無刷雙饋電機(jī)建模及智能控制策略研究.pdf

1、無刷雙饋電機(jī)（Brushless Doubly Fed Machine, BDFM）作為近年發(fā)展起來的一種新型電機(jī)，它由兩套相互獨(dú)立的定子功率繞組、定子控制繞組和特殊結(jié)構(gòu)的轉(zhuǎn)子繞組組成。當(dāng)它作為電動(dòng)機(jī)運(yùn)行用于交流調(diào)速系統(tǒng)中，利用可逆變頻器調(diào)節(jié)定子控制繞組的電源頻率，實(shí)現(xiàn)對(duì)BDFM的轉(zhuǎn)速控制。另一方面，BDFM也可作為發(fā)電機(jī)運(yùn)行用于變速恒頻恒壓發(fā)電系統(tǒng)中。BDFM具有無電刷、集電環(huán)、結(jié)構(gòu)簡(jiǎn)單、運(yùn)行可靠、變頻器容量小、功率因數(shù)可控制等優(yōu)點(diǎn)。

2、在節(jié)能水泵和風(fēng)機(jī)調(diào)速系統(tǒng)中以及水力和風(fēng)力發(fā)電領(lǐng)域具有廣闊的應(yīng)用前景。
　　 本論文研究的目的是針對(duì)BDFM在三相靜止坐標(biāo)系下和二相旋轉(zhuǎn)坐標(biāo)系下的數(shù)學(xué)模型建立過程中的不確定性和模型表現(xiàn)出的非線性特性，提出智能控制策略在BDFM調(diào)速系統(tǒng)中的應(yīng)用，以提高控制系統(tǒng)的魯棒性和靜動(dòng)態(tài)特性。
　　 本論文研究的方法是在BDFM的結(jié)構(gòu)分析、電磁關(guān)系分析和運(yùn)行原理的深入理解的基礎(chǔ)上，對(duì)BDFM模型建立方法、電機(jī)參數(shù)辨識(shí)方法和智能控制方法進(jìn)

3、行理論研究。由于BDFM的模型建立的不確定性和部分電機(jī)參數(shù)的時(shí)變性，為了得到較好的BDFM調(diào)速系統(tǒng)的控制特性，一些智能控制算法，如模糊控制、神經(jīng)網(wǎng)絡(luò)控制、滑模變結(jié)構(gòu)控制、預(yù)測(cè)控制和支持向量機(jī)等，通過計(jì)算機(jī)仿真進(jìn)行應(yīng)用研究。
　　 本論文各章的研究工作概述如下：
　　 第1章介紹了BDFM的發(fā)展現(xiàn)狀、構(gòu)成、運(yùn)行原理和應(yīng)用前景，綜述了BDFM建模、電機(jī)參數(shù)計(jì)算方法和控制策略的研究現(xiàn)狀，指出了無刷雙饋電機(jī)設(shè)計(jì)和運(yùn)行中存在的不足

4、和問題，明確本學(xué)位論文的研究目的、意義和內(nèi)容。
　　 第2章介紹了BDFM定子功率繞組和控制繞組以及轉(zhuǎn)子繞組的電感計(jì)算方法，針對(duì)難于測(cè)量的轉(zhuǎn)子參數(shù)和轉(zhuǎn)子磁鏈等信息，主要研究利用神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行電機(jī)參數(shù)辨識(shí)。首先對(duì)神經(jīng)網(wǎng)絡(luò)參數(shù)辨識(shí)問題的基本理論進(jìn)行了介紹，指出了神經(jīng)網(wǎng)絡(luò)技術(shù)已經(jīng)成為系統(tǒng)辨識(shí)的一種新方法。提出了基于系統(tǒng)的數(shù)學(xué)模型來構(gòu)造神經(jīng)網(wǎng)絡(luò)的方法，以及將網(wǎng)絡(luò)權(quán)值或網(wǎng)絡(luò)模型輸出作為待辨識(shí)參數(shù)作的思想。在BDFM調(diào)速系統(tǒng)實(shí)際應(yīng)用中，

5、給出了利用電機(jī)參數(shù)辨識(shí)的數(shù)學(xué)模型來構(gòu)造神經(jīng)網(wǎng)絡(luò)，并進(jìn)行仿真實(shí)驗(yàn)驗(yàn)證，結(jié)果表明了該方法的有效性。
　　 第3章基于BDFM的理想化物理模型和假設(shè)，根據(jù)BDFM的電磁關(guān)系，建立了三相靜止坐標(biāo)系下的數(shù)學(xué)模型，并利用坐標(biāo)變換理論建立了BDFM的三相轉(zhuǎn)子速dq坐標(biāo)系下的數(shù)學(xué)模型和雙同步速坐標(biāo)下的數(shù)學(xué)模型。基于雙同步速數(shù)學(xué)模型，推導(dǎo)出轉(zhuǎn)子磁場(chǎng)定向控制方程，實(shí)現(xiàn)電機(jī)的動(dòng)態(tài)轉(zhuǎn)矩控制，并進(jìn)行了仿真實(shí)驗(yàn)。仿真結(jié)果表明，該控制策略適用于BDFM調(diào)速系

6、統(tǒng)的控制，可達(dá)到與感應(yīng)電機(jī)的轉(zhuǎn)子磁場(chǎng)定向控制的效果，具有較好的動(dòng)態(tài)特性。
　　 第4章針對(duì)BDFM建模過程的不確定性和模型的非線性特性，為了提高BDFM調(diào)速系統(tǒng)的控制特性，應(yīng)用了模糊自適應(yīng)滑模變結(jié)構(gòu)非線性控制算法控制BDFM的轉(zhuǎn)速，并用MATLAB/SIMULINK工具和軟件進(jìn)行了仿真實(shí)驗(yàn)研究。引入模糊自適應(yīng)和遺傳算法控制算法，實(shí)現(xiàn)滑模切換控制中的切換速率和滑模等效控制中的反饋增益的自適應(yīng)調(diào)節(jié)，減弱了滑模變結(jié)構(gòu)系統(tǒng)引起的抖振影響

7、，并維持了BDFM運(yùn)行過程的穩(wěn)定性和動(dòng)態(tài)性能。仿真實(shí)驗(yàn)結(jié)果表明，應(yīng)用的控制算法既保持了滑模變結(jié)構(gòu)控制的魯棒性，又具有響應(yīng)速度快、無超調(diào)、無靜態(tài)誤差等優(yōu)點(diǎn)。
　　 第5章應(yīng)用基于徑向基(RBF)神經(jīng)網(wǎng)絡(luò)模糊預(yù)測(cè)控制算法進(jìn)行了BDFM調(diào)速控制的仿真實(shí)驗(yàn)研究。利用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行了BDFM模型的辨識(shí)，并采用模糊自適應(yīng)的多步推理和性能測(cè)量方法計(jì)算性能評(píng)價(jià)指標(biāo)，用模糊預(yù)測(cè)控制算法實(shí)施BDFM的速度控制。因?yàn)橥ㄟ^對(duì)未來系統(tǒng)輸出量的預(yù)測(cè)能達(dá)

8、到對(duì)復(fù)雜過程的有效控制，所以，對(duì)BDFM這樣的非線性被控對(duì)象能獲得較好的控制效果。應(yīng)用MATLAB/SIMULINK軟件的仿真實(shí)驗(yàn)結(jié)果表明，應(yīng)用的控制方法能有效地實(shí)現(xiàn)BDFM非線性系統(tǒng)的優(yōu)化控制。
　　 第6章將機(jī)器學(xué)習(xí)領(lǐng)域的支持向量機(jī)(SVM)引入BDFM的建模與控制研究中，探討了基于SVM的建模方法在BDFM建模和控制中的應(yīng)用。通過支持向量機(jī)與模糊控制技術(shù)相結(jié)合，設(shè)計(jì)的基于支持向量機(jī)的模糊推理控制器，實(shí)現(xiàn)了BDFM調(diào)速系統(tǒng)具