本文關鍵詞：基于神經(jīng)網(wǎng)絡的永磁同步電機參數(shù)辨識研究

  更多相關文章： 永磁同步電機 神經(jīng)網(wǎng)絡 參數(shù)辨識 逆變器非線性補償

【摘要】：對于三相交流永磁同步電動機,其轉速與電源的頻率是同步的,因此具有效率高、動態(tài)響應快、可靠性高等優(yōu)點。同時,隨著永磁材料價格的不斷下降以及性能的不斷提高,永磁同步電機在高性能的運動控制領域得到了廣泛的應用。對于永磁同步電機控制器,為了能對控制規(guī)律進行調(diào)整,需要較高精度的控制系統(tǒng)參數(shù)。不過在實際的工業(yè)應用中,由于逆變器非線性因素及溫度磁場等的影響,電機參數(shù)會發(fā)生變化。要使得控制系統(tǒng)具有良好的動態(tài)性能,就需要調(diào)整相應的控制器參數(shù)。所以,各種辨識算法被研究用來辨識電機系統(tǒng)中的未知參數(shù)。直流衰減法、最小二乘法、模型參考自適應法等參數(shù)辨識方法在永磁同步電機的參數(shù)辨識中都有了成功的應用,但這些控制方法都存在一定的局限性。本論文針對永磁同步電機電氣參數(shù)會發(fā)生變化這一現(xiàn)狀,采用基于神經(jīng)網(wǎng)絡的智能控制算法,辨識出了永磁同步電機的電氣參數(shù)。具體研究內(nèi)容及主要創(chuàng)新點包括以下幾個方面：1.概述了國內(nèi)外常用的參數(shù)辨識的各種方法,包括最小二乘法、模型參考自適應法、擴展卡爾曼濾波法以及各種智能控制算法。同時說明了電機電氣參數(shù)和雙閉環(huán)調(diào)速系統(tǒng)的控制器參數(shù)之間的聯(lián)系,表明了電機參數(shù)辨識的必要性。繼而闡述了永磁同步電機在不同坐標系下的數(shù)學模型以及永磁同步電機的控制策略,著重描述了矢量控制下的空間矢量脈寬調(diào)制技術。2.研究分析了帶有遺忘因子遞推最小二乘參數(shù)辨識算法,給出了在不同的遺忘因子作用下,電機參數(shù)辨識結果的差異性。在此基礎上對基于神經(jīng)網(wǎng)絡的永磁同步電機參數(shù)辨識技術進行了充分的理論和實驗研究,在電機數(shù)學模型的基礎上建立了參考模型和可調(diào)模型,通過不斷地調(diào)整權值從而分別辨識出了電機的定子電阻值、交直軸電感值以及永磁體磁鏈值,并進行了仿真試驗,結果表明此辨識方法是有效的、可行的。3.研究了各種擾動如溫度磁場以及逆變器非線性因素,對參數(shù)辨識結果帶來的不利影響,給出了合理的補償辦法。并模擬了帶有逆變器非線性因素的永磁同步電機參數(shù)辨識方法,依據(jù)辨識結果提出了在實際應用中,需要對逆變器非線性因素進行合理的補償,從而提高參數(shù)辨識的精度。
【關鍵詞】：永磁同步電機 神經(jīng)網(wǎng)絡 參數(shù)辨識 逆變器非線性補償
【學位授予單位】：東華大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TM341;TP183
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-16
• 1.1 課題背景及研究的目的和意義9-10
• 1.2 相關神經(jīng)網(wǎng)絡控制技術10-12
• 1.2.1 神經(jīng)網(wǎng)絡簡述10-11
• 1.2.2 基于神經(jīng)網(wǎng)絡的系統(tǒng)辨識11-12
• 1.3 永磁同步電機參數(shù)辨識國內(nèi)外研究進展12-14
• 1.3.1 最小二乘法13
• 1.3.2 模型參考自適應法13
• 1.3.3 擴展卡爾曼濾波法13-14
• 1.3.4 智能控制算法14
• 1.4 本文主要的研究內(nèi)容14-16
• 第二章 永磁同步電機控制系統(tǒng)的研究16-24
• 2.1 永磁同步電機的數(shù)學模型16-19
• 2.1.1 A-B-C坐標系下的數(shù)學模型16-17
• 2.1.2 α-β坐標系下的數(shù)學模型17-18
• 2.1.3 d-q軸坐標系下的數(shù)學模型18-19
• 2.1.4 d-q軸坐標系下的等效電路19
• 2.2 永磁同步電機的控制技術19-23
• 2.2.1 矢量控制19-21
• 2.2.2 直接轉矩控制21-23
• 2.3 本章小結23-24
• 第三章 基于遞推最小二乘法的永磁同步電機參數(shù)辨識24-36
• 3.1 矢量控制下的空間矢量脈寬調(diào)制(SVPWM)24-28
• 3.1.1 SVPWM原理24-26
• 3.1.2 SVPWM控制算法26-27
• 3.1.3 基本矢量作用時間計算與三相PWM波形的合成27-28
• 3.2 遺忘因子遞推最小二乘算法的參數(shù)辨識方案28-32
• 3.2.1 最小二乘算法的原理28-29
• 3.2.2 遞推最小二乘算法的原理29-30
• 3.2.3 遺忘因子遞推最小二乘算法的原理30-31
• 3.2.4 基于遺忘因子遞推最小二乘算法的參數(shù)辨識31-32
• 3.3 永磁同步電機參數(shù)辨識系統(tǒng)的仿真與分析32-35
• 3.4 本章小結35-36
• 第四章 基于神經(jīng)網(wǎng)絡的永磁同步電機參數(shù)辨識36-52
• 4.1 神經(jīng)網(wǎng)絡控制36-40
• 4.1.1 神經(jīng)網(wǎng)絡控制系統(tǒng)設計的基本理論36-38
• 4.1.2 人工神經(jīng)網(wǎng)絡的模型38-40
• 4.2 神經(jīng)網(wǎng)絡參數(shù)辨識方案40-45
• 4.2.1 神經(jīng)網(wǎng)絡辨識方案的提出40-42
• 4.2.2 神經(jīng)網(wǎng)絡辨識方案的具體實現(xiàn)42-45
• 4.3 神經(jīng)網(wǎng)絡參數(shù)辨識的MATLAB仿真與分析45-50
• 4.4 兩種參數(shù)辨識算法的比較50
• 4.5 本章小結50-52
• 第五章 非線性因素對電機參數(shù)辨識結果的影響52-62
• 5.1 逆變器的非線性因素分析52-59
• 5.1.1 開關延時以及開關管的死區(qū)時間52-54
• 5.1.2 開關管壓降54-57
• 5.1.3 電流電壓檢測等的誤差57-59
• 5.2 加入非線性因素的辨識算法仿真59-61
• 5.3 本章小結61-62
• 第六章 總結和展望62-64
• 6.1 總結62-63
• 6.2 展望63-64
• 參考文獻64-68
• 攻讀碩士學位期間的研究成果68-69
• 攻讀碩士學位期間參加或支持的科研項目69-70
• 致謝70

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 韋衛(wèi)星;磨少清;覃春芳;廖義奎;文勇;;基于BP神經(jīng)網(wǎng)絡的模糊參數(shù)辨識[J];計算機工程與應用;2008年18期

，

本文編號：776891