基于mras的永磁同步电动机神经网络转速辨识

基于mras的永磁同步电动机神经网络转速辨识

ID:15103910

大小:31.00 KB

页数:10页

时间:2018-08-01

基于mras的永磁同步电动机神经网络转速辨识_第1页
基于mras的永磁同步电动机神经网络转速辨识_第2页
基于mras的永磁同步电动机神经网络转速辨识_第3页
基于mras的永磁同步电动机神经网络转速辨识_第4页
基于mras的永磁同步电动机神经网络转速辨识_第5页
资源描述:

《基于mras的永磁同步电动机神经网络转速辨识》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于MRAS的永磁同步电动机神经网络转速辨识驱控∥微持电棚2008年第3期…/傻,……………………………………………………一………………—.!一=……………::r_.:…..基于MRAS的永磁同步电动机神经网络转速辨识周祥云,惠晶(江南大学,江苏无锡214122)摘要:依据永磁同步电动机在同步旋转坐标系下的定子电流数学模型,基于MR_AS理论提出一种神经网络转速在线辨识的方法,该方法为永磁同步电动机无速度传感器的控制策略提供了新选择.理论分析及仿真结果表明基于MR_AS的神经网络转速在线辨识方法的有效性和可行性.关键词:永磁同步电动机;转速辨识;神经网络;MRAS;仿真中图分类号:TM341

2、文献标识码:A文章编号:1004—70ls(2O08)03-0040一o3PMSMSpeedIdentifiedbyNeuralNetworkBasedonMRASZHOUXiang—yun.HUIJg(JiangnanUniversity,Wuxi214122,China)Abstract:Accordingtopermanentmagnetsynchronousmotor(PMSM)statorcurrentmathematicalmodelundersyn—ehronousrotationcoordinates,aspeedon—lineidentificationmethodbase

3、donMRASwaspresentedinthispaper.ThismethodprovidedanewchoiceforthePMSMsensorlesscontrolstrategy.Theoreticalanalysisandsimulationresultsshowedtheeffectivenessandfeasibilityofthemethod.Keywords:permanentmagnetsynchronousmotor(PMSM);speedidentification;neuralnetwork;MRAS;simulation0引言i为实现永磁同步电动机高精度,高动态

4、响应性i能的速度和位置控制,需要获取电机转子磁极位置与转速的信息j.这些信息通常采用霍尔传感器或光电旋转编码器等机电一体化检测装置获得,不i仅增加了电机的成本,尺寸和重量,同时存在对传感器的安装,维护保养等方面的难题.因此,研究适合i永磁同步电动机与无刷直流电动机的无速度传感器高精度控制系统已成为电机控制领域的研究热..i点】,无传感器控制技术应运而生.与传统的速羊度,位置控制技术相比,无传感器控制技术省去了传勇感器安装,维护的麻烦;同时可降低电机成本,拓展i电机的适用环境.因此,包括永磁同步电动机在内泵j的交流感应电动机无传感器控制策略的研究和譬i应用在国内外受到普遍重视.誓i本文基于MR

5、AS和神经网络理论,针对无速度传感器永磁同步电动机的矢量控制系统,提出一种在线转速辨识的方法.该方法依据永磁同步电动瑟i机在同步旋转坐标系下的定子电流模型,通过神经嚣;网络实现电机转速的在线辨识.鬟薪;1MRAS控制系统简介识!典型的MRAS控制系统原理如图1所示.图一吕:錾:中.参考模型代表受控系统性能的准确模型,其输出Y(t)为自适应控制的期望值,受控系统即为可调整图1典型MRAS控制系统原理图系统.当受控系统的输出Y(t)由于扰动或状态改变等原因偏离了期望输出Y(t)时,通过Y(t)与Y'(t)的误差e(t)驱动自适应机构调整相关参数或输入.以获得尽量接近参考模型的性能.2神经网络转速

6、辨识算法永磁同步电动机在同步旋转坐标系下的定子电流数学模型为:式中:A:[一]=[,口.:[:】,为转子同步转速为定子三相电流,口.为定子三相电压,为转子磁链.由于永磁同步电动机转子为永磁体,在忽略温度,磁极和气隙不均匀等对永磁体特性影响的前提下,可认为为恒值.苫口.Q,r暑._簋●,譬雌每警u书蛙翼童lII餐簟)=Cr_●●●,,,●j0…整_之.…2…008芝_3…………………………………………依据MRAS理论,将永磁同步电动机作为图1中的参考模型,构造受控系统状态方程如下:式中:A=^~^~i=Ai+Bu+C(2)RlL.ddlLR将式(2)改写为:i=Mi+Bu+NwI(3)=警++

7、昔,=[一],,..=【三吕],,.=【三],,.=【],,2:【01J.式(3)的采样模型为:i(k)=.X.+X2+X3(4)式中:+,=[,usd轴Lu1J=O.9,=曰,Xi=i(k—I),:(1)+_1),比(k一1),T为采样周期.式(4)代表一个两层神经网络模型,.,和为网络权值,X.,X2和X为网络输入.当采用此网络模型来辨识转速时,.和已知,未知,通过在线调整,即可获得对转速的在线辨识数值.

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。