基于粒子群算法的永磁同步电机自适应控制研究

发布时间：2017-07-03 04:14

  本文关键词：基于粒子群算法的永磁同步电机自适应控制研究

  更多相关文章： 永磁同步电机 模糊PI控制器 粒子群算法 多种群协作粒子群 自适应控制

【摘要】：永磁同步电机(PMSM)以其可靠性高、转动惯量小、体积小、功率密度大等诸多优点成为交流伺服系统的主流执行电机,并应用于生活的各个领域中。随着各个领域的不断发展,它们要求伺服系统具有更好的动态性能,能快速适应工作环境的变化,并保持系统的优良控制性能。为了满足PMSM伺服系统更高的动态性能要求,永磁同步电机自适应控制研究是关键。而传统的PI控制并不能对参数进行自整定而达到自适应控制,故研究更好的控制技术对参数进行自整定,使得系统能够自适应控制非常重要。近些年将智能控制技术应用在控制系统上已是常见,如遗传算法、神经网络、免疫算法等,均有一定的控制效果。智能控制法与PI控制法相结合应用在控制系统上是近年的研究热点,具有一定的研究价值。故本文融合模糊控制和PI控制技术两者的优点,设计模糊PI控制器对PMSM伺服系统的PI参数进行自整定,以提高系统的控制性能。但由于模糊控制器本身也有其不足之处,为了使PMSM系统更好地达到自适应控制效果,本文还将用改进的粒子群算法,多种群协作粒子群(MSCPSO)对模糊PI控制器进行优化,弥补模糊控制器隶属度函数参数及模糊规则依赖人工经验的不足,从而真正做到自适应调整PI参数,使得基于改进粒子群算法的模糊PI控制PMSM系统实现工作环境变化情况下的自适应控制。本文在MATLAB软件下搭建了基于MSCPSO的模糊PI控制PMSM系统仿真模型,并通过仿真实验表明,基于改进的粒子群的PMSM系统在转速和负载等条件变化的情况下,能及时做到自适应控制,保持高效的控制性能,有很强的适应性。
【关键词】：永磁同步电机 模糊PI控制器 粒子群算法 多种群协作粒子群 自适应控制
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP273;TM341
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-14
• 1.1 研究背景及研究意义9-10
• 1.2 研究现状及发展10-12
• 1.2.1 国内外研究现状10-12
• 1.2.2 未来发展方向12
• 1.3 本文主要内容及安排12-14
• 第二章 永磁同步电机的数学模型及矢量控制原理14-23
• 2.1 永磁同步电机的结构14-15
• 2.2 永磁同步电机的数学模型15-20
• 2.2.1 坐标变换分析15-16
• 2.2.2 abc坐标系下的数学模型16-18
• 2.2.3 αβ0 坐标系下的数学模型18-19
• 2.2.4 dq0坐标系下的数学模型19-20
• 2.3 永磁同步电机矢量控制原理20-22
• 2.3.1 矢量控制的基本原理20
• 2.3.2 永磁同步电机矢量控制方法20-22
• 2.4 本章小结22-23
• 第三章 永磁同步电机模糊PID控制23-36
• 3.1 PID控制基本原理分析23-24
• 3.2 模糊PID控制器24-29
• 3.2.1 模糊控制理论24-25
• 3.2.2 模糊控制器的原理与组成25-26
• 3.2.3 模糊PID控制器设计26-29
• 3.3 PMSM模糊PI控制系统仿真设计29-35
• 3.3.1 PMSM模糊PI控制系统模型29-30
• 3.3.2 MATLAB下的系统仿真模型30-34
• 3.3.3 MATLAB下PMSM模糊PI控制系统的仿真分析34-35
• 3.4 本章小结35-36
• 第四章 粒子群算法36-48
• 4.1 粒子群算法的理论分析36-41
• 4.1.1 粒子群算法的提出及发展36-37
• 4.1.2 基本粒子群算法的原理37-40
• 4.1.3 标准粒子群算法的参数40-41
• 4.2 改进的粒子群算法41-47
• 4.2.1 多种群协作模型42-43
• 4.2.2 MSCPSO算法43-44
• 4.2.3 MSCPSO算法的基本步骤44-45
• 4.2.4 实验与结果分析45-47
• 4.3 本章小结47-48
• 第五章 基于MSCPSO优化的PMSM调速系统48-63
• 5.1 基于MSCPSO算法的模糊PI控制器设计48-55
• 5.1.1 MSCPSO优化隶属度函数48-51
• 5.1.2 MSCPSO优化模糊规则表51-53
• 5.1.3 MSCPSO优化模糊PI控制器53-55
• 5.2 基于MSCPSO算法的PMSM模糊PI控制系统仿真设计55-61
• 5.2.1 搭建基于MSCPSO优化的PMSM调速系统模型55-56
• 5.2.2 实验设计与分析56-61
• 5.3 本章小结61-63
• 第六章 总结与展望63-64
• 致谢64-65
• 参考文献65-69
• 附录69-70
• 杭州电子科技大学硕士学位论文详细摘要70-72

【相似文献】

中国期刊全文数据库 前10条

1 陈宗基,张洪钺;自适应控制在飞机控制中的应用[J];航空学报;1985年06期

2 王正志,张良起;梯格形自适应控制[J];国防科技大学学报;1989年03期

3 袁震东;;自适应控制的存在问题与发展趋势[J];电气自动化;1997年05期

4 王大庆,丁崇生,葛思华,何钺;自适应控制收敛速度的研究[J];机床与液压;1997年06期

5 孙艳娜,郭庆鼎;应用H~∞控制律的鲁棒自适应控制[J];沈阳工业大学学报;2000年05期

6 魏红根;自适应控制引入车间[J];世界制造技术与装备市场;2001年01期

7 冯永浩,李云,宋浩;一种用于功率自适应控制的有效方法[J];空军工程大学学报(自然科学版);2002年02期

8 郭庆鼎,孙艳娜;H~∞控制律用于自适应控制的整体有界性证明[J];沈阳工业大学学报;2003年05期

9 陈强,李磊民,骆远福;自适应控制技术在不规则颗粒精称量中的应用[J];西南科技大学学报;2003年01期

10 安世奇,孙一康,王京;简单自适应控制的算法与发展[J];电机与控制学报;2004年03期

中国重要会议论文全文数据库 前10条

1 李传庆;刘广生;;无模型自适应控制理论的研究进展[A];全国自动化新技术学术交流会会议论文集（一）[C];2005年

2 周淑秋;韩志刚;;同参数估计对偶的自适应控制新算法[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

3 秦滨;杨艳梅;韩志刚;;模型未知系统的无模型自适应控制[A];1995中国控制与决策学术年会论文集[C];1995年

4 徐国凯;张秀玲;吴忠强;;从参考模型取状态的混合自适应控制方案[A];1995中国控制与决策学术年会论文集[C];1995年

5 张纪会;武玉强;初学导;;输入受限的自适应控制[A];1996中国控制与决策学术年会论文集[C];1996年

6 延俊华;郭三明;杨凌霄;;电机串阻起动的负荷自适应控制[A];1996中国控制与决策学术年会论文集[C];1996年

7 侯忠生;黄文虎;;一类非性系统的间接自适应控制[A];1996年中国控制会议论文集[C];1996年

8 张纪会;周绍生;武玉强;初学导;;一类输入受限制系统的自适应控制[A];1996年中国控制会议论文集[C];1996年

9 钟晓敏;方建安;邵世煌;;基于神经元混沌自适应控制[A];1997年中国控制会议论文集[C];1997年

10 方锦清;黄良玉;罗晓曙;;半导体激光的混沌化及混沌自适应控制[A];第二十四届中国控制会议论文集（上册）[C];2005年

中国重要报纸全文数据库 前2条

1 羌菊兴 舒萦 凌鹰鹤 罗文钦（作者单位：宝钢集团宝钢股份公司）;自适应控制技术确保精确轧制[N];中国冶金报;2005年

2 本报记者 王笑梅;为了“中国制造”更完美[N];辽宁日报;2009年

中国博士学位论文全文数据库 前10条

1 吴健;基于逼近器的自适应控制新方法[D];西安电子科技大学;2015年

2 金尚泰;无模型学习自适应控制的若干问题研究及其应用[D];北京交通大学;2008年

3 卜旭辉;数据驱动无模型自适应控制与学习控制的鲁棒性问题研究[D];北京交通大学;2011年

4 张敏;复杂非线性系统的智能自适应控制研究[D];南京航空航天大学;2008年

5 管成;非线性系统的滑模自适应控制及其在电液控制系统中的应用[D];浙江大学;2005年

6 王卫红;无模型自适应控制理论几类问题的研究[D];北京交通大学;2008年

7 王晶;基于智能技术的非线性系统稳定自适应控制[D];中国科学院研究生院（计算技术研究所）;1999年

8 王永富;非线性系统的模糊建模与自适应控制及其应用[D];东北大学;2005年

9 周绍生;应用反推技术设计H_∞及自适应控制系统的研究[D];东南大学;2001年

10 翟军勇;基于多模型切换的智能控制研究[D];东南大学;2006年

中国硕士学位论文全文数据库 前10条

1 李庆哲;无模型自适应控制在隧道窑控制中的应用研究[D];河北联合大学;2014年

2 王天钰;变速风电机组建模与仿真研究[D];西南交通大学;2015年

3 柳思宇;二级倒立摆的多模型自适应控制[D];中国地质大学(北京);2015年

4 孙乾;车载自组织网络中周期性安全消息广播的研究[D];北京交通大学;2016年

5 郑t熻，

本文编号：512340