基于模糊模型无位置传感器开关磁阻电机的位置检测

提出了一种基于非线性模糊模型的开关磁阻电机(SRM)转子位置检测的方法.该方法力求用最少的输入数据,得到初步的SRM非线性模糊模型,然后结合电机的运动方程对该模型进行在线调整;在此模型的基础上,运用模糊算法,以电流和磁链作为输入、位置作为输出,检测出转子的位置.研究证明,这种转子位置检测方法具有很高的精度.     

基于模糊模型无位置传感器开关磁阻电机的位置检测

提出了一种基于非线性模糊模型的开关磁阻电机(SRM)转子位置检测的方法。该方法力求用最少的输入数据，得到初步的SRM非线性模糊模型，然后结合电机的运动方程对该模型进行在线调整；在此模型的基础上，运用模糊算法，以电流和磁链作为输入、位置作为输出，检测出转子的位置。研究证明，这种转子位置检测方法具有很高的精度。     

基于转矩逆模型的开关磁阻电机滑模变结构控制

开关磁阻电机的转矩脉动是其应用的一个问题.该文应用小波神经网络建立对应开关磁阻电机位置信号的非线性映射,估计转子位置角度,提出利用自适应模糊神经网络学习训练开关磁阻电机转矩逆模型优化期望转矩所需的相电流,采用滑模电流控制器实现电机转矩的低脉动控制,仿真结果表明方法的有效性,能够有效地控制开关磁阻电机转矩按期望变化.     

基于支持向量机的开关磁阻电机转子位置估计

开关磁阻电机具有结构简单、工作可靠、效率高和成本较低等优点,在很多领域都显示出强大的竞争力,但是位置传感器的存在不仅削弱了开关磁阻电机结构简单的优势,而且降低了系统高速运行的可靠性,增加了成本.针对这一问题,提出了基于支持向量机的开关磁阻电机转子位置估计新方法.该方法针对开关磁阻电机的非线性,利用支持向量机泛化能力强以及能够较好地解决小样本学习问题的特点,通过离线学习的方法形成一个理想的支持向量机结构来实现电机电流、磁链与转子位置之间的非线性映射,实现开关磁阻电机的转子位置估计.仿真及实验结果表明,该方法能够实现电机转子位置的准确估计,进而实现开关磁阻电机的无位置传感器控制.     

基于神经网络的开关磁阻电机转子位置估计

位置检测是开关磁阻电机调速系统中的重要环节.实时、准确的位置是开关磁阻电机正确运行的关键.由于其转子位置角是各相磁链与电流的高度非线性函数,传统线性及解析的方法难以精确求得.该文基于神经网络并行处理及逼近任意非线性函数的特点,提出了基于神经网络的位置检测方案.借助于MATLAB的神经网络工具箱,采用三种改进的学习算法对试验数据样本进行了离线训练,确定了用于位置检测的神经网络模型.为验证模型的有效性和准确性,对大量的数据样本进行了仿真.结果表明：该方法能够快速、准确地测量转子位置,鲁棒性和自适应性强.     

一种基于模糊模型的SRM无位置传感器检测方法研究

基于模糊模型的开关磁阻电机转子位置检测方法以电流和磁链作为输入,用模糊算法运算得到转子的位置.为提高转子的精度,在算法中引入了前置滤波器以及位置预测模块.前置滤波器用来检测和消除反馈信号中的噪声,位置预测模块则对转子位置进行修订.仿真分析证明,这种转子位置检测方法具有很高的精度.     

开关磁阻电机非线性径向力的有限元计算

开关磁阻电机的径向力存在着严重的非线性,它是转子位置角和定子相电流的非线性函数,因此如何分析和计算开关磁阻电机的非线性径向力模型是研究振动与噪声的关键问题。该文基于有限元原理,通过虚位移法对开关磁阻电机的径向力非线性模型进行分析和计算。最后,应用ANSYS软件计算样机径向力的有限元模型,得到了径向力与转子位置角和定子相电流的非线性关系曲线,为开关磁阻电机非线性振动及控制研究奠定了基础。     

开关磁阻电机无位置传感控制器研究

针对机械式位置传感器增加控制系统复杂性和降低系统可靠性的问题,提出了开关磁阻电机一种新的无位置传感控制器。在建立开关磁阻电机电感模型基础上,推导无位置传感器数学模型,构建无位置传感器控制系统。通过测量激励相电压和电流,估算转子实际位置,采用电流斩波控制方法控制开关磁阻电机低速运行,采用角度位置控制方法控制开关磁阻电机高速运行。对该无位置传感系统进行仿真,并实现了对开关磁阻电机无位置传感器的控制。实验结果表明该方法能在较宽调速范围内准确地估计开关磁阻电机转子位置。     

基于论域自调整的模糊PID开关磁阻电机控制系统研究

针对开关磁阻电机系统较强的非线性,提出了一种基于论域自调整技术的模糊PID控制方法.根据论域自调整理论,设计了论域自调整模糊PID控制器;搭建了开关磁阻电机和论域自调整模糊PID控制器的Matlab仿真模型;通过仿真将开关磁阻电机在传统PID控制和论域自调整模糊PID控制条件下的运行状况进行了对比.仿真分析表明,论域自调整模糊PID控制方法比传统PID控制方法响应速度更快,控制精度更高,抗干扰能力更强.     

开关磁阻电机的Pi-sigma模糊神经网络建模

开关磁阻电机的磁路高度饱和及双凸极结构导致了相绕组的磁链是转子位置和相电流的非线性函数。本文采用兼具Takagi-Sugeno(T-S)模糊逻辑和神经网络优点的Pi-sigma模糊神经网络来建立开关磁阻电机的非线性模型并采用了附加动量项的自适应学习速率训练算法。实现了开关磁阻电机的较高精度建模,减少了学习训练次数,简化了结构,使其可在线快速运算。本文通过对相电流与转子位置角的非均匀间隔采样和对论域的全面覆盖,来达到测量数据的合理分布,以提高建模精度和泛化能力并减少测试数据量。通过对模型输出数据与实测数据进行比较及对泛化样本数据的校验表明,本文所建立的模型具有精度较高、泛化能力较好、结构较简洁、运算速度较快等特点。     

Switched reluctance motor modeling with on-line parameteridentification

A nonlinear model with on-line parameter estimation using recursive identification for switched reluctance motors (SRMs) is presented. The model is robust toward parameter variations in the motor or any system disturbances. The parameters of the model are adjusted to account for errors in rotor position, which allows the use of crude inexpensive position sensors. The proposed modeling approach allows self-tuning of SRMs in a production unit. The simulations and experiments performed to test the model demonstrate the accuracy of estimation of the model     

Sensorless control of SRM using magnetizing curves

Among various variable speed drives, switched reluctance motors (SRMs) have been found to be competitive with traditional ac and dc motors because of their simple construction and drive electronics. However, the necessity of using a shaft‐mounted position sensor is one of the drawbacks of the SRM from the standpoint of cost, size, and reliability. Position sensorless SRM drives are expected to solve these problems. This paper presents a method of position sensorless control based on a simple fuzzy model of nonlinear position‐dependent magnetizing curves. The sensors needed for the drive are one voltage sensor and one current sensor. Experimental studies using a 1.5‐kW, 5400‐rpm SRM with a 6/4 tooth configuration show that the maximum error of rotor position estimation is less than three mechanical degrees in the 1:20 speed range under any load conditions. © 2001 Scripta Technica, Electr Eng Jpn, 135(2): 60–68, 2001     

基于模糊补偿的无轴承同步磁阻电机径向位置逆控制

给出无轴承同步磁阻电机转子径向位置的控制模型,针对多变量、强耦合的径向位置非线性系统,提出一种基于模糊补偿的被控电机转子径向位置逆控制方法,证明该径向位置系统可逆,推导出其逆系统模型,将其精确线性化成一个伪线性系统,从而将径向位置系统解耦为两个独立的二阶线性子系统.为对已解耦的径向位置系统进行综合,在常规PID控制器基...     

汽轮机转子寿命损耗在线监测系统的研究

依据火电机组运行的实际数据,采用有限元法对汽轮机转子的温度和应力场进行计算,通过分析确定系统的监测面位置,然后利用修正后的一维热应力简化计算式对转子低周疲劳寿命损耗进行了计算,并结合高温蠕变对转子寿命的影响,建立了汽轮机转子寿命损耗在线监测模型,开发了汽轮机转子寿命损耗在线监测系统。通过仿真数据和实际运行数据的对比,其结果是一致的,系统是有效的。     

The modeling of switched reluctance machines with magneticallycoupled windings

This paper presents a method of modeling switched reluctance motors with strongly coupled windings, such as switched reluctance machines (SRMs) with fully pitched windings or with commutating windings. These machines are particularly difficult to model because, unlike a conventional SRM, the flux linking any one winding of the machine is a nonlinear function of rotor position and all phase currents. The problem is overcome by breaking down the instantaneous flux linkages and currents in each phase to give the flux and magnetomotive force (MMF) in each tooth of the machine. The flux and MMF per tooth can then be linked in the model by a simple lookup table, determined from either simulation or measurement. The paper describes the simulation method in detail and then gives extensive comparisons between measurement and simulation results for an SRM with fully pitched windings, operating over a range of operating conditions. The results presented also serve to give an insight into the method of operation of these rather complex machines     

Prediction of electromagnetic forces and vibrations in SRMs operating at steady-state and transient speeds

Although some research has been conducted on vibrations in switched reluctance motors (SRMs), the response during transients, which may occur during sudden load changes or braking, has not received much investigation. In this paper, a simulation model to predict the transient vibration of SRMs is developed. The vibration prediction model is built based on the detailed normal force versus phase current and rotor position lookup table using finite-element calculations. The model is then verified by a running motor test, which shows acceptable accuracy. The results reveal that there are abundant harmonics of transient force during transients and, thus, resonance may be excited. This model allows the possibility of improved design of SRMs from a vibration and acoustic noise point of view.     

基于自适应网络模糊推理系统的开关磁阻电机建模方法

提出一种开关磁阻电机(switched reluctance motor,SRM)数学建模的新方法：在已知开关磁阻电机静态电感曲线和矩角特性曲线的基础上,将自适应网络模糊推理系统(adaptive network based fuzzy inference system,ANFIS)用于SRM的整体建模中。该模糊推理系统由5层网络构成,将模糊推理与神经网络有机结合起来,利用它的自学习功能计算出模糊系统的隶属度函数以及相应的模糊规则,形成一个结构简单、紧凑的网络来实现电机绕组电流、转子位置角与电感和转矩的非线性映射关系,然后离线训练得到电感与转矩模型。把这种基于ANFIS的电感和矩角模型应用于SRM的系统建模中,以550 W、6/4极SRM为例,进行了仿真与实验比较,结果表明此建模方法能够较好的反映SRM的实际工作状况,从而为SRM系统的建模分析与设计提供一种新的有力的工具。     

磁阻电机的模糊自学习控制

磁阻电机由于其转矩是各相电流与转子位置的高度非线性函数，要获得高性能的控制必须借一个非线性的补偿表格以补偿以其非线性。本文给出了一种在转矩反馈的基础上，经由模糊自学习系统学习非线性转矩补偿的方法。该方法克服了以往离线制作补偿表费力且精度不高缺点。学习系统和算法被精心设计使学习收敛速度最快，仿真和实验证明此方法快速有效。