模糊神经控制算法在永磁同步电机控制中的应用研究

《模糊神经控制算法在永磁同步电机控制中的应用研究》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、武汉瑾工大学疆士学经谂文摘要与传统的宅灏藏瀚步电税糖毙，永磁网步电雾t其有诲多谯琵的特往，茏其是在要求高控制精度和高可靠性的场台，如航空、数控机床、加工中心、机器人等方面获得了广泛的应用，在现代交流电机中也占有举足轻重的地篷。模糊神经网络融合了模糊逻辑和神经网络的优点，既能袭示定性知识，又具有自举习和处理息甓数据的能力。因此将模糊神经网络应阁于永磁同步电机伺服系统的控制中，商望设计出商品质的控制策略，获褥永磁同步电枧静高洼髓羧翻。因蔼，本文研究模糊耱经网络在永磁同多亳税控箴中静应溺。本文酋先从永磁同步电机仿真平台的建立开始，充分地应用MATLAB及其SIMULIN

2、K仿真环境，采用S一函数、电力系统工凝箱中的永磁同步电机模块帮矢羹控裁熬方式，完藏了不露PWM模式下豹恕爨蕊寞，这移藏可瞄把工作的重心敞在系统的分析与设计上瓶不是编程上。接着邋过对多层前向神经网络特点的分析，给出了一种基于线性最小二乘法的聿审缀元网络训练方案，荠把它应鼹于隶磁阉步电视模燮熬辨识中。在该方案中，通过梯度法获取隐层享率经元的输入，使稿线性最小二乘法训练各神经元的权值和阈值。仿真结果表明该方案具有精度高、收敛速度快等特点。然后在九点控制器的基础上提出了九点五态控制器，并把其控制规则应强予豢援貘羧毒睾经阏终豹结稳设诗中，大大蘧饕纯了模鞍享孛经瓣络懿结构设计

3、。只需鬟把模糊神经网络第五层的权值与九点五态控制器的比例参数值保持一致，就能取得比较好的控制效果，因此，可以更加快捷地撼定模糊神经嬲终的参数，圈聪赋予了第五层投馕以实际的意义。蕊奏结巢涯明该控制嚣的性能优良并且易整定。最后在改进的模糊神经网络的基础上，设计出了一种新的囱适应学习算法，并且成功地应用于永磁同步电机控制系统位嚣环的控制中，取得了期望鹣控裁效聚。关键字：隶磁同步电壤，控懿，攘壤享孛经网络，BP网络，仿粪武汉理工大学硕士学位论文AbstractIncontrasttotraditionalsynchronousmotorofelectricalexcita

4、tion，permanent—magnetsynchronousmotor(PMSM)hasmoreadvantages，especiallytheoccasionthatrequireshighprecisionofcontrolandhighreliability,suchasavigation，numericalcontrolmachinetool，processingcenter,robotandsoon．Inaddition，itplaysanimportantpartinACmotorinmoderntimes．Fuzzyneuralnetworksc

5、ombinetheadvantagesoffuzzylogicandneuralnetworks，soitnotonlycanexpressesthequalitativeknowledge，butalsohavetheabilityofself-studyingandprocessingquantitativedata．Accordingly，it'shopefultodesignacontrolstrategyofhighqualitytoacquirehighprecisioncontrolbyapplyingfuzzyneuralnetworkstocon

6、trolofPMSMservosystem．Thus，thispapermainlyresearchtheapplicationoffuzzyneuralnetworkstoPMSMcontr01．Firstofall，thispaperbeginswiththeestablishmentofPMSMsimulationstage，andfullyappliesenvironmentofMatlabandSimulinktothat．nlemotorsimulationisfinishedindifferentPWMbyusingSfunction．PMSMmod

7、uleofpowersystemtoolbox，andmodeofvectorcontrol，forthepurposeoflayingastrongemphasisonsystemA&Dinsteadofprogram．Secondly,thispaperproposesaneuralnetworktrainingschemebasedonthelinearleast-squaremethodthroughthecharacteristicanalysisofmulti-layeredfeedforwardneuralnetworks，andthenapplie

8、sthat