開關磁阻電機的無位置傳感器檢測及神經網絡控制.pdf_第1頁
已閱讀1頁,還剩122頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、開關磁阻電機驅動系統(tǒng)(SRD)是一種新型交流驅動系統(tǒng),以結構簡單、堅固耐用、成本低廉、控制參數(shù)多、控制方式靈活、可得到各種所需的機械特性,而備受矚目,應用日益廣泛,并且SRD在寬廣的調速范圍內均具有較高的效率,這一點是其它調速系統(tǒng)所不可比擬的。 由于開關磁阻電機(SRM)磁路高度飽和、結構特殊,存在嚴重的局部飽和、漏磁、邊緣效應等現(xiàn)象,傳統(tǒng)的等效磁路分析方法很難準確分析SRM的磁場分布。電磁場有限元(FEM)數(shù)值分析是分析SRM

2、磁場分布的有效工具。本文采用電磁場有限元分析了SRM的磁場分布,得到磁密分布、等矢量磁位線分布并計算了磁鏈φ(θ,i)在不同轉子位置、不同電流下的磁化曲線族,為SRM的精確分析、計算打下了基礎,并為磁路的合理設計提供了參考。 SRM特殊的雙凸極結構及磁路的高度飽和,使得對其分析、計算十分困難。SRM的磁鏈為轉子位置及繞組電流的非線性函數(shù),建立這一非線性映射關系成為精確分析、計算SRM特性的基礎。神經網絡具有任意非線性函數(shù)逼近能力

3、、較強的學習能力、自適應能力。Takagi-Sugeno(T-S)型模糊邏輯可充分利用專家知識及語言信息,其后件為輸入變量的線性組合,具有計算簡潔、運算速度快、精度高的特點。本文采用綜合了兩者優(yōu)點的pi-sigma模糊神經網絡建立了SRM的磁特性非線性模型,具有魯棒性強、容錯能力強、精度高等特點,仿真結果證明了這一點。 準確而實時的轉子位置信息是SRM運行的必要信息,傳統(tǒng)的位置信息是由機械式位置傳感器提供的。位置傳感器是傳統(tǒng)SR

4、M的一個標志性部件。機械式位置傳感器的存在增大了SRM的體積、提高了成本、增加了制造的復雜程度、降低了系統(tǒng)的可靠性,因此無位置傳感器的SRM控制方式成為研究熱點。本文提出采用模糊自適應神經網絡(ANFIS)來映射轉子位置與繞組磁鏈和繞組電流之間的非線性關系,在檢測到繞組磁鏈和繞組電流后,經ANFIS運算得到轉子位置角,這一方法的優(yōu)點是具有較強的容錯性、對噪聲信號有較強的抑制能力、精度高、魯棒性強。實驗結果證明本方案是一種較好的SRM無位

5、置傳感器位置檢測方法。開關磁阻電機因磁路的飽和導致參數(shù)的非線性,又因在不同控制方式下是變結構的。這使得開關磁阻電機的控制非常困難。經典的線性控制方法如PI、PID等方法用于開關磁阻電機的控制很難取得較好的控制效果。其它的控制方法如滑模變結構控制、狀態(tài)空間控制方法等可取得較好的控制效果但大都比較復雜,實現(xiàn)起來比較困難。作為智能控制分支之一的神經網絡控制,因具有任意非線性逼近能力、自學習能力、自適應能力,故對非線性、不確定、不確知、變結構、

6、時變的被控對象可取得較好的控制效果且不需知道被控對象的數(shù)學模型,這對于很難精確建模的開關磁阻電機來說尤其適用。本文將神經網絡與PID控制相結合充分發(fā)揮神經網絡的自適應、非線性映射能力和學習能力,提出了一種自適應能力很強的參數(shù)可調的神經網絡PID控制策略。同時采用RBF神經網絡建立系統(tǒng)的非線性預測模型,進行參數(shù)預測,提高了系統(tǒng)的動態(tài)響應特性,既具有PID控制精度高、實現(xiàn)容易的特點,又具有神經網絡的自適應特性,對具有很強非線性特性的SRD取

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論