现了自动跟踪参考电压值、单元半桥电路电感电流间均流的目的,给出了该变换器的变结构模型,运用等效控制原理分析滑模变结构控制(SMC)的存在和稳定条件,采用基于给定三角波(RTW)环路的SMC方式使变换器在定开关频率下运行。最后,通过实验验证了理论分析的正确性。     

无刷直流电机无位置传感器直接转矩控制

为简化无刷直流电机控制系统结构,同时减小无刷直流电机转矩脉动,本文提出了一种无位置传感器无刷直流电机直接转矩控制方法。该方法通过在两相静止坐标系中定子磁链、转子位置角和定子电流分量之间的关系来计算转矩,采用一阶低通滤波器替代积分器,避免了积分饱和,相位和幅值不对称等问题,并结合传统的单神经元自适应PID方法,形成了一种新型的单神经元自适应PID方法。仿真和实验结果表明与传统电流控制相比,该方法具有良好的动静态特性,也验证了所提方法的正确性和有效性。     

基于Maxwell和Simplorer8/6极开关磁阻电机绕组短路故障分析与研究

开关磁阻电机虽具有容错性,但其能力有限,大部分绕组发生短路故障必对电机运行造成严重影响。基于电磁分析软件Maxwell和电路分析软件Simplorer,深入研究绕组短路故障原理,分别从磁路和场路角度对电机一极绕组完全短路和匝间短路两种情况进行仿真研究。仿真与实验结果表明,绕组短路故障破坏了电机磁极间对称性。在电流控制下,故障相电流与正常相电流几乎无差异,但在电压控制下,故障相电流较正常相电流高。     

单相光伏并网逆变器的研究

介绍了单相并网逆变器的软硬件控制回路,包括两级式单相光伏系统拓扑结构和最大功率跟踪功能,以及反孤岛效应等功能,并网逆变器的输出控制为电压源系统,保证输入的直流电压尽可能快地进行调整,实现对光伏阵列的MPPT控制,MPPT采用固定参数法与扰动观察法相结合的复合控制算法.孤岛效应检测采用了基于电网非特征次谐波阻抗的主被动相结合的检测方法.并在此基础上以TMS320F2406和IPM为硬件核心,研制出了5kW的实用化产品样机,现场运行结果表明所提出的控制方案具有良好的动态和稳态性能.     

高强钢薄钢板焊缝高精度视觉跟踪控制

针对薄钢板焊缝焊接机器人,提出一类高精度、柔性的视觉跟踪控制方法,以实现窄焊缝的在线实时感知和视觉控制。提出了一种抗干扰能力强的焊缝图像处理方案,实现窄焊缝特征的可靠提取和通信传输。提出了一种基于图像的闭环视觉控制方法,开发了视觉控制器及其执行系统,实现了焊接机器人焊缝轨迹的实时高精度跟踪。实验结果表明,该视觉控制方法对弧光、烟雾、飞溅和外界照明变化具有很强的鲁棒性,可以精确地识别出焊缝特征坐标,快速地实现焊枪对焊缝的跟踪,达到了期望的控制精度和焊接质量,结果令人满意。     

基于相似日聚类和PCC-VMD-SSA-KELM模型的短期光伏功率预测

由于光伏发电的随机性和不稳定性会影响功率预测的精度,提出一种基于皮尔逊相关系数（PCC）、K-均值算法（K-means）、变分模态分解（VMD）、麻雀搜索算法（SSA）、核函数极限学习机（KELM）的光伏功率短期预测模型。首先,用PCC选取主要因素作为输入;K-均值算法进行相似日聚类,将历史数据聚类为晴天、多云和雨天;其次,VMD对原始信号进行分解,充分提取集合中的输入因素信息,提高数据质量;SSA优化KELM模型的核函数参数和正则化系数解决其参数选择敏感问题;最后,将不同序列预测值叠加得到最终预测结果。仿真结果表明,所提相似日聚类下PCC-VMD-SSA-KELM模型具有较小的预测误差。