开关磁阻电机定子电流控制策略的研究

《开关磁阻电机定子电流控制策略的研究》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、开关磁阻电机定子电流控制策略的研究摘要开关磁阻电动机(简称SRM或SR电机)具有结构简单、成本低、控制灵活等特点，由其构成的调速系统(简称SRD)具有交、直流调速所没有的优点，正在显示出强大的市场竞争力。本文以四相(8/6极)开关磁阻电动机控制系统的高性能控制策略及其系统设计为主题展开了理论研究和应用。在介绍了SR电机及其控制系统设计研究的发展现状之后，本文首先分析了SRM的基本原理、数学模型和基本的调速方式。随后介绍了SRM功率变换主电路的两相斩波方式，并以TI的TMS32OLF2407DSP控制器为核心设计了实验系统，针对

2、SRM的特点，充分利用了DSP的硬件资源，设计了相应的外围硬件检测、保护、控制电路，使控制系统结构紧凑、可靠性高。介绍了SRM线性化仿真模型，以及DSP的控制软件设计。由于开关磁阻电机本身的非线性电磁特性，导致了其转矩脉动比其他传动系统严重，因此如何控制好转矩成为关键，而转矩控制最终要通过控制电流来实现。本文对8/6结构SRM的绕组磁场特性及电感进行分析，构建了基于三层结构的径向基函数（radialbasisfunction,RBF）神经网络的SRM电感模型，该模型算法简单并能较好的反映SRM电感非线性模型；依据该模型提出了一

3、种自调节的电流控制方法，该方法通过已建立的SRM电感模型动态调节PWM的占空比，克服电感对电流的影响。实验结果证明，该方法使实际电流很好的跟随给定电流，有效减小电流波动，取得良好的电流控制效果。关键词：开关磁阻电机，转矩控制，径向基函数，DSP河北工业大学硕士学位论文THECONTROLSTRATEGYFORSRMSTATORCURRENTABSTRACTSwitchedreluctancemotor(SRM)takesonthemeritsuchassimplestrueture，lowcost，flexiblecontro

4、l，ete.Switchedreluctancedrivesystem(SRD)hastheadvantagethatconventionalACorDCdrivessystemmaynothave，itattraetsmoreandmoreattentionandshowscompetitionincommercialapplications.Inthisdissertationthe4-phaseswitchedreluctancemotorisstudied.Themainaspectofstudyfocusesonth

5、etheoryofintelligentcontrolsystemdesignforSRM.Firstly，thisthesisintroducesthedevelopmentofSRMcontrolsystemdesign，andthenanalyzedtheprincipleandmathematicalmodelofSRM.ThisthesisanalyzesPWMcontrolmethodofSRManditsconvertercircuitcharacteristic，anddesignedthehardwareco

6、ntrolsystembasedonTMS320LF2407DSPcontroller.Thecontrolsystemincludesdetectorcircuit，protectioncircuit，controlcircuit，whichmakesfulluseofDSPrecourseforhighreliabilityandsimplifiedtheconstructionofsystem.ThelinearizedsimulationmodelandDSPcontrolsoftwarearealsointroduc

7、ed.Owingtoitsnonlinearelectromagnetism,thetorquerippleofmotorismuchmoreseverethanotherdriversystem,soitispivotaltocontrolthetorque.Thetorqueofswitchedreluctancemotors(SRM)canbecontrolledbycontrollingthestatorcurrent.Thispaperanalyzedthewindingmagneticpropertiesandin

8、ductanceof8/6SRMsandbuiltinductancemodelbasedonthree-layerstructureradialbasisfunction(RBF)neuralnetwork.Thisalgorithmissimpleandcanbetter