两相不对称感应电机矢量控制参数辨识

以模型参考自适应控制理论（MRAS）为基础,利用lyapuov稳定性理论,对两相不对称交流感应电机的转速和电阻在线辨识进行了理论推导。仿真结果证明,这种转速与电阻的在线辨识方法,能很好地跟踪电机参数变化,及时地调整系统的控制特性,消除电机运行中因参数变化引起的控制误差。     

一种变频电机参数离线辨识方法的研究

传统电机参数辨识采用固定脉冲宽度调制(PWM)波占空比。该方法导致电流大小不可控,而辨识电流大小又直接影响辨识准确性。为此,提出新的参数离线辨识方法,采用恒电流辨识原理并检测电机相电流,控制辨识电流在给定值附近波动,解决了电机辨识电流不合适问题。设计了续流二极管和IGBT电压模型,d轴和q轴电感辨识都采用在270°而非0°进行辨识,以此提高了辨识精度。最后,在变频冰箱上进行验证并与原来数据进行对比。该方法很好地解决了冰箱电机带背压条件下,电机d、q轴电感辨识不准确、辨识时间长等问题,试验结果证明了该方法的可行性和有效性。     

超声波电机转速控制模型的迭代学习辨识建模

超声波电机的转速控制模型是其运动控制研究的基础。为研究以驱动频率为调节变量的超声波电机转速控制模型，根据超声波电机驱动频率与转速之间关系特性的实测数据，建立超声波电机转速控制的二阶线性时不变模型。给出迭代学习辨识策略对电机转速控制模型的参数进行辨识。针对超声波电机的每组实测数据中数据量不同导致的参数收敛性减弱的情况，通过双范数最优理论来设计迭代学习辨识的参数学习律。将迭代学习辨识所得结果与Hammerstein模型比较。仿真和实验结果表明，二阶线性时不变模型下的迭代学习辨识可以有效地辨识超声波电机的模型参数，参数收敛速度快、收敛性较好，所建模型精度较高，建模方法有效。     

发电机励磁系统建模与参数辨识综述

励磁系统在电力系统的规划与控制领域都有非常重要的作用，精确的模型结构与参数是选择有效控制手段和整个电力系统仿真准确性的基础。文中通过对励磁系统建模及参数辨识的研究，在整理系统辨识理论发展的基础上, 从线性与非线性2个方面对励磁系统参数辨识展开论述，着重讨论了不同的辨识方法在励磁系统参数辨识中的应用。目的是为励磁系统建模与参数辨识的进一步发展打下基础。     

基于参数辨识的永磁同步电机电流精确控制方法

在永磁同步电机电流控制环节中,电阻、电感等参数的变化影响控制器的性能;随着转速的升高,反电势使电流跟随性能变差。针对这些问题,设计了一种利用参数辨识校正控制器的系数和实现反电势补偿的电流环精确控制方法:根据面装式永磁同步电机i_d=0的矢量控制特点,使用统计均值的方法辨识电机的电感,在此基础上根据波波夫超稳定理论设计了电阻和磁通的模型参考辨识方法。电阻和电感的辨识值校正PI控制器的系数,电感和磁通的辨识值用于反电势的补偿环节。仿真结果表明,该方法能够通过参数辨识对控制器系数的校正和反电势的补偿实现电流环的精确控制,电流环控制性能优于PI控制和普通反电势补偿的方法。     

神经网络辨识及控制研究

研究了前向多层神经网络及其BP算法，并利用此网络设计了辨识器和控制器，进行离线辨识、在线辨识和控制等。研究结果表明，这种控制结构能对复杂的非线性系统进行有效的控制，并且具有收敛速度快、抗干扰性好、鲁棒性强等特点，效果明显优于一般的PID控制方法。     

系统辨识

本主要介绍了系统辨识的基本概念及理论,并简要介绍了建模的几种方法及如何运用MATLAB软件中的系统辨识工具箱进行数学建模的方法。     

用神经元网络进行异步电机转速的辨识和估计

根据异步电动机直接转矩控制原理、提出了采用人工神经元网络速度辨识方法去实现无速度传感器的交流调速控制系统。文介绍了异步电动机直接转矩控制的基本方程和神经网络速度辨识模型,仿真结果表明,系统具有良好的性能。     

基于迭代辨识方法的含风电多干扰电力系统阻尼控制

风电接入电力系统后的低频振荡控制是保证电网稳定运行的关键。随着风电场联网规模的不断扩大,当风电接入由于电网结构、负荷潮流、发电机励磁控制等因素导致的阻尼不足形成的多干扰环境下电力系统后,模型辨识误差因素给电力系统的辨识与阻尼控制带来了很大的难题,常常会恶化阻尼控制效果。针对此问题,首先以风电功率波动信号作为辨识信号,建立风电接入多干扰环境下电力系统闭环模型;然后基于递推最小二乘法和Vinnicombe距离理论,提出一种迭代辨识方法,并给出方法实现的整个步骤,该方法充分考虑辨识误差因素,可以实时辨识出电力系统最优电力系统模型和最优阻尼控制器模型;最后,以风电接入四机两区域间降阶模型为例,采用提出的方法进行仿真,并与传统迭代辨识方法进行了对比。仿真结果表明,所提方法可以有效抑制风电接入下多干扰电力系统的低频振荡,实现稳定的阻尼控制。     

盘式永磁抽油机电机无速度传感器矢量控制

通过盘式永磁同步电动机相对异步电动机所具有的一些良好特性结合在油田的实际应用情况,研究了一种基于矢量控制的模型参考自适应盘式永磁同步电机无速度传感器控制方法。对其无速度传感器矢量控制进行研究。依据永磁同步电机在同步旋转坐标系下的定子电流数学模型,基于MRAS理论提出一种神经网络在线辨识的方法,该方法为盘式永磁电动机无速度传感器的控制策略提供了新选择。理论分析及仿真结果表明基于MRAS的神经网络转速在线辨识方法的有效性和可行性。     

基于级联MRAS的PMSM参数在线辨识方法研究

在无速度传感器矢量控制系统中,为实现对永磁同步电机的精确控制,需要对电机参数进行在线辨识。在对模型参考自适应方法进行深入分析的基础上,提出一种基于级联模型参考自适应的永磁同步电机参数在线辨识方法,该方法在同步旋转dq坐标系下,利用dq轴电压、电流及其偏差,借助Popov超稳定性理论建立参数的辨识模型,并推导出待辨识参数的自适应律,实现了电机转子速度、定子电阻与转子磁链的同时在线辨识。仿真结果验证了该方法的正确性和有效性。     

无刷直流电动机参数直接辨识法研究

针对已经量产、产品化的无刷直流电动机,研究了一种新的实用的无刷直流电动机参数辨识方法——直接辨识法.基于电机等效电路的基本特性,研究电机参数辨识策略,为精确控制电机提供控制参数.为验证该辨识方法的有效性,对一个成品电机进行参数辨识仿真,结果表明该辨识方法的优点是实现简单、运算量小、辨识精度可以满足工程要求,并且较传统辨识方法更易实现.     

数字PI控制器的参数辨识及实验验证

风电机组控制系统中PI控制器较多,需要辨识各PI控制器的参数。针对数字PI控制器,基于可辨识性理论,直接应用PI控制器不同状态的输入/输出数据,分析PI控制器参数的可辨识性,得到了其参数可唯一辨识的结论,并据此设计了PI参数辨识的具体算法。在此基础上,根据电机转速控制实验装置实测的数据,运用可辨识性分析步骤中的参数辨识算法,辨识得到高精确度的PI参数。在施加脉冲群干扰试验和振荡波干扰试验条件下,算法也能准确地辨识PI控制器参数,具有良好的鲁棒性,验证了理论分析的正确性和辨识方法的可行性。     

电力系统类噪声闭环可辨识性分析

基于广域测量类噪声信号辨识被控电力系统模型,可有效解决因仿真模型及参数误差造成的系统特性分析及控制器设计可信度等问题。电力系统中多处负荷变化等随机性质小扰动和广域阻尼控制器的投运,导致系统闭环辨识难度大为增加。提出对类噪声环境下电力系统闭环可辨识性问题进行理论研究,重点分析了反馈控制器和参考信号对系统闭环可辨识性的影响,并结合电力系统实际情况,总结类噪声环境下实现电力系统闭环可辨识所需满足条件,并对其进行仿真验证。     

基于SDW-LSI算法的风力机故障估计与容错控制

为了解决风力机桨距执行器故障导致的桨距角动态响应变慢和输出功率波动的问题,基于辨识理论和解析理论,提出了故障估计和容错控制方法。采用欧拉变换将二阶传递函数转化为辨识方程。利用滑动数据窗最小二乘迭代辨识算法估计桨距系统中的自然频率和阻尼系数。根据解析理论推导补偿函数,将所估计的参数反馈到补偿函数中,调整故障前后系统的关系,从而解决桨距角变慢和输出功率波动的问题。最后,选取桨距执行器液压油空气含量过高故障验证算法的可行性。     

基于变频器-电动机系统的电动机参数辨识

在高精度变频调速系统中，准确的电动机参数是系统性能的保证。论述了基于变频器-电动机系统的电动机静态参数辨识。给出了辨识参数时的控制方法及实验波形，得到了令人满意的参数辨识结果。     

电力系统传递函数的通用Prony辨识算法

全国电网互联使电力系统的规模越来越大、运行状态越来越多变,研究基于广域测量数据的系统模型在线辨识方法成为电力系统在线分析及广域控制的重要理论问题。考虑初始状态对系统输出的影响,提出一种电力系统传递函数的通用普罗尼(Prony)辨识方法,同时给出激励信号和数据采样参数的选取原则。该算法允许待辨识系统初始状态非零,可采用任意类型的激励信号,并能综合处理多时段数据。辨识4机2区域系统和新英格兰系统的传递函数模型,仿真分析结果表明,通用Prony辨识方法能准确辨识初始状态和传递函数,计算速度快且几乎不随系统规模而变化,辨识方法具备在线应用的潜力。     

交流伺服系统速度控制器参数在线整定的简便算法

介绍了一种简便可行的交流伺服系统速度控制器参数整定方法.首先通过电机电流和电压方程以及运动方程推导出转动惯量的计算方法,再根据系统的转动惯量计算出速度控制器参数,在进行多次辨识和计算后,可以得到一组速度控制器参数.通过系统在不同控制参数下对速度阶跃信号响应效果来对辨识结果进行优化,得出最优的控制参数.算法来源于基础的电机理论和经典控制理论.辨识方法简便可行,有较好的灵活性、稳定性和有效性.最后通过试验验证了方法的正确性     

基于RLS算法的过热汽温闭环辨识方法研究

在火电机组运行过程中,出于系统运行稳定性与安全性的考虑,很难在开环条件下进行过热汽温对象模型辨识.而在闭环条件下,由于不可测噪声通过反馈环节与控制输入信号相关,用常规开环辨识算法进行建模将产生较大的估计误差.为克服闭环辨识中噪声的影响,提出了基于RLS(recursive least squares,递归最小二乘)算法的两阶段闭环辨识方法.该方法将闭环辨识问题转换成两个开环环节进行信号处理,通过RLS滤波器的噪声消除构造出无噪声污染的中间信号,再将其应用于RLS滤波器进行模型辨识,达到精确建模的目的.将该方法应用于过热汽温对象的闭环辨识,仿真结果表明该方法建模精度高,能达到满意的辨识效果.     

基于神经网络数据处理的配网实时参数辨识研究

配电网参数的准确性对其优化运行有着重要意义。但近年来配电网结构日益复杂，采用传统理论计算所得配电网参数与实际数值存在着较大误差。同时，实际量测数据存在误差，导致难以准确辨识其参数信息。为此提出一种基于神经网络数据处理的配电网实时参数辨识方法。首先对配电网建立参数辨识方程，然后利用反向传播神经网络对量测数据进行处理，最后对参数进行辨识，采用33节点系统进行测试。结果表明，所提方法能够准确辨识配电网络线路阻抗、变压器阻抗及导纳等参数，为配电网安全可靠运行及后续控制分析提供了基础支撑。