收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

无速度传感器感应电机的神经网络鲁棒自适应控制理论研究

陈维  
【摘要】: 本论文以无速度传感器感应电机控制系统为主要研究对象,从转子磁链估计、转速估计、感应电机的神经网络鲁棒自适应控制及其应用等四个方面提出了一些新的方法。 对于转子电阻和负载转矩未知的情况,提出了一种滑模变结构方法估计转子磁链,并改进了其纯积分算法,使之可以抑制直流干扰。仿真验证了这种方法具有较高的估计精度。 提出了一种可以估计转子磁链和转速的观测器及相应的算法。仿真研究表明,本文提出的算法对定子电阻、转子磁链和转速的估计很精确。对于转子电阻和负载转矩未知的情况,用电压模型估计转子磁链,将磁链参考量注入交流信号估计转子电阻,分析了注入交流信号的原因,由感应电机静止坐标系模型推出转速估计表达式,再将估计的转子电阻代入其中估计转速。经仿真,转子电阻和转速的估计精度较高。为了提高该方法的估计精度,提出了一种精确计算的方法,该方法用电压模型估计转子磁链,然后根据感应电机的静止坐标系模型推出转速和转子电阻的方程,根据这两个方程解出转速和转子电阻的表达式。分析了这两个量的表达式的成立条件,给出了它们的表达式分母为零的处理办法。仿真研究表明,所提出的方法能准确的估计感应电机的转速和转子电阻。 为了解决转子电阻和负载转矩未知的感应电机控制问题,在避免直接解复杂的HJI (Hamilton-Jacobi-Isaac)不等式的情况下,用反步法(Backstepping)设计了一种L2-增益鲁棒控制方案。其中,为了避免反步法带来“项的爆炸(Explode of Terms)"问题,采用了动态面控制方法(Dynamic Surface Control Technique)。在外环控制器中引入鲁棒项,抑制不确定参数对控制系统造成的影响,并且用Lyapunov定理和HJI不等式证明了系统具有小于等于正的常数γ的L2-增益。仿真研究表明,用所提出的控制方案比不用鲁棒控制项的控制系统跟踪精度和鲁棒性更好。 本论文提出了一种感应电机的神经网络L2-增益鲁棒自适应控制方法,该方法用RBF (Radial Basis Function)神经网络补偿转子电阻和负载转矩的不确定性。在没有解HJI不等式的情况下,基于反步法设计了控制器。提出了用于神经网络权值学习的投影算法。用Lyapunov定理和HJI不等式证明了系统的鲁棒性和稳定性。然后,针对这种方法有失控的情况,提出了一种改进的神经网络L2-增益鲁棒自适应控制方法。在没有解HJI不等式的情况下,采用反步法设计了控制器。考虑了由感应电机转子电阻和负载转矩的不确定性造成的扰动,采用RBF制器。考虑了由感应电机转子电阻和负载转矩的不确定性造成的扰动,采用RBF神经网络来补偿这些扰动。将感应电机基于转子磁链定向的两相旋转坐标系模型各个状态变量的跟踪误差和各RBF神经网络权值向量的跟踪误差看作整个控制系统的状态变量,提出了一种改进的神经网络学习的δ-修正算法。在神经网络输出的表达式中引入了放大因子,以减少整个控制系统的评价信号范数。用Lyapunov定理和HJI不等式证明了整个控制系统的鲁棒性和稳定性。这两种控制方法都与本论文提出的第三种转速估计方法联用。仿真结果表明,所提出的控制方法对所考虑的感应电机的不确定性具有很高的动态性能并具有很强的鲁棒性。 针对感应电机定子电阻和负载转矩参数的不确定性,提出了感应电机神经网络鲁棒自适应控制方法。定义了特定的状态变量跟踪误差。用反步法设计了一种可以将各状态变量跟踪误差和神经网络各权值限制在规定范围内的神经网络鲁棒自适应控制器,提出了另一种用于神经网络学习的改进的δ-修正算法。用Lyapunov定理证明了该控制系统的稳定性。这种控制方法与本论文提出的第一种转速估计方法联用。仿真结果表明,所提控制系统有高的跟踪性能和强的鲁棒性。 针对有非最小相位特性的二阶DC/DC(直流/直流)变换器平均值模型,以Buck-Boost变换器为典型例子,提出了一种非线性反馈做内环控制器,来控制电感电流,用RBF神经网络作为自适应机构,提出了一种神经网络鲁棒自适应控制器作为电压外环控制器,控制其输出电压,并用Lyapunov定理证明了这一系统的稳定性。仿真结果表明,提出的控制器具有很好的动态性能和很强的鲁棒性。对于一类具有三角结构的SISO (Single Input Single Output)的不确定非线性系统,在没有解HJI不等式的情况下,用反步法和动态面控制法设计了一种使用神经网络补偿未知非线性的L2-增益鲁棒自适应控制器。合理的选择了L2-增益性能指标,将被控系统各个状态变量的跟踪误差和神经网络各权值的跟踪误差看作整个控制系统的各个状态变量。提出相应的改进的神经网络权值δ-修正算法。在神经网络输出的表达式中引入了放大因子,以减少整个系统状态变量的跟踪误差。用Lyapunov定理和HJI不等式证明了提出的控制器是所考虑的被控系统的神经网络L2-增益鲁棒自适应控制器。仿真研究结果表明所提出的控制器具有很高的跟踪性能和很强的鲁棒性。 本文最后对全文的创新点进行了总结,提出了对未来研究工作的展望。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 乔维德;;基于神经网络模糊逻辑的感应电机直接转矩控制[J];金华职业技术学院学报;2010年03期
2 沈艳霞;林瑾;纪志成;;神经网络磁链估计的感应电机反步法研究[J];控制与决策;2006年07期
3 乔维德;;神经网络模糊直接转矩控制在感应电机中的应用研究[J];电气传动自动化;2010年02期
4 邵明强;田慕琴;;基于遗传神经网络的感应电机故障诊断研究[J];微电机;2009年08期
5 王耀南;陈维;;无速度传感器的感应电机神经网络鲁棒自适应控制[J];中国电机工程学报;2008年33期
6 姚云波,夏立;基于神经网络的感应电机故障诊断分类决策方法研究[J];计算机测量与控制;2004年01期
7 李凯;陈兴林;宋申民;;变压恒频感应电机效率功率因数优化控制[J];电机与控制学报;2009年03期
8 张潮海,谭平;感应电机故障诊断的神经网络方法[J];船电技术;1995年01期
9 蔡华斌;肖建;;基于神经网络的感应电动机特性辨识新方法[J];机车电传动;2006年06期
10 马成禄;胡继胜;阳同光;;无速度传感器感应电机控制速度辨识的研究现状与展望[J];防爆电机;2008年01期
11 郑雨芳;吴新开;余建坤;;基于支持向量机逆系统的感应电机线性化解耦控制[J];邵阳学院学报(自然科学版);2009年02期
12 张正辉;;等效感应电机及复合相对参数[J];微特电机;1980年02期
13 尹忠刚;钟彦儒;孙向东;刘静;;基于神经网络的感应电机转速估计方法[J];变频器世界;2005年07期
14 郝小星;郭瑞鹃;;基于遗传算法的模糊自适应感应电动机控制[J];科技情报开发与经济;2007年21期
15 常进;张曾科;;基于变结构控制的感应电机能量优化控制[J];清华大学学报(自然科学版);2007年10期
16 霍俊东;任一峰;赵敏;;基于TMS320F2808的感应电机直接转矩控制系统的数字化实现[J];微电机;2010年09期
17 邓国璋;;一种新型变结构直接转矩控制方案研究[J];电机技术;2010年05期
18 岳舟;谭甲凡;;直接转矩控制定子磁链观测新方法[J];电力电子技术;2010年11期
19 韦文武;祝后权;张经纬;;定子齿部和轭部分离的感应电机电磁性能研究[J];湖北工业大学学报;2011年01期
20 刘小立;王维信;;无逆向电机[J];机械设计与制造;1988年01期
中国重要会议论文全文数据库 前10条
1 李硕;范瑜;朱熙;秦伟;吕刚;;三齿槽轴向悬浮感应电机及其特性分析[A];2011中国电工技术学会学术年会论文集[C];2011年
2 张勇军;郝春辉;;带有负载转矩观测的感应电机广义预测控制[A];中国自动化学会控制理论专业委员会C卷[C];2011年
3 胡云安;;感应电机的块控自适应反步控制[A];2009年中国智能自动化会议论文集(第一分册)[C];2009年
4 沈艳霞;林瑾;纪志成;;神经网络磁链估计的感应电机自适应反步控制[A];全国自动化新技术学术交流会会议论文集(一)[C];2005年
5 初升;郭庆鼎;;神经网络磁通观测器在感应电机矢量控制中的应用[A];1998中国控制与决策学术年会论文集[C];1998年
6 廖威;粟梅;;基于预测控制的感应电机直接转矩控制[A];第二十九届中国控制会议论文集[C];2010年
7 李阳;张曾科;;基于模糊逻辑的自寻优感应电机能量优化控制[A];第七届全国电技术节能学术会议论文集[C];2003年
8 陈翠;孙衢;王旭光;;基于EKF的感应电机无速度传感器控制系统[A];第二十七届中国控制会议论文集[C];2008年
9 唐浦华;刘飞;黎亚元;;感应电机直接转矩控制数字仿真[A];第二十四届中国控制会议论文集(下册)[C];2005年
10 陈礼根;;基于降阶扩展卡尔曼滤波的感应电机转速估计[A];第八届全国电技术节能学术会议论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 陈维;无速度传感器感应电机的神经网络鲁棒自适应控制理论研究[D];湖南大学;2010年
2 王爱元;变频器供电的感应电机节能控制若干技术的研究[D];华东理工大学;2010年
3 李凯;轻载感应电机效率优化与软起动控制研究[D];哈尔滨工业大学;2009年
4 徐占国;电动车用感应电机矢量控制系统的研究[D];大连理工大学;2010年
5 陈思哲;双馈感应风力发电机组的控制研究[D];华南理工大学;2010年
6 王瑞;面向机车牵引的感应电机传动技术研究[D];华中科技大学;2012年
7 宋昌林;基于磁场定向的感应电机直接转矩控制研究[D];西南交通大学;2004年
8 徐中;基于FNNS的感应电机直接转矩控制研究[D];大连理工大学;2001年
9 朱晓琳;基于神经网络的感应电机矢量控制系统研究[D];华中科技大学;2007年
10 胡楷;交流驱动系统模型参考自适应控制技术[D];国防科学技术大学;2004年
中国硕士学位论文全文数据库 前10条
1 孙奎;基于串行双EKF的感应电机无速度传感器控制系统研究[D];哈尔滨工业大学;2010年
2 时荣超;旋转磁场电动式磁悬浮装置控制的研究[D];北京交通大学;2010年
3 贾涛;智能化感应电机变频调速系统的研究[D];湖南大学;2004年
4 李秀云;不同拓扑结构晶闸管—感应电机系统变工况运行仿真研究[D];华北电力大学(北京);2005年
5 冼成瑜;基于全模糊控制器的感应电机矢量控制系统研究[D];重庆大学;2004年
6 赵新咏;感应电机无速度传感器转子磁场定向矢量控制系统的研究[D];北方工业大学;2011年
7 张伟;感应电动机直接转矩控制技术在电动汽车中的应用[D];重庆大学;2004年
8 蔡骊;感应电机无速度传感器矢量控制系统[D];浙江大学;2003年
9 叶成平;交流感应电机的参数辨识及数字控制技术研究[D];南京工业大学;2004年
10 马华;高速列车用感应电机弱磁控制方法的研究[D];北京交通大学;2010年
中国重要报纸全文数据库 前10条
1 于翔;数字神经网络中的协同应用[N];网络世界;2009年
2 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
3 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
4 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
5 本报首席记者 任荃 实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年
6 张耀平;管道运输时代正在向我们走来[N];国际商报;2002年
7 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年
8 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年
9 记者 叶桂华通讯员 刘月青;省首届产学研洽谈会泰州展台受关注[N];泰州日报;2007年
10 谭薇;“潮湿计算机”:拥有人类智慧的超级大脑[N];第一财经日报;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978