永磁同步電機的自適應解耦控制研究.pdf

1、永磁同步電機（Permanent Magnet Synchronous Motor，PMSM）具有重量小、轉矩脈動小、效率高、結構簡單等優(yōu)點，在醫(yī)學器械、航海、航空航天、數控機床等控制精度要求較高的場合，得到了廣泛的應用。但是永磁同步電機具有強耦合、非線性等特性，在參數發(fā)生變化時，采用傳統(tǒng)的控制方法很難得到滿意的控制效果，難以實現(xiàn)永磁同步電機的自適應解耦控制和參數的在線調整。
　　 神經網絡控制方法和神經網絡逆控制方法雖已經取得

2、了諸多的研究成果，但是在實際的復雜工業(yè)過程控制中，自適應解耦控制和參數在線調整的控制性能仍需進一步提高。本文提出基于神經網絡逆的模型參考自適應解耦控制方法和基于神經網絡在線學習的前饋解耦控制方法，并分別在Matlab上得到了驗證。本文主要的研究工作如下:
　　 1、提出一種基于神經網絡逆的模型參考自適應解耦控制方法。針對因神經網絡逆系統(tǒng)有開環(huán)不穩(wěn)定、模型失配及對參數變化適應能力差等不足，導致解耦效果不理想的問題，引入模型參考自適

3、應控制方法設計自適應控制器。通過PMSM的輸出與參考模型輸出的誤差，基于Lyapunov穩(wěn)定性理論設計自適應律。當定子電阻或負載發(fā)生變化時，使輸出可以較好的踉蹤給定信號，提高了PMSM的自適應解耦控制性能。
　　 2、提出一種基于神經網絡在線學習的前饋解耦控制方法。根據前饋控制方法，設計前饋解耦補償控制器來近似逆系統(tǒng)，采用神經網絡逼近前饋解耦控制器。通過Levenberg-Marquardt算法設計神經網絡在線學習算法，根據PM

4、SM的輸出與參考模型輸出的誤差在線調整神經網絡連接權值，在PMSM在定子電阻或負載發(fā)生變化時，無需重新訓練神經網絡，通過對神經網絡的連接權值在線調整，使PMSM可以適應參數變化的影響，保持良好的自適應解耦控制性能。
　　 3、將PID控制方法、神經網絡逆控制方法與文中提出的基于神經網絡逆的模型參考自適應解耦控制方法和基于神經網絡在線學習的自適應解耦控制方法分別應用于永磁同步電機的解耦控制中，通過Matlab仿真軟件進行仿真，證明