探析异步电机无速度传感器矢量控制的研究

《探析异步电机无速度传感器矢量控制的研究》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、Y1404744分类号：UDC：密级：学校代号：10150学号：20052238峡建交取挚硕士学位论文异步电机无速度传感器矢量控制的研究TheResearchonVectorControlofInductionMotor学生姓名：导师及职称：学科门类：专业名称：研究方向：申请学位级别：论文答辩日期：学位授予单位：杨承光刘文生教授工学交通信息工程及控制电力传动及控制硕士2008年1月4日大连交通大学摘要摘要异步电机的数学模型是一个高阶、非线性、强耦合的多变量系统，对其最有效的控制首推70年代提出的矢量控制技术。矢量控制技术的提出，使交流传动系统的动态

2、特性得到了显著的改善，是交流传动控制理论上的一个质的飞跃。而在现代交流传动系统中，为了达到高精度转速闭环控制，一般用安装在电机轴上的传感器如光电编码器等来测量转子速度。然而，编码器的安装会给系统带来一系列问题：系统成本大大增加；破坏了异步电机简单坚固的特点；增加了系统转动惯量等。由于速度传感器的安装存在以上缺点，并且有的场合根本无法安装转速传感器，而无速度传感器矢量控制仅需要测量电机的端部电压和电流，用这两个量推测出转子速度和转子磁链，来实现感应电机的矢量控制，消除了因传感器而带来的成本和可靠性问题，已成为交流传动技术的一个发展方向和研究热点。人工

3、神经网络是由人工神经元互连组成的网络，它具有自学习、自适应、信息的并行处理能力等特性，已广泛用于自动控制的各个领域，如模式识别、信号处理等，从已经取得的研究成果来看，人工神经网络的发展具有强大的生命力。但目前还存在一些问题，如智能水平不高，网络分析与综合的一些理论性问题(如稳定性、收敛性的分析)还未得到很好的解决等。但随着人们对大脑信息处理机理认识的深化，以及网络智能水平的提高，人工神经网络必将在更多的领域发挥作用。本文将首先设计带速度传感器的异步电机矢量控制模型，并对其进行仿真研究。之后在比较多种速度估计方案的基础上，提出采用神经网络来估计转子转

4、速，实现无速度传感器矢量控制。用BP网络和RBF网络分别对仿真数据采样建模，对比分析，证明所提方案的可行性。最后探讨了在现有条件下，神经网络硬件实现的必然性与可行性，并尝试设计了硬件实现原理框图。关键词：写作规范；排版格式；硕士学位论文大连交通大学工学硕士学位论文AbstractThemathematicalmodelofACmotorishigh—order，strongcoupling，multi-variablenonlinearsystems，themosteffectivecontrolofitiSthevectorcontrolfirs

5、traisedin1970s．Sincethevectorcontrolproposed，ithassignificantlyimprovedthedynamicperformanceofACdrivesystem，whichissuretobeaqualitativeleapofACdrivetechnology．InmodemACdrivesystem，inordertoachievehighprecisionclosed-loopspeedcontrol，generalmotorsusesensorssuchasphotoelectricen

6、codertomeasuretherotorspeed．However,theinstallationofcodingdevicebringsshortcomingsasthefollowing：thecostofthesystemgreatlyincreased；reducethesimpleandsolidcharacteristicsofasynchronousmotor；increasethemomentofinertiaofthesystem．Moreover．onsomeoccasionsit’Simpossibletoinstalls

7、peedsensors．Witllspeedsensorlessvectorcontrol，wejustneedtomeasurethetipvoltageandcurrent，thenusethemtospeculaterotorfluxandspeed，toachievethevectorcontrolofACmotor,whileeliminatingthecostandreliabilityproblemscausedbysensor，ithasbecomearesearchfocusofACdrivetechnology．Artifici

8、alneuralnetworkiScomposedofinterconnectedartificialneuralcell