基于神经网络的永磁同步电机参数辨识研究

发布时间：2017-09-02 06:25

  本文关键词：基于神经网络的永磁同步电机参数辨识研究

  更多相关文章： 永磁同步电机 神经网络 参数辨识 逆变器非线性补偿

【摘要】：对于三相交流永磁同步电动机,其转速与电源的频率是同步的,因此具有效率高、动态响应快、可靠性高等优点。同时,随着永磁材料价格的不断下降以及性能的不断提高,永磁同步电机在高性能的运动控制领域得到了广泛的应用。对于永磁同步电机控制器,为了能对控制规律进行调整,需要较高精度的控制系统参数。不过在实际的工业应用中,由于逆变器非线性因素及温度磁场等的影响,电机参数会发生变化。要使得控制系统具有良好的动态性能,就需要调整相应的控制器参数。所以,各种辨识算法被研究用来辨识电机系统中的未知参数。直流衰减法、最小二乘法、模型参考自适应法等参数辨识方法在永磁同步电机的参数辨识中都有了成功的应用,但这些控制方法都存在一定的局限性。本论文针对永磁同步电机电气参数会发生变化这一现状,采用基于神经网络的智能控制算法,辨识出了永磁同步电机的电气参数。具体研究内容及主要创新点包括以下几个方面：1.概述了国内外常用的参数辨识的各种方法,包括最小二乘法、模型参考自适应法、扩展卡尔曼滤波法以及各种智能控制算法。同时说明了电机电气参数和双闭环调速系统的控制器参数之间的联系,表明了电机参数辨识的必要性。继而阐述了永磁同步电机在不同坐标系下的数学模型以及永磁同步电机的控制策略,着重描述了矢量控制下的空间矢量脉宽调制技术。2.研究分析了带有遗忘因子递推最小二乘参数辨识算法,给出了在不同的遗忘因子作用下,电机参数辨识结果的差异性。在此基础上对基于神经网络的永磁同步电机参数辨识技术进行了充分的理论和实验研究,在电机数学模型的基础上建立了参考模型和可调模型,通过不断地调整权值从而分别辨识出了电机的定子电阻值、交直轴电感值以及永磁体磁链值,并进行了仿真试验,结果表明此辨识方法是有效的、可行的。3.研究了各种扰动如温度磁场以及逆变器非线性因素,对参数辨识结果带来的不利影响,给出了合理的补偿办法。并模拟了带有逆变器非线性因素的永磁同步电机参数辨识方法,依据辨识结果提出了在实际应用中,需要对逆变器非线性因素进行合理的补偿,从而提高参数辨识的精度。
【关键词】：永磁同步电机 神经网络 参数辨识 逆变器非线性补偿
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM341;TP183
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-16
• 1.1 课题背景及研究的目的和意义9-10
• 1.2 相关神经网络控制技术10-12
• 1.2.1 神经网络简述10-11
• 1.2.2 基于神经网络的系统辨识11-12
• 1.3 永磁同步电机参数辨识国内外研究进展12-14
• 1.3.1 最小二乘法13
• 1.3.2 模型参考自适应法13
• 1.3.3 扩展卡尔曼滤波法13-14
• 1.3.4 智能控制算法14
• 1.4 本文主要的研究内容14-16
• 第二章 永磁同步电机控制系统的研究16-24
• 2.1 永磁同步电机的数学模型16-19
• 2.1.1 A-B-C坐标系下的数学模型16-17
• 2.1.2 α-β坐标系下的数学模型17-18
• 2.1.3 d-q轴坐标系下的数学模型18-19
• 2.1.4 d-q轴坐标系下的等效电路19
• 2.2 永磁同步电机的控制技术19-23
• 2.2.1 矢量控制19-21
• 2.2.2 直接转矩控制21-23
• 2.3 本章小结23-24
• 第三章 基于递推最小二乘法的永磁同步电机参数辨识24-36
• 3.1 矢量控制下的空间矢量脉宽调制(SVPWM)24-28
• 3.1.1 SVPWM原理24-26
• 3.1.2 SVPWM控制算法26-27
• 3.1.3 基本矢量作用时间计算与三相PWM波形的合成27-28
• 3.2 遗忘因子递推最小二乘算法的参数辨识方案28-32
• 3.2.1 最小二乘算法的原理28-29
• 3.2.2 递推最小二乘算法的原理29-30
• 3.2.3 遗忘因子递推最小二乘算法的原理30-31
• 3.2.4 基于遗忘因子递推最小二乘算法的参数辨识31-32
• 3.3 永磁同步电机参数辨识系统的仿真与分析32-35
• 3.4 本章小结35-36
• 第四章 基于神经网络的永磁同步电机参数辨识36-52
• 4.1 神经网络控制36-40
• 4.1.1 神经网络控制系统设计的基本理论36-38
• 4.1.2 人工神经网络的模型38-40
• 4.2 神经网络参数辨识方案40-45
• 4.2.1 神经网络辨识方案的提出40-42
• 4.2.2 神经网络辨识方案的具体实现42-45
• 4.3 神经网络参数辨识的MATLAB仿真与分析45-50
• 4.4 两种参数辨识算法的比较50
• 4.5 本章小结50-52
• 第五章 非线性因素对电机参数辨识结果的影响52-62
• 5.1 逆变器的非线性因素分析52-59
• 5.1.1 开关延时以及开关管的死区时间52-54
• 5.1.2 开关管压降54-57
• 5.1.3 电流电压检测等的误差57-59
• 5.2 加入非线性因素的辨识算法仿真59-61
• 5.3 本章小结61-62
• 第六章 总结和展望62-64
• 6.1 总结62-63
• 6.2 展望63-64
• 参考文献64-68
• 攻读硕士学位期间的研究成果68-69
• 攻读硕士学位期间参加或支持的科研项目69-70
• 致谢70

【参考文献】

中国期刊全文数据库 前1条

1 韦卫星;磨少清;覃春芳;廖义奎;文勇;;基于BP神经网络的模糊参数辨识[J];计算机工程与应用;2008年18期

，

本文编号：776891