永磁同步电机神经网络自校正速度控制系统

永磁同步电机神经网络自校正速度控制系统

ID:34942419

大小:8.73 MB

页数:68页

时间:2019-03-14

永磁同步电机神经网络自校正速度控制系统_第1页
永磁同步电机神经网络自校正速度控制系统_第2页
永磁同步电机神经网络自校正速度控制系统_第3页
永磁同步电机神经网络自校正速度控制系统_第4页
永磁同步电机神经网络自校正速度控制系统_第5页
资源描述:

《永磁同步电机神经网络自校正速度控制系统》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、学巧代号10532学号S1209W404分类号TM346密级公开■鑛满讀A攀HUNANUNIVERSITY工程硕±学位论文永磁同步电机神经网络自校正速度控制系统?学位申请人姓名下时云培养单位电气与信息X程学院导师姓名及职称余致廷副教授刘国清教授级高工学科专业控制程研究方向电力电子与电气传动论文提交日期2015年5月4曰学校代号:10532学号:S1209W404密级:公开满南大学工程硕±学位论文永

2、據同步电机神经网络自校正速度控制系统学位串请人姓名:T时云导师姓名及职称:余致廷副教授刘国清教授级高工培养单位:电气与信息工程学院专业名称:控制工程论文担巧日期:2015年5月4日论文答巧日期:2015年5月8日答據委员会主巧:李树涛教授PermanentManetSnchronousMotorSystemBasedOnNeuralgy-nnNetworkSelfturiSeedControlgpbyDINGShiy

3、unB.E.ChanshaUniversit2012(gy)AthesissubmittedinartialsatisfactionofthepReuirementsforthedereeofqgMasterofEnineeringginControlEngineeringintheGraduateSchoolofHunanUniversitySupervisorAssociateProfessorSHEZhitin

4、g,P防fessorateSeniorE打gineerLiuGuoqingMay,2015湖南大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研巧所取得的。研究成果除了文中特别加W标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研巧做出重要贡献的个人和集体,均己在文中^。。1^明确方式标明本人完全意识到本声明的法律后果由本人承担作者签名:曰期:如知^月沸学位论文版权使用授权书1本学位论文作者完

5、全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部鬥或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南大学可W将本学位论文的全部或部分内容编入有关数据库进行检索,可^1采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1、保密□。,在年解密后适用本授权书2、不保密囚。""(请在W上相应方框内打V)作者签名:曰期:年^导师签名曰期:2。么e1产fI永磁同步电机神经网络自校正速度控制系统摘要永磁同步电机由于具有

6、体积小、重量轻、转速平稳、动态响应较快、转矩控制简单W及过载能力强等一些优点而受到广大研究者的青睐并被广泛运用到现代一交流调速系统中。然而永磁同步电机本身是个非线性、多变量、强賴合的控制P一系统,传统ID速度控制器很容易受到电机的参数变化与负载干扰等些不确定因素影响。因此在速度控制精度要求较高且负载波动大的情况下,传统PID控制器己经难W达到永磁同步电机系统的高性能控制要求。神经网络具有自学习自适应能力。,通常用于解决非线性系统的复杂控制问题随着神经网络控制理论的日益成熟与发展,神

7、经网络在电机控制领域的应用越来一越广泛。BP网络是发展较早的种神经网络按制方法,但是因其训练速度慢等问题一,难W满足系统的实时控制要求,因此其应用受到定的跟制。而RBF神经网络采用合适的训练算法时,能达到学习速度快、泛化能力强、实时性高的要求。一基于W上原因,本文重点研巧种基于RBF神经网络自校正PID的永磁同步电机。N学习转速控制方法,满足对永磁同步电机系统的高性能控制要求本文将RA算法与梯度下降学习算法结合训练RBF神经网络,W得到学习速度快,动态性能好的网络结构,然后通过训练

8、好的RBF神经网络的自学习自适应能力来校正PID的H个参数,实现PMSM的速度高性能跟踪控制。为了验证该方案的可行性,本文在MATLAB/SIMULINK仿真环境下建立基于RBF神经网络自校正的永磁同步电机矢量控制系统仿真模型,对电机在负载扰动W及转速突变的情况下进行仿真研究,并与传统PID控制方法进行比较。仿真结果证明该控制器受电机参数变化和负载扰动的影响较小,具有较好的抗干扰

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。