永磁同步电机无位置传感器控制及自适应转速控制

摘要

永磁同步电机由于具有体积小、重量轻，转矩纹波小、转矩控制简单，转速平稳，动态响应快速准确，过载能力强等优点而广泛应用于现代交流调速系统中。然而，位置传感器的存在使得其安装、维护困难，增加了系统的成本，并且降低了系统的可靠性，因此，无位置传感器控制成为永磁同步电机研究的一个重要内容。其次，由于永磁同步电机是一个多变量、非线性、强耦合的系统，传统PID控制器容易受电机参数变化和负载扰动等不确定因素的影响，故在负载波动大，且对速度、转矩控制精度要求较高的情况下，该方法很难满足控制要求。 神经网络(NN)因其具有在线学习能力，非常适合于解决非线性系统的控制问题，但传统的BP神经网络结构复杂、训练速度慢，且存在局部极小问题，很难满足实时控制要求。径向基函数(RBF)神经网络具有学习速度快、泛化能力强的突出优点，有较强的实时性，结合快速的训练算法和简单、合理的控制方式就能够满足永磁同步电机系统对控制器的要求。 本文应用MATLAB/SIMULINK仿真环境建立了五对极永磁同步电机及其驱动系统的动态仿真模型，对永磁同步电机的矢量控制调速系统进行了动态仿真分析。同时，本文以TI公司的TMS320F2812 DSP为基础，进行了永磁同步电机矢量调速控制系统软、硬件设计，实现了转子位置检测、转速调节以及过流和欠压保护等功能。在此基础之上，利用RBF神经网络进行无位置传感器控制和智能调速控制的研究。 首先，本文提出了一种基于RBF神经网络的永磁同步电机无位置传感器控制方法，通过对电机α-β轴上电压和电流的映射，得到了电机转子的转角和转速，取代了传统的位置传感器，仿真结果表明了该控制方法的有效性。其次，本文提出一种基于RBF神经网络的永磁同步电机自适应转速控制方法，该方法将离线训练好的网络构成转速控制器，并结合网络的在线训练，让控制器在电机运行中自适应地调节网络参数，使之适应环境的变化。同时构造另一个RBF神经网络对控制对象进行在线辨识，为控制网络的在线学习提供所需的梯度参数。仿真结果证明了该方法具有响应速度快、控制精度高、鲁棒性强等优点。

目录

文摘

英文文摘

声明

第一章绪论

1.1永磁同步电机及其控制系统的发展概况和研究方向

1.1.1永磁同步电机的产生及发展过程

1.1.2电力电子器件的发展

1.1.3矢量控制技术的发展

1.1.4微控制器的发展

1.1.5永磁同步电机的研究方向

1.2选题的背景和意义

1.3本文主要研究内容

第二章永磁同步电机的结构和数学模型

2.1永磁同步电机的结构

2.2坐标变换基本原理

2.2.1三相定子坐标系和两相定子坐标系之间的坐标变换

2.2.2两相定子静止坐标系与两相转子旋转坐标系之间的坐标变换

2.3永磁同步电机的数学模型

2.3.1永磁同步电机在静止坐标系(ABC)上的模型

2.3.2永磁同步电机在静止坐标系(α-β)上的模型

2.3.3永磁同步电机在旋转坐标系(d-q)上的模型

2.4本章小结

第三章永磁同步电机矢量控制调速系统及动态仿真

3.1矢量控制基本原理

3.2空间矢量脉宽调制原理及实现

3.2.1空间矢量脉宽调制原理

3.2.2空间矢量脉宽调制实现

3.3系统动态仿真实现

第四章永磁同步电机矢量控制调速系统软硬件设计

4.1 TMS320F2812概述

4.2系统结构及硬件组成

4.2.1系统主电路的构成

4.2.2驱动电路的设计

4.2.3电流检测及保护电路

4.2.4电压保护电路

4.2.5位置和速度检测电路

4.3控制系统软件设计与实现

4.3.1控制系统主程序

4.3.2中断处理子程序

4.3.3转速调节子程序

4.4实验结果及分析

第五章基于RBF神经网络的永磁同步电机无位置传感器控制

5.1 RBF神经网络及其学习算法

5.2基于RBF神经网络的永磁同步电机无位置传感器控制系统

5.2.1系统概述

5.2.2间接位置检测原理

5.2.3离线训练

5.2.4在线训练

5.3仿真结果及分析

5.4结论

第六章永磁同步电机RBF神经网络自适应转速控制

6.1控制策略概述

6.2 RBF神经网络及其自适应转速控制

6.2.1控制网络和辩识网络的结构

6.2.2网络训练

6.2.3 RBF神经网络参数辨识及自适应控制

6.3仿真结果及分析

6.4结论

第七章结论

参考文献

发表论文和参加科研情况说明

致 谢