感应电机参数辨识算法及其fpga设计研究

《感应电机参数辨识算法及其fpga设计研究》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、摘要感应电机由于其可靠性好、结构简单等优点成为工业伺服控制的主要传动装置。但足感应电机同时又是一个多变量、非线性、强耦合的系统，矢量控制较好地解决了感应电机磁链和转矩的解耦，取得了优良的控制性能。但随着运行工况的变化，电机的参数尤其是电气参数的变化严重地影响了矢量控制系统的控制效果，转子电阻的变化破坏了磁链和转矩之间的解耦关系，致使电机的控制变得更加困难。因此在线辨识感应电机的转子电阻对提高感应电机矢量控制系统性能具有重要意义。论文综述并分析了多年来感应电机转子参数辨识的各种控制策略，详细阐述了感应电机动态数学模型的性质，通过坐标变换，给出了在

2、不同坐标系下感应电机的数学模型的表达形式并基于转子磁场定向的旋转坐标系，介绍了矢量控制系统的基本原理，基于Matlab建立了该系统地仿真模型，仿真研究了转子电阻变化对系统性能的影响。在此基础上，开展采用模型参考自适应理论(MRAS)的感应电机转子电阻智能辨识方案的研究。义中分析了传统MRAS存在的问题，采用无功功率模型，结合模糊控制技术，设计了转子电阻模糊模型参考自适应辨识策略；将神经网络和MRAS技术相结合，提出了基于神经网络的MRAS转子电阻智能辨识器。论文对所提辨识器进行了仿真研究，证明了其有效性，并基于FPGA技术，采用SG仿真工具，对

3、转子电阻辨识器的硬件实现进行了初步探讨，为辨识器的工业应用奠定了基础。关键词：感应电机；参数辨识；转子电阻；MRAS；ANNAbstractlnductionMotoriSoneofthemostwidelyusedactuatorforindustrialapplicationsduetoitsadvantagessuchasreliability,simplicity,lOWcostandvolumemanufacturing．Howeverinductionmotorsisamulti-variable，non—linear,highly

4、coupledsystem．Vectorcontrolcansolvetheinductionmotortorqueandfluxofdecoupling，andachievedexcellentcontrolperformance．However,withchangesintheoperatingconditions，thechangesofinductionmotorparametersespeciallyelectricalparameterseffectthecontrolle仃onofvectorcontrolsystemseriou

5、sly．thechangesofrotorresistanceunderminedthedecouplingbetweenfluxandtorque．whichmadeMotorcontroImoredi伍cult．Thereforeonlineidentificationofinductionmotorrotorresistanceisofgreatsignificancetoimproveperformanceofinductionmotorvectorcontrolsystem．1nthispapervariouscontrolstrat

6、egiesofindutionmotorrotorparameteridentificationintherecentlyyearsiSsynthesisedandanalysised。detailednatureofinductionmotordynamicmathematicalmodel．throughthecoordinatetransformation．givenoutdifferentinductionmotormathematicalmodelsindi仃erentcoordinatesystem．Basedontherotorm

7、agneticfieldorientationandrotationcoordinates．vectorcontrolsystemiSintroducedandestablishedvectorcontollsimulitionmodelbasedonMatlabanddoresearchoneffectsoftherotorresistancechangeofsystemperformance．Basedonthisresearch。research011intelligentidentificationofinductionmotorrot

8、orresistencetheoriesiSdonebasedonModelReferenceAdaptivetheory(MRAS)．Thispap