浅议基于遗传算法的三相异步电动机轻载和空载时的节能控制研究

《浅议基于遗传算法的三相异步电动机轻载和空载时的节能控制研究》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、Y1022896烈虞毒冲拨夫·哆硕士学位论文题目专业研究方向姓名导师学校代码：10488学号：04104019基于遗传算法的三相异步电动机轻载和空载时的节能控制研究控制理论与控制工程新型电气传动杨斌刘惠康教授定稿日期：2006年11月9日武汉科技大学硕士学位论文第l页摘要三相异步电动机由于结构简单、维护方便、机械特性较硬、价格便宜，所以在工矿企业中广泛地被作为电气传动的主要原动机。在许多工况下，大功率异步电动机常常运行在轻载和空载的状态，此时电动机的功率因数和机械效率都很低，因此能源浪费极大。如果能够找到一种合适的优化算法对三相异步电动机在空载或轻载状态的功率因数和机械效率做综合

2、优化，找出一个异步电动机在空载或轻载状态下的最佳控制转速，则可以达到三相异步电动机在该状态下的节能目的。遗传算法是一种简单、高效的优化算法，它为我们指明了一种求解复杂系统优化问题的通用途径，也为解决本文中三相异步电动机空载和轻载时功率因数、机械效率的综合优化问题提供了有力依据。本文运用电机学原理对三相异步电动机在轻载和空载时的功率因数，机械效率，以及转差率之间关系从理论上进行了详细的数学分析和推导，并得出了三者之间精确的数学表达式。这一步是运用遗传算法解决优化问题的基础。再通过选择适当的遗传算法和设置遗传算法的各项参数仿真编程，研究和讨论优化结果。将优化后的参数换算成系统控制器的

3、给定量实现三相异步电动机在空载和轻载时的节能控制。仿真和试验结果表明，特征转差率所对应转速运行下的三相异步电动机能够获得最佳的节能控制效果。关键词：遗传算法功率因数优化机械效率优化自寻优控制特征转差率第1I页武汉科技大学硕士学位论文AbstractThethreephaseasynchronousmotorhavebeenwidelyusedasmainprimemoverofelectricdriveinmanyindustrialandminingenterprisesbecauseoftheirsimplestructure，easymaintenance，stronger

4、mechanicalcharacteristicandcheapprice．Undermanyoperatingcondition，bigpowerasynchronousmotorsoftenoperateattheirooload’sandlightload’sstate，atwhichthethreephaseasynchronousmotorswastethemostenergysourcesonaccountoftheirlowerpower—factorandmechanincalefficiency．Ifanappropriateoptimizationalgori

5、thmcanbeusedforoptimizingthethreephaseasynchronousmotor’spower-factorandmechanicalefficiencyatnoload’sandlightload’ssituation，thebestcontrolrevcanbefoundtocontroltherunningmotor，whichmakethemotorconsumetheleastelectricenergy．Geneticalgorithmiseasyandefficientmethodsofoptimization，showinguscle

6、arlyacurrentapproachofsolvingcomplicatedsystem’soptimizationproblemandprovidingaconvincinggistforsolvingthethreephaseasynchronousmotor’ssynthesisoptimizationaboutthepower-factorandmechanicalefficiencyatthenoload’sandlightload’sstateinthispaper．Power—factor，mechanicalefficiencyandslip’srelatio

7、namongthemwilltheoreticallybedetailedlyanalysedanddeductedbymathematicalmethods，andamathematicexpressionwillbegottenaboutthethreevariables．Thisstepisakeytoapplythegeneticalgorithmtosolvingtheoptimizationproblem．Thenselectappropriategeneticalg