基于前馈补偿的船舶永磁同步推进电机电流预测控制研究

发布时间：2017-07-13 18:18

  本文关键词：基于前馈补偿的船舶永磁同步推进电机电流预测控制研究

  更多相关文章： 永磁同步电机 矢量控制 棋型预测控制 离散滑横控制 前馈补偿

【摘要】：由于当代电力电子技术的发展及大功率交流电机变频调速技术的日益成熟,船舶电力推进系统已成为船舶推进系统重要的研究内容。同时,永磁同步电机(PMSM)因其诸多优点而成为船舶电力推进电机的重要配置。随着推进系统对推进电机控制性能要求的日益提升,传统矢量控制系统中采用的基于PI的控制方法已难以满足这种要求。模型预测控制(MPC)考虑了控制量对系统未来状态的影响,能够达到更优良的控制性能。尽管MPC已经在过程控制领域取得了普遍的成功应用,但是目前应用到PMSM的研究成果还不够充分。船舶推进PMSM的电流预测控制研究能够有效提高PMSM的控制性能,具有重要的工程价值。因而,本文对MPC算法应用到PMSM电流控制进行了研究,主要研究内容有:1.分析了船舶永磁同步推进电机结构及数学模型,并在研究螺旋桨负载特性和船舶运动模型的基础上,根据矢量控制、坐标变换和空间电压矢量脉宽调制技术,建立以船桨为负载的船舶永磁同步推进电机控制系统仿真模型;2.通过分析模型预测控制的基本原理和特点,利用电压解耦方法设计了永磁同步推进电机的电流预测控制器;针对PMSM参数摄动和未建模动态的不确定性,设计了扰动观测器来估计扰动电压,通过电压前馈补偿抵消扰动电压,实现更精确的电流控制,通过仿真进行了验证;3.通过设计一种基于饱和函数的离散滑模控制器和扰动观测器,实现推进电机转速的调节和外界扰动的估计,进而实现了负载转矩电流前馈补偿,提高了船舶电力推进系统的抗风浪流扰动性能。本文提出的基于扰动电压前馈补偿和负载电流前馈补偿的电流预测控制方法,进一步提高了电流控制的精度,理论分析和仿真实验验证了该方法在船舶永磁推进电机控制系统中的有效性和可行性。
【关键词】：永磁同步电机 矢量控制 棋型预测控制 离散滑横控制 前馈补偿
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U665.11
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-18
• 1.1 背景及研究意义10-11
• 1.2 国内外研究现状11-16
• 1.2.1 电力推进船舶研究现状11
• 1.2.2 船舶交流电力推进控制系统研究现状11-13
• 1.2.3 模型预测控制及其发展13-16
• 1.3 本文主要研究内容16-18
• 第2章 船舶永磁同步推进电机矢量控制系统18-42
• 2.1 船舶永磁同步推进电机数学模型18-26
• 2.1.1 永磁同步电机分类和结构18-19
• 2.1.2 永磁同步电机数学模型19-23
• 2.1.3 坐标变换23-26
• 2.2 船舶推进电机矢量控制系统26-35
• 2.2.1 矢量控制基本原理及其控制策略26-29
• 2.2.2 电压空间矢量PWM控制技术29-35
• 2.3 船桨数学模型35-41
• 2.3.1 螺旋桨负载数学模型35-36
• 2.3.2 螺旋桨与船体的相互作用36-38
• 2.3.3 船舶运动数学模型38-39
• 2.3.4 船桨负载仿真模型39-41
• 2.4 本章小结41-42
• 第3章 基于模型预测控制的电流控制器设计42-70
• 3.1 模型预测控制42-53
• 3.1.1 模型预测控制的基本原理42-46
• 3.1.2 模型预测控制的基本特点46-50
• 3.1.3 基于状态空间方程的模型预测控制50-53
• 3.2 基于MPC的PMSM矢量控制电流控制器设计53-58
• 3.2.1 PMSM预测模型53-57
• 3.2.2 滚动优化及反馈校正57-58
• 3.3 基于电压前馈补偿的电流预测控制58-63
• 3.3.1 考虑参数变化和未建模动态不确定性的PMSM数学模型58-59
• 3.3.2 自适应扰动观测器设计59-62
• 3.3.3 观测器稳定性分析及参数调节62-63
• 3.4 仿真研究63-69
• 3.4.1 基于MPC的PMSM矢量控制仿真63-66
• 3.4.2 基于电压前馈补偿的电流预测控制器仿真66-69
• 3.5 本章小结69-70
• 第4章 基于负载扰动观测器的PMSM滑模转速控制器设计70-89
• 4.1 负载转矩前馈补偿原理70-71
• 4.2 离散时间滑模控制的特性71-74
• 4.2.1 滑动模态的存在性71-72
• 4.2.2 离散滑模的存在性和可达性72-73
• 4.2.3 离散滑模的不变性73
• 4.2.4 离散趋近律的选择73-74
• 4.3 基于扰动观测器的离散滑模控制74-81
• 4.3.1 改进的基于扰动观测器的离散滑模控制器设计75-77
• 4.3.2 扰动观测器收敛性分析77-78
• 4.3.3 稳定性分析78-81
• 4.4 基于扰动观测器的离散滑模转速控制器设计81-82
• 4.5 仿真研究82-88
• 4.6 本章小结88-89
• 总结与展望89-90
• 参考文献90-95
• 致谢95-96
• 作者简介96

【相似文献】

中国期刊全文数据库 前10条

1 苏宏业,李林欢,褚健;预测控制的新进展[J];机电工程;2001年05期

2 胡国龙,孙优贤;预测控制进展及其应用研究[J];电力系统及其自动化学报;2003年01期

3 袁天保,刘新建,秦子增;混合加权连续预测控制研究[J];电机与控制学报;2005年06期

4 蒋念平，，朱家组;一种实用的预测控制实现技术[J];上海机械学院学报;1994年04期

5 黄涵洲,陈伙平,韩光胜;预测控制的研究现状[J];北京工业大学学报;1997年02期

6 杨马英,王树青,王骥程;有约束过程的预测控制[J];浙江大学学报(工学版);1999年06期

7 褚健,潘红华,苏宏业;预测控制技术的现状和展望[J];机电工程;1999年05期

8 杜晓宁,席裕庚,李少远;约束预测控制的一种快速算法[J];上海交通大学学报;2001年11期

9 张丽香;;预测控制的新进展及其在火电生产中的应用前景[J];电力学报;2005年04期

10 陈文菊;杜德生;;基于预测控制的倒立摆设计与仿真[J];中国水运(学术版);2007年11期

中国重要会议论文全文数据库 前10条

1 张峻;席裕庚;;输入受限时预测控制的一种简易算法[A];1996中国控制与决策学术年会论文集[C];1996年

2 魏善碧;柴毅;丁宝苍;;独立动态系统分布式预测控制研究[A];第二十七届中国控制会议论文集[C];2008年

3 任作新;;一种预测控制新算法[A];1995中国控制与决策学术年会论文集[C];1995年

4 陈虹;;预测控制鲁棒性研究的若干问题[A];第二十二届中国控制会议论文集（下）[C];2003年

5 刘兵;徐立鸿;冯纯伯;;连续系统预测控制[A];1994中国控制与决策学术年会论文集[C];1994年

6 崔小第;卢准炜;徐荣良;;一类非线性模型的预测控制[A];1994年中国控制会议论文集[C];1994年

7 刘兵;徐立鸿;冯纯伯;施建华;;具有饱和输入的预测控制[A];1995年中国控制会议论文集（上）[C];1995年

8 罗国娟;吴刚;;预测控制中柔化因子与控制增量权重的关系[A];第二十四届中国控制会议论文集（上册）[C];2005年

9 刘燕卿;刘飞;;约束预测控制软件实现及仿真研究[A];2007中国控制与决策学术年会论文集[C];2007年

10 柴毅;魏善碧;郭茂耘;凌睿;;带通信完全失效的多飞行器编队分布式预测控制研究[A];2009中国控制与决策会议论文集（3）[C];2009年

中国重要报纸全文数据库 前1条

1 陈倩;南屯矿运搬工区巧打安全“预防针”[N];经理日报;2008年

中国博士学位论文全文数据库 前10条

1 张隆阁;基于多胞的鲁棒预测控制研究[D];华北电力大学;2015年

2 罗奇;自适应光学优化控制技术研究[D];中国科学院研究生院(光电技术研究所);2016年

3 王龙生;基于多质点模型的高速列车自动驾驶预测控制[D];北京交通大学;2016年

4 庞强;流程工业的预测控制及操作优化方法研究[D];东北大学;2015年

5 崔晓波;超临界机组典型非线性过程的建模与控制研究[D];东南大学;2015年

6 李德伟;预测控制在线优化策略的研究[D];上海交通大学;2009年

7 林永君;基于复杂机理模型的过程预测控制研究[D];华北电力大学;2002年

8 徐湘元;预测控制的线性方法、非线性方法和神经网络方法[D];华南理工大学;2000年

9 盛云龙;离散时间约束不确定线性系统的鲁棒预测控制[D];浙江大学;2003年

10 徐祖华;模型预测控制理论及应用研究[D];浙江大学;2004年

中国硕士学位论文全文数据库 前10条

1 冯凯;基于最小二乘支持向量机的参数变化模型辨识及其预测控制[D];浙江大学;2015年

2 徐进;基于预测控制的电梯永磁曳引机无称重传感器起动策略研究[D];哈尔滨工业大学;2015年

3 王会卿;大型直流锅炉机组预测控制方法应用研究[D];山东大学;2015年

4 刘博;基于扰动观测的永磁同步电机电流预测控制研究[D];哈尔滨工业大学;2015年

5 胡婧;随机模型预测控制在风力发电系统的应用[D];华北电力大学;2015年

6 倪虹;基于智能计算的预测控制及应用[D];宁波大学;2015年

7 孙志民;基于改进粒子群优化的磨矿过程预测控制[D];大连理工大学;2015年

8 武晓英;预测控制在同步发电机励磁非线性控制中的应用[D];河北工业大学;2015年

9 田恒锋;多变量约束预测控制在超超临界机组协调控制中的应用研究[D];上海交通大学;2013年

10 岳海东;基于BLS-SVM的海洋生物酶发酵过程软测量与预测控制[D];江苏大学;2016年

本文编号：537933