永磁同步电机的神经网络逆动态解耦控制

永磁同步电机是一个非线性、强耦合系统，应用神经网络逆系统方法对永磁同步电机进行动态解耦控制研究。通过对永磁同步电机的数学模型可逆性分析，得出解析逆系统，由解析逆系统与永磁同步电机原系统复合成两个伪线性子系统来构造神经网络逆系统，使永磁同步电机动态解耦成二阶线性转速子系统和一阶线性磁链子系统，并采用鲁棒伺服控制器对伪线性子系统进行线性闭环控制器的设计，实现永磁同步电机转速和定子磁链的动态解耦，仿真表明系统具有良好的动静态性能。     

永磁同步电机神经网络逆解耦控制研究

针对永磁同步电机的非线性、多变量、强耦合的特点,将神经网络与逆系统解耦方法相结合,并用于永磁同步电机的解耦控制.分析永磁同步电机的数学模型与解析逆模型,完成系统可逆性证明,将永磁同步电机与解析逆系统等效成两个伪线性子系统,构造神经网络逆系统,将永磁同步电机动态解耦为一阶线性磁链子系统与二阶线性转速子系统,利用两个PID控制器对伪线性子系统进行闭环控制器设计,实现系统转速与定子磁链动态解耦控制.利用dSPACE半物理仿真系统完成神经网络训练数据的采集与系统解耦控制实验.结果表明神经网络逆系统方法可以实现永磁同步电机的高新能控制,对负载扰动具有较强的鲁棒性.     

基于逆系统理论的永磁同步电动机解耦控制

针对永磁同步电机这种多变量、非线性、强耦合的控制对象,应用逆系统方法,将永磁同步电机解耦成二阶线性转速子系统和一阶线性磁链子系统;在此基础上,采用鲁棒伺服控制器对伪线性子系统进行线性闭环控制设计.仿真试验表明,这种控制策略能够实现永磁同步电机转速和定子磁链之间的动态解耦控制,并且系统具有良好的动静态性能.     

基于神经网络逆的永磁同步电机自适应解耦研究

针对永磁同步电机多变量、非线性、强耦合等特性,提出一种基于神经网络逆的模型参考自适应解耦控制方法。神经网络逆系统与原系统复合成两个伪线性子系统,一个一阶磁链子系统和一个二阶转速子系统。定子电阻随温度变化而变化,进而影响磁链子系统和转速子系统的解耦控制。模型参考自适应控制方法可以通过误差调节来减小定子电阻变化对系统的影响,仿真试验结果表明该控制策略能够在定子电阻发生变化的情况下实现转速与定子磁链之间的动态解耦,并能保证系统的稳定性。     

基于精确线性化解耦的永磁同步电机空间矢量调制系统

从永磁同步电机的定子磁链模型出发，应用精确线性化理论，实现永磁同步电机输入输出线性化与解耦。将永磁同步电机动态解耦成二阶线性转速子系统和一阶线性磁链子系统，结合磁链扇区判断方法和线性化解耦后的实际系统输入来确定目标空间电压矢量，实现了永磁同步电机调速系统的转速和磁链动态解耦控制。仿真和实验结果表明，基于精确线性化解耦的永磁同步电机空间矢量调制系统具有理想的速度跟踪性、良好的鲁棒性和低速性。     

基于DSP的永磁同步电机神经网络逆解耦控制

针对永磁同步电机(PMSM)这一非线性多变量的复杂系统,提出了不依赖对象精确数学模型和参数的PMSM神经网络逆系统控制方法,并在以数字信号处理器(DSP)为核心的控制实验平台上得以验证。PMSM的逆系统由静态神经网络加积分器构成并与原系统串联,实现了其转速和磁链的动态解耦。在此基础上,为两个解耦的伪线性子系统设计了线性闭环调节器,使整个系统获得优良的动静态性能。实验结果表明,神经网络逆系统方法可以实现对PMSM的高性能控制,对参数变化和负载扰动具有较强的鲁棒性。     

基于神经网络逆的永磁同步电动机解耦控制

针对永磁同步电动机这一非线性多变量的复杂系统,提出了不依赖对象精确数学模型与参数的永磁同步电动机神经网络逆系统控制方法.给出了永磁同步电动机的一般数学模型和解析逆模型,证明了该系统可逆,用神经网络逆系统对其进行控制是可行的.永磁同步电动机的逆系统由静态神经网络加积分器构成,与原系统串联,实现了永磁同步电动机的转速和磁链动态解耦.在此基础上,对两个解耦的伪线性子系统设计了线性闭环调节器,使整个系统获得优良的动静态性能.仿真实验结果表明,神经网络逆系统方法可以实现对永磁同步电动机的高性能控制,对参数变化和负载扰动具有较强的鲁棒性.     

基于模糊神经网络逆系统的五自由度无轴承永磁同步电机自抗扰控制

为了实现五自由度无轴承永磁同步电机的高性能控制,提出一种基于Takagi-Sugeno(T-S)型模糊神经网络逆系统的自抗扰控制方法。首先,基于五自由度无轴承永磁同步电机(5-DOF BPMSM)的结构及运行原理,建立五自由度无轴承永磁同步电机的数学模型,并对数学模型进行了可逆性分析。其次,利用T-S型模糊神经网络的非线性逼近能力构建出五自由度无轴承永磁同步电机的逆系统,将构建的逆系统与原系统串接,使非线性的原系统解耦为六个单输入单输出的伪线性子系统。然后,考虑到伪线性子系统的特点,利用自抗扰控制理论设计了附加闭环控制器来保证伪线性子系统的稳定性。最后,对提出的控制方法与传统的基于逆系统的PID控制方法进行对比仿真和实验研究,结果表明提出的控制方法具有更出色的解耦性能、更高的控制精度以及更强的鲁棒性。     

电流控制逆变型感应电机的神经网络逆系统控制

针对电流控制逆变器供电的感应电机系统的特点,提出了不依赖于对象精确数学模型与参数的感应电机神经网络逆系统控制方法.由静态神经网络加积分器来构造感应电机的逆系统,并与原系统串联,实现感应电机的转速和转子磁链真正的动态解耦.在此基础上,设计线性闭环调节器对两个解耦的伪线性子系统进行控制,获得优良的动、静态控制性能.仿真结果表明这种基于神经网络逆系统方法的控制策略可实现感应电机的高性能控制,且对电机参数的变化与负载扰动具有较强的鲁棒性.     

感应电机的神经网络逆系统线性化解耦控制

提出了一种新的感应电机的线性化解耦控制方法，其特点是不依赖于对象的精确数学模型与参数。通过用静态神经网络加积分器来构造感应电机的逆系统，将感应电机这一多变量、非线性、强耦合的复杂对象动态解耦成转速与转子磁链两个二阶线性子系统，然后运用线性系统理论进行综合。仿真与初步的实验结果表明系统具有优良的静态及动态解耦性能，且对电机参数的变化与负载扰动具有较强的鲁棒性。     

两电机调速系统的神经网络逆在线调整控制

针对MIMO非线性强耦合的两电机变频调速系统,在基于神经网络逆系统离线训练的基础上提出了在线调整的策略,通过静态神经网络加积分器来构造两电机变频调速系统的逆模型,在实际运行中不断地修正神经网络权值,更精确地逼近其逆系统,实现MIMO系统的线性化与解耦.仿真和实验结果表明,系统具有优良的动静态解耦性能和较强的抗负载扰动的能力.     

永磁同步电机的自适应逆控制

设计了自适应逆控制的永磁同步电机(PMSM)控制系统,控制系统采用双闭环结构的矢量控制,将自适应逆控制方法引入速度控制。运用非线性自适应滤波器,实现系统的建模与逆建模,并引入滤波器构成了速度控制器,采用最小均方差(Least Mean Square,LMS)自适应滤波算法在线调整其权函数,实现速度的精确控制。在基于DSP的永磁同步电机速度控制系统平台上的实验结果表明,非线性滤波器能够建立电流环模型,提出的非线性自适应逆控制方法能够实现精确的速度控制。与PID控制方法相比,具有更精确的速度跟踪性及更快的响应速度。     

电动汽车驱动用永磁同步电动机系统效率优化控制研究

为提高电动汽车续行里程,提出一种电动汽车驱动用永磁同步电动机系统的自适应效率优化控制策略,在电动汽车任何工况下都能够快速找到电机系统最大效率运行点.为提高效率优化的快速性,本策略采用了永磁同步电动机电气损耗数学模型结合模糊逻辑控制及转矩补偿的方法.开发了基于TMS320F240DSP的电动汽车驱动用永磁同步电动机效率优化控制系统.实验结果证明了本策略的有效性.     

无刷直流电机调速系统神经网络逆控制

无刷直流电机运行中参数摄动和换相过程的非线性,在一定程度上限制了其调速性能。针对这些特点,在分析无刷直流电机换相区和传导区数学模型的基础上,提出了一种基于神经网络逆的控制策略,采用静态神经网络加积分器来构造电机的逆系统,并将该逆系统与原电机系统串联复合构成伪线性系统,实现整体的近似线性化,从而简化了外环控制器的设计难度。仿真与实验结果均表明神经网络逆控制方法对负载扰动与电机参数摄动有较强的鲁棒性,且能在减小转速超调的同时保证了响应速度及跟踪精度,使整个系统具有优良的动静态性能。     

基于扩展卡尔曼滤波的永磁同步电机无传感器矢量控制

为实现永磁同步电机(PMSM)的无传感器控利,引入扩展卡尔曼滤波对转子位置和转速进行估计,该算法通过测量电机端电压和定子电流在线估计转子位置和速度.为提高PMSM转速估计精度,以两相静止坐标系下考虑转动惯量的PMSM实际模型为递推估计对象,搭建转速、电流双闭环的无传感器矢量控制系统.仿真结果表明,系统状态估计精度较高、运行稳定、超调小、动静态性能良好.     

Sensorless Control of a Permanent Magnet Synchronous Motor Using Artificial Neural Network Based Estimator—An Application of the Four-Switch Three-Phase Inverter

This article presents a space vector pulse width modulation based three-phase four-switch inverter for the sensor-less control of a three-phase permanent-magnet synchronous motor (PMSM). The PMSM was modeled in MATLAB SIMULINK using the dynamic model to extract signals required for the sensor-less control. The calculation of time for gate signals of the switches in the four-switch three-phase inverter has been explained in detail and implemented using the artificial neural networks. The ANN based SVPWM block takes reference voltage, frequency and modulation index as commands and provides three-phase voltages with variable frequency. An ANN based speed and position estimator was also implemented for the PMSM to eliminate mechanical sensors. The proposed system was implemented using the Texas Instruments' TMS320F2812 development kit and the National Instruments data acquisition module USB-6259. The results have been presented for the permanent magnet synchronous motor drive in under-modulation region.     

交互式模型参考自适应PMSM速度辨识

提出了一种基于矢量控制的交互式模型参考自适应永磁同步电机无速度传感器控制方案.该方案利用静止α-β坐标系下的基于电压模型的反电动势估计值和基于磁链模型的反电动势估计值之差作为误差信号,交互式的构成对定子电阻辨识和转子转速辨识的自适应律,实现定子电阻和转速的估计,解决了因电机参数变化所影响速度辨识精度的问题.仿真和实验研...