交流传动系统滑模控制算法的研究

交流传动系统滑模控制算法的研究

ID:23528510

大小:3.16 MB

页数:72页

时间:2018-11-08

交流传动系统滑模控制算法的研究_第1页
交流传动系统滑模控制算法的研究_第2页
交流传动系统滑模控制算法的研究_第3页
交流传动系统滑模控制算法的研究_第4页
交流传动系统滑模控制算法的研究_第5页
资源描述:

《交流传动系统滑模控制算法的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、华中科技大学硕士学位论文摘要交流电机本身是一个多变量,强耦合和时变的复杂被控对象,通常很难通过精确地数学模型进行描述,再加上控制过程中外部因素对电机本身造成的影响,因此要实现交流电机高质量的控制,需要研究合理的控制策略。本文针对交流电机定子电流的耦合影响以及电机转速控制的鲁棒性,将滑模变结构控制策略引入交流电机传动领域,力图实现电机定子电流的解耦和电机控制的鲁棒性。本文首先以三相异步电机为研究对象,研究了定子电流耦合的问题,总结了目前学者们对此问题所提出的解决方案,其中包括反馈解耦控制等等。由于这些方案都存在各自的缺陷,例如对电

2、机模型参数的依赖程度高,鲁棒性不强等,所以本文考虑将滑模变结构控制策略引入交流传动。本文分析了滑模变结构控制的基本原理,提出了新型的滑模变结构控制策略,并将其用于交流电机的电流调节中,给出了计算机仿真实验结果。本文的重点是提出一种能够减小滑模抖动的新型滑模变结构控制策略。虽然滑模变结构控制具有很强的鲁棒性,且实现简单,在工程上得到了广泛的应用,但是滑模抖动成为其应用的一个主要障碍。径向基神经网络具有收敛速度快,能够实现任意非线性函数的特点,很适用于非线性复杂的系统。因此,本文考虑使用径向基神经网络与滑模变结构控制相结合,来实现减

3、小滑模抖动的目的。在本文提出的方案中,神经网络的输出直接替代滑模控制的开关量输出,期待利用神经网络的自学习能力,减小甚至消除滑模抖动。此外,本文还将提出的方案用于速度调节中,以期望提高电机转速调节的鲁棒性,并进行了仿真实验。仿真结果表明,该方案具有较好的效果,理论分析和实验结果是相吻合的。关键词:交流电机滑模控制径向基神经网络电流耦合I华中科技大学硕士学位论文AbstractACmotorisahighorderandstrongcouplingsystem,andgenerallyitisdifficulttodescribe

4、theaccuratemathematicmodelofanACmotorwithsomeexternaldisturbances,soapplicablecontrolstrategiesareexpectedtoensuregoodperformanceofmotorcontrol.Inthisthesis,weconsiderusingslidingmodelcontrolinmotorcontrol,inordertosolvethestatorcurrentcouplingproblemandimprovetherob

5、ustnessofoverallsystem.Thisthesisstudiesthethreephaseasynchronousmotor,analyzesthestatorcurrentcouplingeffectiveness,andsummarizescontrolmethodsproposedbyscholarsallovertheworld.However,theseproposedmethodshavesomedrawbacks,suchasbadrobustness.Therefore,slidingmodeco

6、ntrolisconsideredinthisthesis.Thethesisexpoundsthebasictheoryofslidingmodecontrol,andproposesanovelcontrolstrategy.Themostsignificanceofthisthesisliesinproposinganewslidingmodecontrolmethod,whichcanreducethechatteringcausedbyslidingmodeeffectively.Althoughthetraditio

7、nalslidingmodecontrolhasstrongrobustnessanditiseasytoimplementinengineering,slidingmodecontrolhasadrawback-thechattering.Neuralnetworkshavetheabilitytoapproximatenonlinearfunctions.Inaddition,radialbasisfunctionneuralnetwork(RBFNN)hasanadvantageoffasterlearningabilit

8、yandlesschanceoffallingintolocalminimum,incomparisonwithstandardBPneuralnetwork.Therefore,thisthesisconsiderscombiningthemeritsbetw

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。