基于状态受限的永磁同步电机自适应神经网络控制

摘要

考虑到永磁同步电动机（Permanent magnet synchronous motor-PMSM）的安全性能及电机的非线性问题，使电机的角速度、定子电流等状态量运行在合理的区间内，本文利用障碍李雅普诺夫函数（Barrier Lyapunov Functions-BLFs）和自适应神经网络（Neural Networks-NNs）反步法，提出了一种新型的考虑状态约束的自适应神经网络速度调节和位置跟踪控制策略。论文的主要研究成果如下： 第一，本文设计了一种新颖的基于障碍李雅普诺夫函数的速度调节控制器。通过构建合理的障碍李雅普诺夫函数将永磁同步电动机的状态量角速度、定子电流等约束在一个区间内，然后运用反步法逐步递推得到最终的自适应神经网络速度跟踪控制器和自适应律，保证系统在存在负载扰动的情况下仍具有很好的鲁棒性。通过MATLAB进行仿真验证，并给出了基于障碍李雅普诺夫函数的神经网络反步法和传统的反步法的速度跟踪对比仿真图。 第二，本文研究了一种新颖的考虑状态约束的神经网络反步法去控制永磁同步电动机的位置跟踪。基于永磁同步电动机的系统模型，设计合适的障碍李雅普诺夫函数，将神经网络和反步法相结合去构造真实的控制器和自适应律。通过MATLAB进行仿真实验，并给出了相应的对比仿真图。该方法解决了永磁同步电机系统中存在的未知非线性和负载扰动带来的问题，同时消除了系统存在的安全隐患，确保了永磁同步电动机的状态量电流、角位置等在合理的区间内。

目录

第一个书签之前