基于ELMAN神經網絡的潛油電機速度辨識研究.pdf

1、作為大型采油設備，潛油電機已經成為國內外油田中后期采油的重要設施之一，為了保證其可靠性以及高效穩(wěn)定運行，需要對電機的轉速、溫度等參數實時監(jiān)測。由于潛油電機本身的結構及其惡劣的工作環(huán)境，很難用傳統(tǒng)的測速發(fā)電機或光電數字脈沖編碼器實現速度監(jiān)測。為此，本文提出了一種無速度傳感器速度辨識方案。
　　本課題的研究對象為大慶力神泵業(yè)有限公司提供的潛油電機，分析了無速度傳感器思想提出的重要性和必要性，全面介紹了國內外無速度傳感器的研究成果，比較

2、了諸如基于卡爾曼濾波（KALMANFILTER）、基于模型參考自適應系統(tǒng)（MRAS）、基于轉子槽諧波（RSH）等速度辨識方法的優(yōu)缺點，提出了基于神經網絡（NN）的無速度傳感器速度辨識方法。
　　首先根據異步電機在兩相靜止坐標系下的狀態(tài)方程，得出電機轉速與電機定子電壓、電流存在非線性動態(tài)映射關系。其次介紹了神經網絡理論，選用了同樣具有非線性動態(tài)性能的ELMAN神經網絡，經過訓練的多層ELMAN神經網絡能以任意精度逼近任意非線性動態(tài)過

3、程。再次建立了三層ELMAN神經網絡的動態(tài)辨識模型，其中網絡輸入為定子電流，輸出為轉速。利用MATLAB/SIMULINK仿真實驗，從仿真結果可以看出，基于ELMAN神經網絡的辨識方案不僅穩(wěn)態(tài)精度高，而且動態(tài)跟蹤效果也很好。最后以工控機為實驗研究平臺，實現了神經網絡對轉速的動態(tài)辨識，用VB實現了整套算法，并編制了轉速動態(tài)顯示的用戶界面。
　　由于電機的實際運行環(huán)境非常惡劣，其定子電流存在高頻噪聲干擾，而且定子電流本身存在高次諧波，