同步电动机起动过渡过程的智能控制研究

本文论述了基于神经网络控制的同步电动机负载变化的过渡过程的控制,采用了状态变量法对同步电动机建模,并做出了在负载变动比较大的情况下,用神经网络控制的同步电动机的过渡过程的仿真曲线。     

采用神经网络控制的永磁同步电动机调速系统

针对传统PID控制的不足，设计了神经网络（ANN）控制的永磁同步电动机（PMSM）调速系统并进行了仿真分析。结果表明：采用神经网络控制的调速系统具有更好的起动性能，当负载或参数突变时，具有恢复时间短、振荡小等特点，证明了神经网络控制的优越性。     

基于神经网络逆解耦的异步电动机节能控制

异步电动机矢量控制是一种稳态下的解耦控制,当对电机调节励磁进行节能控制时,及负载突变状态下系统解耦性能下降,节能效果变差。针对异步电动机节能控制中的上述问题,提出一种将基于神经网络逆系统方法的异步电动机解耦控制与基于损耗模型的节能控制策略相结合的异步电动机节能控制方法。仿真表明该方法具有较好的动态节能控制效果及较强的负载跟踪能力。     

永磁同步电动机神经网络速度控制的仿真

利用神经网络作为控制器 ,取代常规的PID控制器 ,实现永磁同步电动机调速系统速度控制的研究。仿真结果表明 :当突加负载扰动或参数突变时 ,神经网络控制与PID控制相比 ,具有恢复时间短 ,振荡小等特点 ,证明了神经网络控制的优越性。     

基于自抗扰控制器的永磁同步电机位置伺服系统

设计了一种新颖的基于自抗扰控制器的永磁同步电动机位置伺服系统。该系统通过跟踪-微分器为给定位置信号提供一个过渡过程,克服了系统响应速度和超调之间的矛盾,使得系统响应快且没有超调;通过扩展状态观测器将系统的负载、转动惯量和定子电阻等参数变化带来的扰动观测出来并加以补偿,提高了系统的抗干扰能力;通过非线性状态误差反馈律实现了"小误差大增益,大误差小增益"的非线性控制,提高了控制精度。仿真结果表明,该系统具有响应快、无超调、稳态精度高的特点,对负载、转动惯量和定子电阻的变化具有很强的鲁棒性。     

一种带线性动态负载的十二相飞轮储能发电机系统

未来多相储能发电机系统具有广阔的发展应用前景,本文在一套十二相/12kW同步发电机硬件系统的基础上进行了带线性动态负载的十二相飞轮储能同步发电机系统的设计与仿真模型研究。系统中的线性动态负载模块由Buck电路构成,励磁功率放大器模块采用全桥电路,励磁控制器模块采用一种新型变参数反馈加前馈的控制方式。为检验设计效果,基于EMTDC软件建立了系统仿真模型,其中电机模型应用Fortran语言对EMTDC软件二次开发获得。仿真结果表明:所有设计模块均能完成基本功能,线性动态负载的输出功率能够按照期望的速率线性增加,励磁控制系统具有较好的控制精度与响应速度;系统模型求解准确、高效。     

带冲击负载同步电动机的数字仿真

本文推导了带冲击负载同步电动机数字仿真的数学模型,对这类运行方式下电动机的行为进行了研究。并分析了其励磁调节、最大负载和稳定域及安全域等技术性能指标。     

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.     

基于矢量空间最小励磁电流的电机节能研究

文中提出一种基于矢量空间的最小励磁电流的变频调速系统节能控制方案；对异步电动机矢量控制系统取得定子电流最小值的原理进行了证明；针对异步电机轻载运行进行基于矢量空间的最小励磁电流法仿真实验。理论分析与仿真实验表明，该节能控制方案不增加系统硬件成本，根据电动机的负载状态对励磁电流进行调节，使定子电流达到最小值，从而达到节能的目的。当负载率为14%时，节能率可达9%。实验结果表明本文控制方案不仅能使中小功率异步电动机轻载运行时节能，还使其电磁转矩振荡减小。     

同步电动机实际运行中的节能问题

同步电动机实际运行中存在的主要问题:一是电动机长期工作在轻负载与欠励磁状态;二是电动机长期工作在重负载与额定过励磁状态.对于第一个问题,通过分析同步电动机的V形曲线,知道电动机的工作状态不合理,进一步找出了励磁装置方面的原因,并予以解决.对于第二个问题,通过实验得到不同励磁电流时电动机的功率因数曲线,测得励磁电流与总损耗的关系,得出电动机在实际运行中励磁电流的大小要通过实验确定的结论,以达到电动机运行时的功率因数高、电机与配电线路上的总损耗小、输出机械功率较大的要求.     

基于RBF神经网络的永磁同步电机在线辨识与模型参考自适应控制

永磁同步电机控制系统是多变量和非线性的。针对传统PI控制方法的不足,提出了一种基于RBF神经网络的永磁同步电机在线辨识与模型参考自适应控制方法。该方法利用RBF神经网络极强的非线性映射能力,通过对神经网络的离线和在线训练,实现了电机速度的自适应控制。仿真结果表明该方法控制精度高,动、静态特性好。     

基于ELMAN神经网络的同步电机动态参数在线辨识

为提高同步电机参数在线辨识的速度和可靠性，减少辨识计算量，提出了一种基于神经网络的电机参数动态跟踪辨识方法。针对同步电机暂态、次暂态参数的非线性和动态特性，在多层前向BP网络中引入特殊关联层，形成有“记忆”能力的Elman神经网络，因而可以映射系统的非线性和动态特性。在网络训练算法中，提出一种自适应修正步长和矩量因子的算法，显著提高了训练的收敛速度。训练样本集以同步电机在各种典型运行模式下的检测数据经卡尔曼滤波、状态空间有限元等基于模型的辨识算法离线计算得到。文中还给出了由工控机、智能数据采集卡和传感器锁相环控制接口电路构成的在线辨识硬件电路设计。数字仿真和动模实验机组辨识算例证明，这种Elman神经网络模型能够实现同步电机动态参数的在线跟踪辨识。     

Buck变换器负载连续跳变动态特性分析与控制

常见的DC／DC变换器的动态特性分析仅针对负载发生一次跳变的情况．对负载发生多次连续跳变的情况的分析处理尚不多见。论文以Buck同步整流电路为例,分析了在负栽连续跳变的情况下的动态特性,并提出基于电容电荷平衡原理的控制算法。论文采用电压模式与电容电荷平衡两种控制算法进行对比仿真研究,仿真结果验证了在负栽连续跳变的情况下...     

基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

永磁同步电动机的神经网络模糊控制器设计

提出了基于神经网络的自学习模糊控制器的设计方法。在永磁同步电动机(PMSM)矢量控制系统中,使用该控制器作为速度调节器对永磁同步电动机进行精确的速度控制。仿真结果表明,该神经网络模糊控制方法是可行的,具有良好的动态及静态特性。     

基于混沌优化算法的磁悬浮开关磁阻电动机控制的研究

针对磁悬浮开关磁阻电动机控制系统高精确度、快响应的要求,阐述了基于混沌优化算法的模糊神经网络控制方案。采用混沌粗搜索与细搜索相结合的优化策略,对模糊神经网络控制器中的参数进行优化,给出了具体设计方法和优化步骤。仿真结果表明,该磁悬浮开关磁阻电动机控制系统无振荡、无超调,具有较高的精度、较强的鲁棒性和抗干扰能力。     

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。     

永磁同步直线电动机径向基神经网络PID控制

针对永磁同步直线电动机的初级磁链近似为常数这一特点,在d-q轴下建立了直线电动机的数学模型。直线电动机具有非线性、耦合性、负载扰动、时变不确定性等特点。常规PID控制虽然结构简单、输出稳定、易实现,但在高速高精度应用场合却不能达到理想的控制效果。提出了一种基于RBF神经网络与传统PID控制相结合的新策略,形成RBF神经网络整定PID控制,在一定程度上改进了PID控制性能。仿真结果表明,RBF神经网络PID控制具有更好的动态响应性和更加稳定的跟踪性能。     

电动汽车动力传动系转矩波动抑制研究

针对电动汽车由于传动系低阻尼特性产生的转矩波动问题,在Matlab/Simulink平台上搭建了基于永磁同步电机矢量控制策略的传动系扭振仿真模型,在电机速度环设计出模糊自整定PID控制器和神经网络PID控制器,以提高电机控制器的响应速度和抗干扰能力。仿真结果表明:运用机电耦合的建模方法能够有效揭示电动汽车传动系的动力学特性;通过模糊逻辑方法或者神经网络算法对PID控制器进行参数整定,能够改善由突变负载和突变控制信号引起的传动系转矩波动问题。