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.     

一种永磁同步电机解耦控制的新方法

针对永磁同步电机这一多变量、非线性、强耦合的控制对象,提出了一种基于神经网络在线辨识的永磁同步电机逆系统解耦控制新方法。通过静态神经网络加积分器来构造永磁同步电机的逆系统,并在实际运行中不断地修正神经网络权值,使其更精确地逼近逆系统。将逆系统与永磁同步电机原系统复合成两个伪线性子系统,使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,运用线性系统理论进行综合。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。     

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。     

感应电机的新型神经网络广义逆系统解耦控制

针对感应电机这一多变量、强耦合系统,提出了一种新型神经网络广义逆系统解耦控制方法,给出了新型广义逆系统的存在性证明.它与感应电机复合,将转子磁链与转速的解耦成两个独立的伪线性子系统,并且可以随时通过调整反馈参数改变两个伪线性子系统的配置极点,为控制器的设计提供了便利.仿真结果表明,通过合理的选择配置极点和控制器参数,整个控制系统对电机参数变化和负载扰动有较强的鲁棒性和动态性能.     

永磁同步电机混沌运动的逆系统控制

针对永磁同步电机运行中的混沌动态行为,提出一类永磁同步电机混沌运动的逆系统控制方法.通过多时间尺度变换,将转子磁场定向坐标系下的永磁同步电机模型变换成一种简单的无量纲模型.利用相图和分岔图,分析永磁同步电机的混沌动态特性.在证明永磁同步电机混沌系统可逆的基础上,通过状态反馈构造出永磁同步电机混沌系统的逆系统,将逆系统与原系统串联,组成伪线性复合系统,该复合系统等效于一个二阶线性积分环节.采用线性综合方法设计闭环控制器对永磁同步电机混沌系统进行控制.仿真结果表明该方法可实现永磁同步电机混沌系统对参考转速的渐近跟踪,控制系统的动、静态响应性能优良.     

永磁同步电动机逆系统解耦控制

提出了一种永磁同步电动机（PMSM）的逆系统线性化解耦控制方法。首先,通过非线性状态反馈获得PMSM的逆系统,将多变量、非线性、强耦合的PMSM动态解耦成转速与定子电流两个低阶的线性子系统,然后,分别设计线性控制器对转速与定子电流子系统进行闭环控制。仿真结果表明：提出的控制方案具有优良的动态和静态性能,且对负载变化具有较强鲁棒性。     

反馈线性化解耦的PMSM新型滑模控制方法

针对传统控制策略不能将永磁同步电机（PMSM）完全解耦的问题,介绍了一种以反馈线性化解耦为基础的新型滑模控制方法。首先运用微分运算和反馈线性化原理,把PMSM控制系统划分成两个相互独立的线性子系统,即转速子系统和电流子系统。其次考虑到系统鲁棒性差的问题,提出加入终端吸引子模型的新型滑模控制器。最后仿真结果表明,采用上述两种方法相结合的控制策略,可以提升系统控制精度、快速性和鲁棒性。     

滑模控制器对永磁同步电机的调速性能研究

对永磁同步电机（PMSM）控制系统的数学模型进行了解耦,将系统分为电气和机械两个子系统,并对子系统分别设计了利用时间变化的滑动面进行电机控制的滑模控制器,在此基础上设计了基于滑模控制器的永磁同步电机调速仿真系统。通过与脉冲宽度调制（PWM）的调速仿真系统的实验结果进行对比可知,基于滑模控制器的永磁同步电机控制系统进行调速时转矩脉动更小,电机转速的超调也更小,证明了这种调速控制系统具有更好的动态调速性能。     

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。