基于神经网络逆系统的永磁同步电机解耦控制

摘要

节能降耗是我国“十二五”期间提出的经济发展的一个约束性指标，其中电机系统节能被列为我国十大重点节能工程之一。永磁同步电机与其它的电机相比，具有效率高、功率因素高、电流小、使电网线损小等优点，真正的做到了“节能减排”。因此在工业领域中，永磁同步电机已逐渐取代直流电机、感应电机等成为交流传动系统的驱动机构的核心执行部件。对永磁同步电机的控制策略进行改良不仅可以间接改善和提高自动化设备的工作性能，还能进一步达到节能降耗的目的。至今，对永磁同步电机的控制策略主要有：恒压频比控制、矢量控制、直接转矩控制等。然而永磁同步电机是一个参数时变、内部状态耦合的非线性对象，这些经典的线性控制理论只能实现近似的稳态解耦控制，不能实现系统的完全解耦，难以胜任永磁同步电机这一非线性系统的控制需求。
　　基于上述原因，本文根据逆系统线性化和解耦的原理，基于MATLAB建立了永磁同步电机逆系统解耦控制模型。从仿真结果来看，永磁同步电机解析逆系统解耦控制方法可以实现永磁同步电机转速和转矩的解耦控制，并且整个被控系统具有良好的动、静态响应能力和鲁棒性。
　　然而永磁同步电机的解析逆系统模型的建立依赖于永磁同步电机精确的数学模型和参数，很难克服因参数时变和负载扰动而引起的系统波动。神经网络具有很强的自学习和自整定能力，它不需要系统准确的数学模型，只需了解系统部分信息，通过学习和训练就能近似的逼近任何一个复杂的非线性系统。因此本文在解析逆系统解耦控制的基础上引入了永磁同步电机神经网络逆系统解耦控制方法，即利用神经网络去逼近永磁同步电机的逆系统。从永磁同步电机神经网络逆解耦控制系统的建模过程和仿真结果可以看出：永磁同步电机神经网络逆解耦控制方法的实现过程不仅不再需要依赖永磁同步电机的数学模型和实时参数，而且可以有效的实现永磁同步电机转速和转矩的解耦控制，且转矩和转速具有快速的响应性，整个系统具有良好的鲁棒性。
　　最后，本文基于dSPACE平台搭建了永磁同步电机控制系统实验平台。通过实验进一步证明了永磁同步电机神经网络逆解耦控制的有效性和可实现性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究目的及意义

1.2 永磁同步电机控制策略的发展及现状

1.3 智能解耦控制策略的国内外发展及现状

1.4 本文主要研究内容

第二章 逆系统线性化解耦控制

2.1 逆系统原理

2.2 系统的可逆性推导

2.3 逆系统的实现

第三章 永磁同步电机逆解耦控制

3.1 永磁同步电机数学模型

3.2 永磁同步电机的可逆性分析

3.3 基于MATLAB永磁同步电机逆解耦控制仿真实现

第四章 永磁同步电机神经网络逆解耦控制

4.1 神经网络简介及原理

4.2 神经网络逆系统原理与实现方法

4.3 基于MATLAB永磁同步电机神经网络逆系统仿真实现

第五章 基于dSPACE永磁同步电机神经网络逆解耦控制实验验证

5.1 dSPACE简介

5.2 基于 dSPACE 永磁同步电机神经网络逆解耦控制的硬件

5.3 基于 dSPACE 永磁同步电机神经网络逆解耦控制的软件

5.4 基于 dSPACE 永磁同步电机神经网络逆解耦控制实验结

第六章 全文总结及研究展望

6.1 本文的研究成果

6.2 需要进一步研究的工作

致谢

参考文献

攻读硕士期间研究成果