本文關鍵詞：永磁同步電機改進神經(jīng)網(wǎng)絡控制研究

  更多相關文章： 永磁同步電機 PID控制 改進神經(jīng)網(wǎng)絡 控制性能

【摘要】：永磁同步電機(Permanent Magnet Synchronous Motor)以其體積小、功率密度高、過載能力強和控制性能優(yōu)良等優(yōu)點在高精度控制場合得到了廣泛的應用和發(fā)展。近年來,由于化石能源緊缺和低碳的背景,電動汽車發(fā)展前景相當看好。永磁同步電機在電動汽車驅動方面受到了高度重視。這就使得對永磁同步電機的控制研究成為重要的內(nèi)容和熱點。永磁同步電機具有強非線性、時變和強耦合的特性,難以建立精確的系統(tǒng)數(shù)學模型,傳統(tǒng)PID控制器無法取得很好的控制效果。隨著智能控制技術的發(fā)展,神經(jīng)網(wǎng)絡控制成為新型的控制方案。人工神經(jīng)網(wǎng)絡具有自學習、自適應和自組織的能力,它與PID控制器相結合,彌補了傳統(tǒng)PID控制器不能實時調(diào)參數(shù)和魯棒性不強等缺點。文中提出了基于超閉球小腦模型(HCMAC)神經(jīng)網(wǎng)絡的永磁同步電機自適應調(diào)速控制策略,該網(wǎng)絡結構簡單,無需反復學習,學習收斂速度較快。在MATLAB/SIMULINK環(huán)境下仿真結果與PID進行對比,不難發(fā)現(xiàn),在空載啟動和突加負載的情況下采用HCMAC神經(jīng)網(wǎng)絡與PID結合控制的方法進行實時控制時,轉速誤差更小、控制精度更高、動靜態(tài)響應更快。文中對遺傳算法優(yōu)化神經(jīng)網(wǎng)絡作了進一步的研究,遺傳算法在整定PID參數(shù)中具有操作方便、速度快,多點并行操作,多目標尋優(yōu)等優(yōu)點,是一種全局優(yōu)化算法。選用的神經(jīng)網(wǎng)絡為小腦模型(CMAC)神經(jīng)網(wǎng)絡,也用PID控制器作為參照,同樣驗證了該方法的有效性和合理性�？梢�,對于高精度和實時性要求較高的場合,該方法具有很強的學術價值和可預期的應用前景。
【關鍵詞】：永磁同步電機 PID控制 改進神經(jīng)網(wǎng)絡 控制性能
【學位授予單位】：上海電機學院
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM341
【目錄】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 緒論12-19
• 1.1 課題研究背景12-14
• 1.2 永磁同步電機的研究現(xiàn)狀和發(fā)展方向14-15
• 1.3 永磁同步電機的控制策略介紹15-16
• 1.4 神經(jīng)網(wǎng)絡控制基礎16-17
• 1.5 本文研究的主要內(nèi)容17-19
• 第二章 永磁同步電機的結構以及數(shù)學模型19-26
• 2.1 永磁同步電機的結構和分類19-20
• 2.1.1 永磁同步電機的結構19
• 2.1.2 永磁同步電機的分類19-20
• 2.2 永磁同步電機的數(shù)學模型20-25
• 2.2.1 a-b-c坐標下數(shù)學模型20-21
• 2.2.2 坐標變換21-24
• 2.2.3 永磁同步電機在兩相定子坐標系下的數(shù)學模型24-25
• 2.2.4 永磁同步電機在兩相旋轉坐標系下的數(shù)學模型25
• 2.3 本章小結25-26
• 第三章 基于MATLAB的永磁同步電機矢量控制系統(tǒng)及其仿真模型26-37
• 3.1 空間矢量（SVPWM）的實現(xiàn)26-29
• 3.2 矢量控制技術介紹29-31
• 3.3 永磁同步電機的調(diào)速系統(tǒng)的仿真模型31-34
• 3.3.1 SVPWM模塊31-34
• 3.3.2 永磁同步電機本體模塊34
• 3.4 永磁同步電機調(diào)速系統(tǒng)仿真結果34-36
• 3.5 本章小結36-37
• 第四章 HCMAC神經(jīng)網(wǎng)絡與PID并行控制在永磁同步電機中的應用37-55
• 4.1 神經(jīng)網(wǎng)絡基本原理37-40
• 4.1.1 人工神經(jīng)元模型37-38
• 4.1.2 神經(jīng)網(wǎng)絡模型分類38-39
• 4.1.3 神經(jīng)網(wǎng)絡的學習39-40
• 4.2 神經(jīng)網(wǎng)絡控制40-41
• 4.2.1 神經(jīng)網(wǎng)絡控制介紹40-41
• 4.2.2 神經(jīng)網(wǎng)絡控制的原理和結構41
• 4.3 小腦模型神經(jīng)網(wǎng)絡介紹41-44
• 4.3.1 CMAC神經(jīng)網(wǎng)絡結構42-43
• 4.3.2 小腦模型神經(jīng)網(wǎng)絡的研究現(xiàn)狀43-44
• 4.4 超閉球小腦模型神經(jīng)網(wǎng)絡的結構及原理44-47
• 4.4.1 超閉球小腦模型神經(jīng)網(wǎng)絡的結構44-45
• 4.4.2 超閉球小腦神經(jīng)網(wǎng)絡的算法原理45-47
• 4.4.3 HCMAC神經(jīng)網(wǎng)絡的學習算法47
• 4.5 HCMAC與PID結合控制在PMSM控制系統(tǒng)中的應用47-54
• 4.5.1 HCMAC神經(jīng)網(wǎng)絡與PID結合控制47-48
• 4.5.2 仿真結果及分析48-54
• 4.6 本章小結54-55
• 第五章 遺傳算法優(yōu)化HCMAC-PID控制器在永磁同步電機中的應用55-68
• 5.1 遺傳算法的基本原理55-57
• 5.2 遺傳算法的優(yōu)化設計57-58
• 5.2.1 遺傳算法的構成要素57
• 5.2.2 遺傳算法的應用步驟57-58
• 5.3 遺傳算法的收斂性分析58-60
• 5.4 遺傳算法的實際應用60-61
• 5.5 基于遺傳算法的PID整定原理及仿真參數(shù)選取61-63
• 5.5.1 遺傳算法整定PID原理61-62
• 5.5.2 利用遺傳算法優(yōu)化 , ,p i dk k k的具體步驟62-63
• 5.5.3 系統(tǒng)仿真參數(shù)對整定結果的影響63
• 5.6 遺傳算法優(yōu)化CMAC-PID控制器在永磁同步電機中的應用63-66
• 5.6.1 遺傳算法優(yōu)化CMAC-PID控制器在永磁同步電機中的應用63-64
• 5.6.2 仿真結果與分析64-66
• 5.7 本章小結66-68
• 第六章 結論與展望68-70
• 6.1 結論68
• 6.2 展望68-70
• 參考 文獻70-75
• 致謝75-76
• 攻讀碩士學位期間取得的研究成果76

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 鄭嚴;;淺析永磁同步電動機的結構及特點[J];黑龍江科技信息;2014年13期

2 張強;韓如成;李寧;;PMSM-DTC與SVM-PMSM-DTC仿真對比[J];工業(yè)控制計算機;2014年01期

3 吳德會;夏曉昊;李钷;;一種帶約束的電壓空間矢量脈寬調(diào)制方法[J];電網(wǎng)技術;2013年10期

4 郭春林;甄子健;武力;肖湘寧;;電動汽車發(fā)展前景與關鍵因素分析[J];汽車工程;2012年09期

5 李慧;段培永;張慶范;;基于聚類的超閉球CMAC神經(jīng)網(wǎng)絡改進算法[J];吉林大學學報(工學版);2012年01期

6 段培永;郭東東;李慧;段晨旭;;一種基于數(shù)據(jù)的夏季居住環(huán)境熱舒適度控制方法[J];山東建筑大學學報;2011年01期

7 彭海濤;何志偉;余海闊;;電動汽車用永磁同步電機的發(fā)展分析[J];微電機;2010年06期

8 王松;劉明光;石雙雙;楊罡;;基于卡爾曼濾波和神經(jīng)網(wǎng)絡的PMSM參數(shù)辨識[J];北京交通大學學報;2010年02期

9 劉婷婷;譚_g;吳剛;王書茂;;基于SVPWM的高轉速永磁同步電機控制系統(tǒng)的研究[J];電力系統(tǒng)保護與控制;2009年12期

10 于晶榮;章兢;;基于電壓空間矢量的有源濾波器無差拍電流控制方法[J];湖南大學學報(自然科學版);2008年10期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 孫曉靜;飛輪電池控制策略研究及其應用[D];蘭州理工大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張鵬;基于滑模控制器的永磁同步電機調(diào)速控制系統(tǒng)研究與應用[D];華東交通大學;2014年

2 劉微;永磁同步電機弱磁控制策略研究[D];北京交通大學;2014年

3 張峰;純電動汽車用永磁同步電機控制器的研究[D];南昌大學;2013年

4 單衍安;基于信度分配的改進型超閉球小腦神經(jīng)網(wǎng)絡風速預測模型[D];太原理工大學;2013年

5 丁文雙;永磁同步電機PI參數(shù)自整定[D];南京航空航天大學;2012年

6 于水樂;基于DSP的交流永磁同步電機伺服控制系統(tǒng)的研究[D];南京航空航天大學;2012年

7 武玉良;基于視網(wǎng)膜神經(jīng)網(wǎng)絡的永磁同步電機控制策略研究[D];沈陽工業(yè)大學;2011年

8 崔珊珊;遺傳算法的一些改進及其應用[D];中國科學技術大學;2010年

9 曹道友;基于改進遺傳算法的應用研究[D];安徽大學;2010年

10 王銀年;遺傳算法的研究與應用[D];江南大學;2009年

，

本文編號：1041062