本文選題：感應(yīng)電機 + 直接轉(zhuǎn)矩控制��； 參考：《昆明理工大學(xué)》2016年碩士論文

【摘要】：感應(yīng)電機價格低廉、可靠性強,近年來在工業(yè)、農(nóng)業(yè)、家用等場合得到了廣泛了應(yīng)用。為了實現(xiàn)感應(yīng)電機的閉環(huán)調(diào)速,通常采用的方法是在感應(yīng)電機的傳動軸上安裝機械傳感器。但安裝機械傳感器也帶來造成增加安裝體積,增加成本,降低系統(tǒng)可靠性等問題。對于這種問題,無速度傳感器是一種良好的解決方案,能夠解決以上出現(xiàn)的問題。目前已有多種無速度傳感器算法被提出,其中無跡卡爾曼濾波算法UKF具有良好的轉(zhuǎn)速預(yù)測性能而得到廣大學(xué)者的研究,但應(yīng)用中發(fā)現(xiàn)UKF算法存在運算時間過長，容易濾波發(fā)散,不適用于3維以上的高維非線性系統(tǒng)等問題。為了克服這些問題,本文對此進行深入研究,具體研究工作如下：首先,對感應(yīng)電機的數(shù)學(xué)模型,逆變器和電壓空間矢量原理,直接轉(zhuǎn)矩控制系統(tǒng)組成進行詳細介紹,為建立基于卡爾曼濾波的感應(yīng)電機無速度傳感器直接轉(zhuǎn)矩控制仿真模型奠定理論基礎(chǔ)。其次,介紹無跡卡爾曼濾波算法UKF,針對其運行時間過長,容易濾波發(fā)散的問題,對其進行改進,提出一種可克服這些問題的超球體平方根UKF算法。在此基礎(chǔ)上,建立UKF,超球體平方根UKF這兩種算法的感應(yīng)電機無速度傳感器Matlab仿真模型。通過仿真證明超球體平方根UKF算法能夠有效降低運行時間和保證系統(tǒng)濾波不發(fā)散。但發(fā)現(xiàn)超球體平方根UKF算法和UKF算法一樣依然無法克服在高維非線性系統(tǒng)上濾波精度下降的問題。為此,本文采用一種可用于高維非線性系統(tǒng)的卡爾曼濾波算法,即容積卡爾曼濾波算法CKF。然后,對CKF和UKF算法在預(yù)測感應(yīng)電機轉(zhuǎn)速性能方面進行Matlab仿真研究。通過仿真對比得知,CKF運行時間比UKF短,濾波精度比UKF高,在高維非線性系統(tǒng)具有良好的轉(zhuǎn)速預(yù)測性能。雖然CKF比UKF運行時間短,但只是稍微短,在對實時性能要求高的電機控制系統(tǒng)中依然顯得過長。為此,本文研究了一種可進一步降低運算時間的降維CKF算法。與此同時,針對CKF存在濾波發(fā)散的問題,提出一種可解決濾波發(fā)散問題的平方根CKF算法SRCKF.最后,通過Matlab仿真證明,SRCKF和CKF算法在轉(zhuǎn)速預(yù)測性能方面具有相同的濾波精度,有效克服濾波發(fā)散問題,在實際工程更具實用性。降維CKF算法濾波精度與CKF一樣,運行時間比CKF短,比CKF算法更具優(yōu)越性。
[Abstract]:Induction motor has been widely used in industrial, agricultural, household and other fields in recent years because of its low price and high reliability. In order to realize the closed-loop speed regulation of induction motor, mechanical sensors are usually installed on the drive shaft of induction motor. But the installation of mechanical sensors also brings problems such as increasing installation volume, increasing cost and reducing system reliability. For this problem, the speed sensor is a good solution, can solve the above problems. At present, many speed sensorless algorithms have been proposed, among which the unscented Kalman filter (UKF) algorithm has been studied by many scholars for its good speed prediction performance. However, it is found that the UKF algorithm has long operation time and is easy to filter divergence. It is not suitable for high dimensional nonlinear systems with more than three dimensions. In order to overcome these problems, this paper carries on the thorough research, the concrete research work is as follows: first, introduces the induction motor mathematical model, the inverter and the voltage space vector principle, the direct torque control system constitution in detail, It lays a theoretical foundation for establishing the speed sensorless direct torque control simulation model of induction motor based on Kalman filter. Secondly, the unscented Kalman filter algorithm UKF is introduced. Aiming at the problem of long running time and easy filtering divergence, a hypersphere square-root UKF algorithm is proposed to overcome these problems. On this basis, the speed sensorless Matlab simulation model of induction motor based on UKF algorithm and hypersphere square root UKF algorithm is established. The simulation results show that the hypersphere square root UKF algorithm can effectively reduce the running time and ensure that the filtering of the system does not diverge. However, it is found that the hypersphere square root UKF algorithm and the UKF algorithm can not overcome the problem of filtering accuracy decline in high dimensional nonlinear systems. In this paper, a novel Kalman filtering algorithm, called volumetric Kalman filter, is proposed for high dimensional nonlinear systems. Then, the CKF and UKF algorithms are simulated by Matlab to predict the speed performance of induction motor. The simulation results show that CKF has shorter running time and higher filtering accuracy than UKF and has good speed prediction performance in high dimensional nonlinear systems. Although the running time of CKF is shorter than that of UKF, it is only a little shorter, and it is still too long in the motor control system which requires high real-time performance. Therefore, this paper studies a reduced dimension C KF algorithm which can further reduce the computational time. At the same time, aiming at the problem of filtering divergence in CKF, a square root CKF algorithm SRCKF, which can solve the problem of filtering divergence, is proposed. Finally, it is proved by Matlab simulation that SRCKF and CKF have the same filtering accuracy in speed prediction, which can effectively overcome the problem of filtering divergence, and are more practical in practical engineering. The filtering accuracy of the reduced dimension C KF algorithm is the same as that of the CKF algorithm, and its running time is shorter than that of the CKF algorithm, and it is superior to the CKF algorithm.
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM346

【相似文獻】

相關(guān)期刊論文 前10條

1 羅慧;劉軍鋒;萬淑蕓;;感應(yīng)電機參數(shù)的離線辨識[J];電氣傳動;2006年08期

2 ;高速感應(yīng)電機玻璃鋼套環(huán)的研制和應(yīng)用[J];大電機技術(shù);1980年03期

3 楊國強;;三相感應(yīng)電機的計算機數(shù)學(xué)模型[J];成都科技大學(xué)學(xué)報;1986年01期

4 胡怡華;;感應(yīng)電機的發(fā)展與現(xiàn)狀國際會議于1986年7月8～11日在意大利召開[J];微特電機;1986年03期

5 張興華,戴先中,陸達君,沈建強;感應(yīng)電機的逆系統(tǒng)方法解耦控制[J];電氣傳動;2001年02期

6 吳峻,潘孟春,李圣怡,陳軼;感應(yīng)電機的參數(shù)辨識[J];微特電機;2001年06期

7 劉大年;感應(yīng)電機用電流源變換器設(shè)計中的控制方法探索[J];江蘇電器;2002年06期

8 宗學(xué)軍,樊立萍,袁德成,丁仁宏;感應(yīng)電機動態(tài)特性的雙線性子空間辨識研究[J];沈陽化工學(xué)院學(xué)報;2002年01期

9 陳林,方康玲,侯立軍;五相感應(yīng)電機建模與仿真[J];三峽大學(xué)學(xué)報(自然科學(xué)版);2002年04期

10 程小華;感應(yīng)電機內(nèi)部物理過程的框圖描述[J];微特電機;2003年04期

相關(guān)會議論文 前10條

1 胡云安;;感應(yīng)電機的塊控自適應(yīng)反步控制[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

2 郝蘭英;趙德宗;張承進;;高性能感應(yīng)電機速度控制的近期發(fā)展[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

3 王謙;周亞麗;張奇志;;感應(yīng)電機無速度傳感器矢量控制的研究[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

4 李陽;張曾科;;基于模糊邏輯的自尋優(yōu)感應(yīng)電機能量優(yōu)化控制[A];第七屆全國電技術(shù)節(jié)能學(xué)術(shù)會議論文集[C];2003年

5 沈艷霞;林瑾;紀志成;;神經(jīng)網(wǎng)絡(luò)磁鏈估計的感應(yīng)電機自適應(yīng)反步控制[A];全國自動化新技術(shù)學(xué)術(shù)交流會會議論文集（一）[C];2005年

6 張慶新;王鳳翔;李文君;;一種感應(yīng)電機恒單位功率因數(shù)運行策略[A];全面建設(shè)小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

7 劉曉東;橐曉宇;陸敏華;;感應(yīng)電機橢圓旋轉(zhuǎn)磁場的描述[A];第十一屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2007年

8 趙德宗;郝蘭英;張承進;;基于狀態(tài)反饋線性化的感應(yīng)電機滑模速度控制[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

9 陳禮根;;基于降階擴展卡爾曼濾波的感應(yīng)電機轉(zhuǎn)速估計[A];第八屆全國電技術(shù)節(jié)能學(xué)術(shù)會議論文集[C];2006年

10 王仕韜;;雙饋感應(yīng)電機在風力發(fā)電中功率控制的建模分析[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 李翠萍;微型電動汽車用感應(yīng)電機的冷卻系統(tǒng)研究[D];哈爾濱工業(yè)大學(xué);2014年

2 薛征宇;船舶感應(yīng)電機軸承故障的檢測方法研究[D];大連海事大學(xué);2015年

3 張自力;感應(yīng)電機電源快速軟切換關(guān)鍵技術(shù)的基礎(chǔ)研究[D];華北電力大學(xué);2015年

4 張金良;基于卡爾曼濾波算法的感應(yīng)電機無傳感器直接轉(zhuǎn)矩控制技術(shù)研究[D];華南理工大學(xué);2016年

5 李偉;感應(yīng)電機的非線性控制研究[D];華南理工大學(xué);2002年

6 王濤;感應(yīng)電機交流調(diào)速魯棒控制若干方法研究[D];西南交通大學(xué);2007年

7 王攀攀;感應(yīng)電機定轉(zhuǎn)子故障的微粒群診斷方法研究[D];中國礦業(yè)大學(xué);2013年

8 陸可;感應(yīng)電機狀態(tài)估計和參數(shù)辨識若干新方法研究[D];西南交通大學(xué);2009年

9 王高林;感應(yīng)電機無速度傳感器轉(zhuǎn)子磁場定向控制策略研究[D];哈爾濱工業(yè)大學(xué);2008年

10 陳維;無速度傳感器感應(yīng)電機的神經(jīng)網(wǎng)絡(luò)魯棒自適應(yīng)控制理論研究[D];湖南大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 關(guān)e，

本文編號：2060088