无刷双馈发电机不依赖参数的矢量控制策略

通过对无刷双馈发电机的功率绕组电压定向的统一矢量模型进行研究,提出了一种不依赖电机参数的矢量控制策略。该控制方法通过控制控制绕组的d轴和q轴电压分量来分别控制无刷双馈发电机的有功功率和无功功率,同时针对两定子d轴和q轴变量之间的交叉耦合问题加入了补偿模块。相比其他补偿策略,该补偿模块更加容易计算和实现。该控制策略不需要使用电机参数,避免了电机运行过程中因参数变化带来的控制精度下降问题。为了验证所提出的控制策略的性能,搭建了变频调速试验平台。试验结果证明了该控制方法具有良好的控制性能和解耦性能。     

表贴式永磁同步电机无位置传感器控制

位置传感器会增加系统成本和测量噪声,且无法应用在一些恶劣环境.论文在研究表贴式采磁同步电机无位置传感器的控制策略的基础上,提出一种基于反电动势的位置估计方法.利用两相旋转坐标系下电机方程的反电势形式,结合前馈控制,计算出转子位置的偏差角度,再采用锁相环结构对电机的相位和速度进行估计.在电机的低速运行阶段改进锁相环结构,保证速度估计精度,并进一步改善系统动态性能.建立了永磁同步电机的仿真模型,验证了该控制方法的可行性.在STM32F103X(ARM)为主控制器的实验平台上实现了所提出的表贴式永磁同步电机无位置传感器控制方法,实验结果表明该控制方法能够准确估计出电机的转速和转子位置,估计算法简单,系统稳态精度高、响应速度快.     

基于DSP的无速度传感器控制系统研究

为了实现快速准确地观测电机转速,在直接转矩控制系统的基础上,采用了基于电机转子磁链的MRAS速度辨识方法对系统进行速度估计,并通过DSP实现无速度传感器的直接转矩控制.利用Matlab对系统进行仿真分析,仿真结果表明,该方案的设计方法正确可行.     

直驱永磁同步发电机无位置传感器控制研究

提出一种基于锁相环技术的无位置传感器控制策略,该控制策略将系统输出的相位与给定信号相位的相位差值锁定为一个固定值,根据锁相环特性就可以得出电机位置、频率信号。仿真结果表明,该方法实现了全速范围内转子位置、速度的准确、快速检测。     

无轴承同步磁阻电机逆系统的解耦控制

为了有效解决无轴承同步磁阻电机这一非线性、强耦合的多输入多输出系统的动态解耦问题,提出了基于α阶逆系统理论的无轴承同步磁阻电机解耦控制策略.本文在阐述了无轴承同步磁阻电机径向悬浮力产生机理的基础上,推导出其数学模型,采用α阶逆系统方法将原系统解耦并线性化为一个一阶线性积分子系统和两个二阶线性积分子系统,并应用线性系统理论设计了闭环控制器.最后采用MATLAB软件环境构建了仿真系统,针对系统的阶跃响应、转子起浮、解耦性能等进行了仿真和分析.仿真试验表明这种解耦控制策略能够实现无轴承同步磁阻电机电磁转矩与径向悬浮力之间的动态解耦.并且系统具有良好的动、静态性能.     

无速度传感器PMSM混沌运动的非奇异快速终端滑模控制

针对永磁同步电机调速系统中速度传感器存在安装缺陷及在某些特定的参数下电机会呈现混沌特性,提出了无速度传感器永磁同步电机滑模控制混沌抑制方法．在无速度传感器运行的永磁同步电机矢量控制调速系统基本框架下,采用非奇异快速终端滑模控制方法来抑制电机的混沌运动．首先在永磁同步电机的混沌模型基础上通过仿真验证了混沌现象的存在;然后利用扩张状态观测器（ESO）估计转速,构成无速度传感器永磁同步电机矢量控制系统;在此基础上设计了非奇异快速终端滑模控制器,当电机在某些参数条件下呈现混沌现象,即刻通过控制器的切入来抑制永磁同步电机的混沌运动．最后通过仿真验证该方法的有效性,保证电机运行稳定和可靠.     

轮毂电机驱动电动汽车预测差速控制策略?

轮毂电机驱动电动汽车采用电子差速控制策略来保证各个驱动轮协调工作,以满足车辆转向过程中的动力性和稳定性需求.为提升车辆转向过程中的动态性能,以两轮毂电机驱动电动汽车为研究对象,提出了一种预测差速控制策略.在所提出的策略中,建立起轮毂电机统一预测模型,以实现对电机转速的长时域预测,保证算法的稳定、可靠运行.同时,构建起与...     

无速度传感器电励磁同步电机模型预测电流控制

为了提高电励磁同步电机控制系统的可靠性,优化电励磁同步电机的调速性能,提出了一种带无速度传感器的电励磁同步电机模型预测电流控制策略.以模型预测电流控制作为电流环,取代传统的PI调节器,有效抑制电流纹波,提高了电流的跟踪性能.基于模型参考自适应理论,设计电励磁同步电机无速度传感器,对电机运行转速进行在线辨识,实现对转速准确估计.仿真结果表明:控制系统具有较好的快速性和可靠性.     

基于ESO的无速度传感器PMSM系统自适应滑模FCS-MPC

为了提高三相永磁同步电机(PMSM)控制系统的性能,基于反双曲正弦函数的扩张状态观测器(ESO)技术,提出一种新颖的无速度传感器自适应滑模有限控制集模型预测控制(FCS-MPC)策略,采用ESO技术构造PMSM系统转速和反电动势的观测器,实现对电机转速和反电动势快速准确估计.用带有负载ESO的自适应滑模控制作为系统的转速调节器,以提高系统的鲁棒性;利用基于快速矢量选择的FCS-MPC策略,达到减少转矩脉动、降低系统算法计算量的目的.仿真结果表明,基于ESO的无速度传感器自适应滑模FCS-MPC策略能够使PMSM系统可靠稳定运行,达到满意的转矩和转速控制效果.与基于积分型滑模面的自适应滑模FCS-MPC策略相比,所提出的控制策略能使系统具有良好的动态性能和抗负载干扰能力.     

基于滑模模型参考自适应观测器的无速度传感器三相永磁同步电机模型预测转矩控制

针对三相永磁同步电机(PMSM)驱动系统,基于滑模变结构模型参考自适应(MRAS)技术,提出了一种新颖的无速度传感器模型预测转矩控制(MPTC)策略.采用滑模变结构模型参考自适应方法构造电机转速观测器,以改善速度估计精度并提高系统鲁棒性;利用模型预测转矩控制策略,以达到减小转矩和磁链纹波并提高系统控制性能的目的.仿真结果表明:就滑模MRAS观测器与MRAS观测器比较而言,基于前者的PMSM无速度传感器MPTC系统比基于后者的PMSM无速度传感器MPTC系统具有较强的鲁棒性和更好的动态性能;就MPTC与直接转矩控制(DTC)和磁场定向控制(FOC)比较而言,采用前者策略的无速度传感器电机驱动系统能够降低逆变器开关频率、减少相电流总谐波失真(THD),从而提高系统可靠性.     

Nonlinear adaptive speed control of a permanent magnet synchronous motor: A perturbation estimation approach

This paper presents a nonlinear adaptive control (NAC) scheme for the speed regulation of a permanent magnet synchronous motor (PMSM) based on perturbation estimation and feedback linearizing control. All PMSM system’s unknown nonlinearities, parameter uncertainties, and external disturbances including unknown time-varying load torque disturbance, are defined as lumped perturbation terms, which are estimated by designing perturbation observers. The estimates are used to adaptively compensate the real perturbations and achieve adaptive feedback linearizing control of the original nonlinear system. The proposed control scheme does not require accurate system model and full state feedback. Stability of the close-loop system with proposed NAC is investigated via Lyapunov theory, and the effectiveness of proposed NAC scheme is verified through both simulation and experimental studies. Both simulation and experimental results show that the proposed NAC scheme can provide less regulation error in speed tracking, better dynamic performance and robustness against parameter uncertainties and load torque disturbance, compared with conventional vector control and load torque estimated based control.     

状态约束下连铸结晶器振动位移系统的抗干扰控制

针对伺服电机驱动的连铸结晶器振动位移系统中存在的机械加工精度误差、摩擦非线性等不确定性和负载转矩扰动等问题,考虑伺服电机单方向变速转动产生的状态约束,提出了一种基于切换函数的抗干扰控制方案。首先,针对系统中状态约束且不可测及前向通道含有非线性周期函数（近似正弦函数,逆解非唯一）传递关系的问题,通过建立偏心轴转角误差与结晶器振动位移之间的函数关系,解决系统自身的状态约束问题。其次,针对系统存在的不确定性和负载转矩扰动问题,设计切换函数重构系统中存在的整体不确定性,通过扩张状态观测器对整体不确定性进行估计,将估计值与滑模控制方法相结合设计输出反馈控制器,实现结晶器振动位移的跟踪控制。最后,通过Lyapunov理论证明了控制系统的稳定性,通过仿真验证了本文所提方法的有效性。     

吊车钢丝绳非线性谐振建模及消谐控制

对于欠驱动吊车而言, 已有的方法都只考虑如何消除摆角. 然而当钢丝绳的摆角很小时, 钢丝绳上可能仍 然会存在严重的谐振. 针对吊车的消谐问题, 本文率先提出了一种基于钢丝绳–电机轴的非线性谐振力矩模型. 具体而言, 先利用振动力学的方法, 建立了非线性谐振力矩模型, 该模型可以将钢丝绳上的非线性谐振力矩归算到电机轴上, 然后通过电机控制器调节电机的输出力矩, 使得电机输出的基波主力矩上叠加一个大小相等方向相反的非线 性谐振力矩, 以达到消除钢丝绳上的谐振力矩的目的. 最后通过Simulink仿真和实验证明该方法具有良好的控制性 能, 不仅可以有效消除钢丝绳上的谐振, 并且能进一步减小摆角.     

基于力矩信息的拖拉机转向动态PID控制方法

针对拖拉机驾驶机器人自主转向系统在转向过程中的阻尼具有非线性和时变性的特点,同时为了提高转向系统的控制性能,设计了基于力矩信号检测的拖拉机转向控制系统,其由力矩传感器、STM32处理器、工控机、驱动器及直流电机等组成.首先通过仿真研究不同力矩时的最优PID控制参数,给出不同力矩时的最优PID参数规律,再通过力矩传感器检测的力矩信号动态调整PID参数来控制电机的转向.仿真及实验结果均表明,基于力矩信号反馈的拖拉机动态PID转向控制方法能够有效控制拖拉机的方向,响应快、超调小、适应性强.     

永磁同步电机高效非线性模型预测控制

永磁电机控制器要求电机有很强的转速跟踪能力,并且要保证系统参数变化及负荷扰动下系统的鲁棒性. 永磁电机包含很多不确定因素,是强耦合的非线性系统,传统的线性控制器很难对其进行控制. 针对永磁电机的转速控制构造非线性模型预测控制方法. 非线性永磁电机模型通过输入-输出反馈线性化策略解耦成为新的线性系统. 为保证可行解的收敛性,提出一种迭代二次规划方法来处理由输入-输出反馈线性化导致的非线性约束. 仿真结果表明,控制器能有效降低计算负担,具有很好的动态控制性能,能抑制转矩脉动,并保证在参数变化和负荷扰动下控制系统的鲁棒性.     

基于卷积神经网络的永磁同步电机转矩观测器

内嵌式永磁同步电机具有高功率密度、高可靠性和弱磁性等诸多优点,但由于电动机参数具有非线性化特征,导致电磁转矩难以精确估算。该文提出了一种基于卷积神经网络的电磁转矩估算方 法,即转矩观测器。首先,基于所搭建的高保真非线性内嵌式永磁同步电机模型,获得用于神经网络训练的转矩观测器数据;然后,基于所提出的卷积神经网络转矩观测器实现内嵌式永磁同步电机的精确控制;最后,为获取最优的转矩估算误差,在仿真实验阶段对不同参数和结构的卷积神经网络进行了对比和分析。结果表明,该神经网络可以实现电磁转矩的准确估算,所建立的转矩观测器具有良好的性能参数和泛化能力。     

Improving performance of switched reluctance motor by fuzzy logic controller

This paper presents torque ripple minimization of a switched reluctance motor (SRM) by using a fuzzy controller. The nonlinear model of the SRM and the mathematical model of the converter circuit are driven. The motor used in both simulation and experiment is an 8/6 four phase SRM with a C-Dump converter. The applied fuzzy controller adjusts the value of the reference current to keep the speed of the motor constant. The results show that the fuzzy logic is effective in reducing the torque ripple of the motor, and compensating for the nonlinear torque characteristics. The experimental result is given for a current control algorithm, and it shows that the quite nonlinear model of the SRM is well defined. Copyright © 1999 John Wiley & Sons, Ltd.     

基于电压斩波及关断角补偿控制的SRD仿真实现

为了简化控制和降低成本,对开关磁阻电动机(SRM)采用电压斩波控制方式;针对SRM转矩脉动大的问题,采用模糊控制器对SRM的关断角进行实时补偿,达到减小转矩脉动的目的.分析SRM非线性数学模型,在MATLAB/Simulink中建立基于电压斩波及关断角补偿控制的开关磁阻电动机调速系统(SRD)仿真模型.最后通过仿真,验证了电压斩波控制方式的正确性,也验证了文中减小SRM转矩脉动方法的可行性和有效性,为实际的SRD设计和调试提供有效的手段和工具.     

Speed Tracking Control of Permanent Magnet Synchronous Motor by a Novel Two-step Internal Model Control Approach

The control problem of permanent magnet (PM) synchronous motor has attracted extensive attentions in both control society and industrial applications. Much recently, a local speed tracking and nonlinear disturbance rejection problem of PM synchronous motor was investigated by nonlinear internal model design. In this paper, we propose a novel two-step controller design strategy to achieve speed tracking and nonlinear disturbance rejection of PM synchronous motor with wide speed range, which combines the advantages of classical double-loop control and nonlinear internal model control. It is worth mentioning that the proposed two-step controller design strategy can not only guarantee exact speed tracking with wide speed range, but also reject small nonlinear external disturbances in the load torque, generated by a so-called nonlinear exosystem. Simulation results demonstrate the effectiveness of our design.     

Adaptive fuzzy APSO based inverse tracking-controller with an application to DC motors

This paper introduces the use of the adaptive particle swarm optimization (APSO) for adapting the weights of fuzzy neural networks (FNN) on line. The fuzzy neural network is used for identification of the dynamics of a DC motor with nonlinear load torque. Then the motor speed is controlled using an inverse controller to follow a required speed trajectory. The parameters of the DC motor are assumed unknown as well as the nonlinear load torque characteristics. In the first stage a nonlinear fuzzy neural network (FNN) is used to approximate the motor control voltage as a function of the motor speed samples. In the second stage, the above mentioned approximator is used to calculate the control signal (the motor voltage) as a function of the speed samples and the required reference trajectory. Unlike the conventional back-propagation technique, the adaptation of the weights of the FNN approximator is done on-line using adaptive particle swarm optimization (APSO). The APSO is based on the least squares error minimization with random initial condition and without any off-line pre-training. Simulation results are presented to prove the effectiveness of the proposed control technique in achieving the tracking performance.