本文關(guān)鍵詞：異步電機矢量控制系統(tǒng)的參數(shù)辨識研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著電力電子技術(shù)的發(fā)展,變頻技術(shù)不斷成熟,控制器芯片計算能力大幅提高,交流傳動技術(shù)也日漸成熟。異步電動機矢量控制方法作為現(xiàn)代交流傳動系統(tǒng)也逐漸被廣泛應(yīng)用。矢量控制系統(tǒng)的性能需要依賴電動機本身的參數(shù)。異步電動機參數(shù)的離線辨識,適用范圍有限,且電機參數(shù)隨工況的變化也會產(chǎn)生較大的變化,傳統(tǒng)的在線辨識也有一定的缺點。針對這一情況,本文圍繞異步電動機參數(shù)的在線辨識問題展開研究。首先簡述了交流傳動技術(shù)發(fā)展歷程,對比常用的電動機參數(shù)辨識方法,分別歸納電動機控制策略以及參數(shù)辨識方法的應(yīng)用范圍和優(yōu)缺點。然后分析研究電動機的數(shù)學(xué)模型,并闡述矢量控制的基本原理。建立狀態(tài)空間模型,深入研究其特性。其次,闡述了傳統(tǒng)異步電動機參數(shù)的測量方法,并在MATLAB/Simulink仿真平臺上搭建異步電動機矢量控制系統(tǒng)仿真模型,分析驗證參數(shù)變化對轉(zhuǎn)子磁鏈的影響和對調(diào)速系統(tǒng)的影響。然后采用模型參考自適應(yīng)的方法,分別以轉(zhuǎn)子磁鏈的電流模型和電壓模型作為可調(diào)模型和參考模型,根據(jù)波波夫超穩(wěn)定性理論設(shè)計自適應(yīng)率,對影響調(diào)速性能較為嚴重的轉(zhuǎn)子時間常數(shù)進行在線辨識。并分別采用粒子群算法和差分進化兩種智能算法在線辨識異步電動機參數(shù)。并對差分進化算法存在的不足進行改進,對幾種辨識結(jié)果進行對比,改進算法辨識精度更高。最后搭建基于DSP2812異步電動機矢量控制系統(tǒng)。為進一步將模擬仿真與硬件實驗結(jié)合奠定堅實基礎(chǔ)。
【關(guān)鍵詞】：異步電動機 矢量控制 參數(shù)辨識 模型參考自適應(yīng)系統(tǒng) 智能算法
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TM343;TP273
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-13
• 1.1 交流調(diào)速系統(tǒng)的發(fā)展9-10
• 1.2 電機參數(shù)辨識10-12
• 1.2.1 離線辨識10
• 1.2.2 在線辨識10-12
• 1.3 研究背景及意義12
• 1.4 本文主要研究內(nèi)容12-13
• 2 交流異步電動機數(shù)學(xué)模型及其矢量控制系統(tǒng)13-26
• 2.1 異步電動機的數(shù)學(xué)模型13-15
• 2.2 坐標變換15-18
• 2.2.1 Clark變換15-17
• 2.2.2 Park變換17-18
• 2.3 交流異步電動機的動態(tài)方程18-21
• 2.3.1 兩相靜止坐標系中的動態(tài)模型18-19
• 2.3.2 兩相旋轉(zhuǎn)坐標系中的動態(tài)模型19-20
• 2.3.3 狀態(tài)方程20-21
• 2.4 異步電動機矢量控制系統(tǒng)21-23
• 2.4.1 按轉(zhuǎn)子磁鏈定向的控制系統(tǒng)21-22
• 2.4.2 按轉(zhuǎn)子磁鏈定向的閉環(huán)控制22-23
• 2.5 SVPWM控制技術(shù)23-25
• 2.6 小結(jié)25-26
• 3 異步電動機離線參數(shù)測量26-38
• 3.1 傳統(tǒng)異步電機參數(shù)的測量26-29
• 3.1.1 定子電阻的測量26-27
• 3.1.2 堵轉(zhuǎn)實驗27-28
• 3.1.3 空載實驗28-29
• 3.2 電動機參數(shù)對轉(zhuǎn)子磁鏈的影響29-34
• 3.2.1 參數(shù)的變化對電流模型的影響29-32
• 3.2.2 參數(shù)的變化對電壓模型的影響32-34
• 3.3 參數(shù)的變化對調(diào)速系統(tǒng)的影響34-37
• 3.4 小結(jié)37-38
• 4 基于模型參考自適應(yīng)的參數(shù)辨識38-45
• 4.1 模型參考自適應(yīng)的基本理論38-40
• 4.1.1 MRAS的原理38
• 4.1.2 波波夫超穩(wěn)定性理論38-40
• 4.2 基于MRAS的轉(zhuǎn)子時間常數(shù)辨識40-42
• 4.3 仿真模型及其結(jié)果42-44
• 4.4 小結(jié)44-45
• 5 基于智能算法的異步電機參數(shù)辨識45-55
• 5.1 基于智能算法的辨識原理45-46
• 5.2 基于粒子群算法的異步電動機參數(shù)辨識46-48
• 5.2.1 粒子群算法簡介及原理46-48
• 5.2.2 算法流程48
• 5.3 基于差分進化算法的異步電機參數(shù)辨識48-51
• 5.3.1 差分進化算法簡介及原理48-49
• 5.3.2 差分進化算法及流程49-51
• 5.4 對差分進化算法的改進51-52
• 5.5 仿真及辨識結(jié)果分析52-54
• 5.6 小結(jié)54-55
• 6 異步電動機矢量控制系統(tǒng)實驗平臺55-64
• 6.1 矢量控制系統(tǒng)的整體設(shè)計55
• 6.2 控制部分55-56
• 6.3 驅(qū)動部分56-58
• 6.3.1 主電路部分56-57
• 6.3.2 驅(qū)動電路57-58
• 6.4 軟件部分58-60
• 6.4.1 開發(fā)環(huán)境與開發(fā)流程58-59
• 6.4.2 主程序設(shè)計59-60
• 6.4.3 PWM中斷服務(wù)程序60
• 6.5 實驗裝置60-61
• 6.6 基于硬件平臺的異步電動機參數(shù)辨識61-63
• 6.7 小結(jié)63-64
• 結(jié)論64-66
• 致謝66-67
• 參考文獻67-70
• 攻讀學(xué)位期間的研究成果70

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 韓世東;張廣明;梅磊;朱曉虹;劉小俊;孫明山;;基于MRAS參數(shù)辨識的PMSM無速度傳感器控制[J];電機與控制應(yīng)用;2016年01期

2 倪良華;李彬;呂干云;朱天宇;;基于小波變換和改進粒子群算法的同步電動機參數(shù)辨識[J];電氣應(yīng)用;2015年08期

3 杜遠遠;張鵬;陳振江;賈峗;臧艷;;基于傳遞函數(shù)的遺傳算法感應(yīng)電機參數(shù)辨識[J];電力學(xué)報;2013年01期

4 楊裕翠;宋毅;;基于SVPWM算法的數(shù)字控制三電平逆變器的研究[J];電子世界;2012年20期

5 張瑩;黃科元;黃守道;肖磊;;基于瞬時無功功率的感應(yīng)電機矢量控制仿真研究[J];系統(tǒng)仿真學(xué)報;2012年10期

6 鄧云天;齊亮;;粒子群算法在電動機辨識中的應(yīng)用及研究[J];上海電氣技術(shù);2011年04期

7 陳振鋒;鐘彥儒;李潔;;感應(yīng)電機參數(shù)辨識三種智能算法的比較[J];電機與控制學(xué)報;2010年11期

8 鐘義長;鐘倫瓏;陳聰;;基于滑模變結(jié)構(gòu)的異步電機矢量控制及DSP實現(xiàn)[J];電力電子技術(shù);2010年08期

9 羅鵬輝;劉夢亭;;基于遺傳算法的感應(yīng)電動機穩(wěn)態(tài)模型參數(shù)辨識[J];微特電機;2010年01期

10 王鴻山;張興;楊淑英;謝震;;基于最小二乘法在線參數(shù)辨識的異步電動機矢量控制仿真[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2009年04期

  本文關(guān)鍵詞：異步電機矢量控制系統(tǒng)的參數(shù)辨識研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：446159