基于TSF与模糊开关角的SRM建模与控制系统仿真研究

开关磁阻电机(SRM)的模型直接影响电机性能分析以及控制效果,虽然SRM结构简单,但开关磁阻电机双凸结构和磁路的严重饱和,使其精确建模十分困难。针对这一问题,提出一种基于BP神经网络建立开关磁阻电机电流、转矩模型的查表方法。利用有限元软件得到的样本数据对BP神经网络进行离线训练,输出期望数据,用于查表法的SRM非线性模型。利用转矩分配控制和模糊开关角控制可有效抑制SRM的转矩脉动。仿真实验结果表明,所提方法转矩计算速度快、计算精度高,可以满足实时控制的要求,有效地减小了电机的转矩脉动。     

基于DITC的开关磁阻电机转矩脉动最小化研究

转矩脉动是开关磁阻电机较为突出的缺点.本文基于直接瞬时转矩控制(DITC)的概念,直接控制瞬时转矩跟随参考转矩,并结合转矩滞环控制器,阐述了减小转矩脉动的控制原理.针对一台3相12/8极开关磁阻电机,建立了Matlab环境下SRM系统的仿真模型.仿真结果和实验结果如实地反映了开关磁阻电机的运行特性,验证了本文所用的直接瞬时转矩控制能有效地减小转矩脉动.     

基于双PI的SRM直接瞬时转矩控制系统的研究

基于开关磁阻电机(SRM)直接瞬时转矩控制(DITC)的思想,采用双比例积分(PI)控制,结合转矩分配函数,使三相瞬时转矩跟踪三相参考转矩,从而实现对电动机的控制。为验证控制的有效性和可行性,以一台11 kW的3相12/8极SRM为对象,采用数字信号处理器(DSP)为核心控制板搭建实验平台。实验结果表明,基于双PI的SRM DITC系统在电机的空载和带载实验中均达到了预期的效果。     

基于BP神经网络的开关磁阻电机无位置传感器控制

开关磁阻电机(Switched Reluctance Motor,简称SRM)引入位置传感器使电机的结构变得复杂,同时降低了可靠性。为此,本文以Matlab/Simulink中一台三相6/4极SRM电机模型的磁链特性数据为样本,建立了以磁链和电流为输入,转子位置角为输出的BP神经网络模型,用于无位置传感器转子位置的估计。最后通过MATLAB对三相(6/4)结构的SRM电机进行了仿真实验。实验结果表明,此无位置控制策略具有较好的动态特性和较高精度,系统最大位置检测误差≤2°。     

互感耦合SRM结构与性能的优化计算

针对如何从改进SRM转子结构及其定、转子参数优化角度提高电机转矩输出能力并减小其转矩脉动的问题,提出了利用改进禁忌搜索算法的优化方法对分块转子互感耦合开关磁阻电机进行定、转子结构的优化设计。以6/4极三相SRM为研究对象,建立了分块转子互感耦合开关磁阻电机的有限元仿真模型,分析了定、转子结构参数对电机输出转矩的影响,比较了常规转子SRM和分块转子互感耦合开关磁阻电机的转矩性能,并利用改进禁忌搜索算法对分块转子互感耦合开关磁阻电机定、转子结构参数进行了系统优化,提高了电机的运行性能,缩短了优化计算的时间。     

基于滑模控制的SRM直接瞬时转矩控制研究

针对开关磁阻电机(SRM)非线性、精确建模困难且转矩波动大等特点,在SRM直接瞬时转矩控制(DITC)的转速外环引入动态滑模控制器(SMC)。基于MATLAB/Simulink搭建了系统仿真模型,仿真实验结果表明,速度调节器采用动态滑模控制的SRM DITC系统拥有良好的鲁棒性,为SRM转矩控制进一步研究构建了基础性平台。     

基于BP神经网络的开关磁阻电机直接转矩控制系统及实现

直接转矩控制可有效抑制开关磁阻电机(SRM)转矩脉动。由于开关磁阻电机双凸结构和磁路的严重饱和,造成其转矩是关于电流和转子位置的严重非线性函数,转矩计算非常困难。针对这一问题,本文提出一种采用基于BP神经网络建立开关磁阻电机转矩模型的方法。利用有限元仿真得到的转矩样本对BP神经网络经行进行离线训练,完成电流、位置角度到转矩的非线性映射,构造出基于BP神经网络的转矩观测器。再将构造好的转矩观测器应用于电机直接转矩控制系统中,对电机的转矩经行进行实时在线估算。最后,将估算转矩经行反馈,完成电机的直接转矩控制。该控制方法利用了BP神经网络泛化、逼近能力强的优点,同时控制过程简单,无需在线训练。实验结果表明,所提方法转矩计算速度快、计算精度高,可以满足实时控制的要求,有效地减小了电机的转矩脉动。     

基于RBF神经网络的开关磁阻电机瞬时转矩控制

开关磁阻电机(SRM)因其结构简单、工作可靠、效率高、成本低等优点使之成为当前极具竞争力的一种调速电动机。但由于电机本身的非线性电磁特性,导致了其转矩脉动比其他传动系统严重。如何更好地对开关磁阻电机的转矩进行控制,抑制转矩脉动也成为了近年来研究的热点。针对这一问题,提出了一种基于基于径向基函数(radial basis function,RBF)神经网络的开关磁阻电机瞬时转矩控制方法。利用从SRM动态模型仿真中产生的数据来对RBF神经网络进行离线训练,使之学习不同转速和转矩下的优化电流波形,再将训练好的RBF网络用于电机的转矩控制中,完成不同转速下,转矩、位置到电流的非线性映射。最后通过瞬时电流跟踪控制使电机电流跟踪参考电流,完成电机的转矩控制。该控制方法充分利用了RBF神经网络逼近、泛化能力强,运算速度快的优点,且控制过程简单,网络无需在线训练。实验结果证明,该控制策略能有效减小开关磁阻电机的转矩脉动,具有控制精度高、能适应转速变化等优点。     

开关磁阻电机的非线性建模转矩估计研究

开关磁阻电机(SRM)的双凸极结构使其电磁特性呈高度非线性,本文在对SRM磁化特性曲线(θ,i)分析的基础上,采用了一种倒数函数来建立SRM模型的方法.在获得SRM特殊转子位置处的磁链数据点的基础上,利用傅里叶级数分解和倒数函数来拟合SRM磁链特性,进而推导出电磁转矩模型.本文借助Matlab软件,搭建了开关磁阻电机直接瞬时转矩控制(DITC)的非线性建模转矩估计系统模型,并进行了仿真,仿真结果表明该模型能很好反映实际的电磁转矩,验证了所建模型的准确性和有效性.     

基于BP神经网络的开关磁阻电机建模及仿真

为了改善开关磁阻电机的性能分析和控制效果,建立精确的开关磁阻电机模型是极其重要的。在获得准确的电机电磁特性基础上,利用神经网络所具有的非线性映射能力,建立开关磁阻电机非线性模型。本文采用基于附加动量法的BP神经网络建立开关磁阻电机磁链模型和转矩模型,同时在Matlab/Simulink平台上搭建电机控制系统模型。实验表明,该建模方法能满足开关磁阻电机驱动系统的高性能要求。     

基于电感矢量开关磁阻电机无位置传感器研究

基于开关磁阻电机(SRM)简化电感模型,提出一种无需电机电磁特性和外加硬件的转子位置估计方案。该方案采用注入脉冲法实时获得三相电感信息,电机静止启动时,三相绕组均注入脉冲以获得三相电感值;电机旋转时,向空闲相注入脉冲来获得电感值。通过空间电感矢量与角度关系反正切估算出线性区域到非线性区域全域范围内的转子位置角,实现了转子位置精确估算。最后通过实验验证了该方案的正确性与实用性。     

一种降低开关磁阻电机转矩脉动的新方法

本文在对开关磁阻电机非线性模型进行分析的基础上,建立了开关磁阻电机的调速控制系统,提出了一种转矩分配方案用于解决换相过程中转矩平滑过渡的问题,通过理论分析证明该方法能有效地抑制开关磁阻电机的转矩脉动,并通过对6／4极的三相开关磁阻电机的仿真分析验证了该方法的可行性。     

基于MEA-BP神经网络的开关磁阻电机静态电磁特性建模

建立精确的开关磁阻电机（SRM）模型对于改善SRM的性能和控制效果有着重要的影响。针对SRM运行时磁路的高度饱和和严重非线性问题,提出了基于思维进化算法（MEA）优化的反向传播(BP)神经网络算法的SRM非线性模型。利用ANSYS Maxwell软件建立了四相8/6极SRM模型并进行有限元计算,通过仿真和试验值的对比验证了该模型的精度比未经MEA优化的BP神经网络模型更高,可以更好地反映SRM运行时的磁链特性和转矩特性,且具有较好的泛化能力。     

开关磁阻电机转矩控制策略研究

给出了一种开关磁阻电机驱动系统转矩控制方案,通过对SRM电动机转矩的实时观测,利用模糊神经网络设计了一种SRM转矩闭环控制器.理论分析和仿真结果表明,该SRM电动机转矩闭环控制策略能够有效地控制SRM电动机相转矩按期望相转矩变化,从而实现了开关磁阻电机驱动系统高性能、低脉动转矩控制.     

基于Matlab-Simulink的开关磁阻电动机伺服系统仿真研究

针对开关磁阻电动机(SRM)转矩脉动的缺点,推导了电机的转矩分配函数,并用所构建的转矩分配函数在Matlab-Simulink环境下对1台三相12/8结构的开关磁阻电机伺服系统(SRSD)进行建模仿真。仿真结果表明该方法简单,抑制转矩脉动效果较为理想。该仿真模型可以为开关磁阻电机伺服系统的进一步分析和研究提供参考。     

基于模糊控制及神经网络的开关磁阻电机转子位置估计

开关磁阻电机(SRM)运行需要转子位置传感器,而添加转子位置传感器使系统成本以及电机结构复杂度提高,可靠性降低。因此,对SRM转子位置进行估计,使SRM不依靠位置传感器而独立运行具有重要意义。本文利用神经网络对非线性函数高精度逼近的特性,基于模糊控制模型和神经网络理论,建立了SRM转子位置估计系统,并采用MATLAB/Simulink对该60 k W、6/4极的SRM转子位置估计系统进行了仿真。仿真结果表明:该系统对SRM转子位置角的估计较准确,输出角度精度较高,误差在2°左右,均方误差为0.714 4;利用该转子位置估计系统对SRM进行控制,该电机三相电流输出均匀,转矩脉动小,运行全过程稳定。     

基于自适应网络模糊推理系统的开关磁阻电机建模方法

提出一种开关磁阻电机(switched reluctance motor,SRM)数学建模的新方法：在已知开关磁阻电机静态电感曲线和矩角特性曲线的基础上,将自适应网络模糊推理系统(adaptive network based fuzzy inference system,ANFIS)用于SRM的整体建模中。该模糊推理系统由5层网络构成,将模糊推理与神经网络有机结合起来,利用它的自学习功能计算出模糊系统的隶属度函数以及相应的模糊规则,形成一个结构简单、紧凑的网络来实现电机绕组电流、转子位置角与电感和转矩的非线性映射关系,然后离线训练得到电感与转矩模型。把这种基于ANFIS的电感和矩角模型应用于SRM的系统建模中,以550 W、6/4极SRM为例,进行了仿真与实验比较,结果表明此建模方法能够较好的反映SRM的实际工作状况,从而为SRM系统的建模分析与设计提供一种新的有力的工具。     

基于BP神经网络的开关磁阻电机建模

开关磁阻电机(SRM)的模型直接影响电机性能分析以及控制效果,虽然SRM结构简单,但其运行时磁路高度饱和,磁路呈严重非线性,这使其精确建模十分困难。神经网络理论上可以实现任意复杂的非线性映射,且具有很强的学习能力,因此应用反向传播(BP)神经网络算法来建立SRM的非线性模型,并针对标准BP神经网络算法的不足对算法进行改进。仿真与实测结果的对比显示该模型可以十分精确地反映SRM运行时的电流以及转矩特性,且具有较强的泛化能力。     

一种永磁辅助开关磁阻电机的四区间DITC方法

与传统开关磁阻电机相比，永磁辅助开关磁阻电机有更高的功率密度和效率、更大的转矩安培比，但存在较大的转矩脉动，限制了工程应用范围。该文首先解释传统直接瞬时转矩控制策略，针对传统直接瞬时转矩控制策略转矩脉动的原因，提出一种将两相交换区细分为交换Ⅰ区、交换Ⅱ区和交换Ⅲ区，与单相导通区构成一个电周期的四区间，分别给出与区间电感特性相适应的滞环控制；然后提出不同转速下的导通角算法，建立自适应导通角的四区间转矩脉动抑制方法。最后以一台三相6/20的永磁辅助开关磁阻电机为例，进行仿真分析和样机实验。结果表明，该方法能在宽转速范围上有效降低永磁辅助开关磁阻电机的转矩脉动。     

基于磁共能的开关磁阻电机转矩在线快速估算

为避免复杂的数学运算及降低处理器数据存储空间要求,在电压斩波控制的基础上,提出了一种基于磁共能的开关磁阻电机(SRM)转矩在线快速估算策略。详细阐述了磁链特性测量方法,给出了磁共能与转矩的计算公式。仿真和试验结果表明,瞬时转矩的在线快速估算值与实际测量值误差较小,说明磁共能方法适于转矩的在线快速估算。