无转速传感器异步电机矢量控制系统控制方法的研究

摘要

该文应用于基于超稳定性理论的模型参考自适应系统,对无速度传感器矢量控制系统的转速估计和转子磁链观测进行研究,考虑电机定转子参数的时变性,对电机的一些定转子参数进行实时辨识,以保持系统的动态性能.对系统的仿真实验表明,基于模型参考自适应系统的矢量控制系统具有较好的静态和动态性能.该文分别对多层前向网络和动态递归网络进行了研究,提出了基于动态递归网络的异步电机的转速估计和磁链观测,针对采用的动态视经网络模型,推导了离线动态BP算法,以便利用动态递归网络进行状态观测.对采用多层前向网络和动态递归网络的矢量控制系统分别进行了仿真实验,比较了两种学习算法收敛的快速性和逼近程度.实验部分基于数字电机控制专用DSP(F243)开发系统,通过软件实现扩展卡尔曼滤波对磁链和转速的估计,以及空间适量调制算法,并对软件的一些局部算法过程做了改进,获得了令人满意的实验结构.

目录

文摘

英文文摘

第一章绪论

1.1引言

1.2电力电子器件和微处理器的发展

1.3矢量控制技术国内外研究现状

1.4论文的主要内容

第二章基于模型参考自适应系统的无速度传感器矢量控制

2.1异步电动机转子磁场定向矢量控制的基本原理

2.1.1三相异步电动机的数学模型

2.1.2转子磁场定向矢量控制基本原理

2.2模型参考自适应系统设计的基本理论

2.2.1模型参考自适应系统的基本结构

2.2.2基于超稳定与正性系统的设计

2.3无速度传感器矢量控制的自适应转速估计

2.3.1异步电机的状态方程描述和可控可观性分析

2.3.2异步电机的转速自适应估计

2.4转子磁链的自适应观测

2.5基于模型参考自适应系统的矢量控制的仿真研究

2.5.1异步电机矢量控制系统仿真电路

2.5.2仿真实验结果

2.6本章小结

第三章异步电机的实时参数辨识和状态观测

3.1参数辩识和状态估计的基本方法

3.1.1最小二乘法基本原理及其递推算法

3.1.2非线性系统的状态估计

3.2电机定转子参数的递推辨识算法

3.2.1电机数学模型的标准最小二乘法形式

3.2.2定转子参数的最小二乘递推辨识算法

3.3基于扩展卡尔曼滤波的电机转子磁链和转速估计

3.4本章小结

第四章基于神经网络的矢量控制系统

4.1人工神经网络(ANN)模型

4.1.1人工神经网络的发展及应用

4.1.2神经网络的基本类型与模型分析

4.2基于多层前向网络的电机转子磁链和转速辨识

4.2.1多层前向网络模型结构及其算法

4.2.2利用多层前向网络进行磁链和转速辨识

4.3基于动态递归网络的矢量控制系统

4.3.1动态递归网络的动态BP离线学习算法

4.3.2基于动态递归网络的磁链和转速辨识

4.4本章小结

第五章基于DSP的矢量控制系统实验研究

5.1无速度传感器矢量控制系统设计

5.2系统硬件电路设计

5.3系统软件程序设计

5.3.1电机标幺制模型

5.3.2扩展卡尔曼滤波算法

5.3.3电压空间矢量调制(SVPWM)及其控制算法

5.4实验结果

5.5本章小结

第六章结论与展望

6.1全文总结

6.2进一步工作的展望

参考文献

攻读博士学位其间发表论文

致谢