开关磁阻电机的神经网络模糊直接转矩控制研究

《开关磁阻电机的神经网络模糊直接转矩控制研究》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、深圳职业技术学院学报2009年第5期JournalofShenzhenPolytechnicNo.5,2009开关磁阻电机的神经网络模糊直接转矩控制研究乔维德（常州市广播电视大学，江苏常州213001）摘要：为在简化开关磁阻电机控制系统结构的同时又能使其具有较快的转矩响应速度，提出一种适用于开关磁阻电机直接转矩控制的神经网络模糊推理控制方案，用神经网络定子磁链观测器取代传统的定子磁链观测器，采用模糊控制算法设计逆变器开关状态选择器．利用MATLAB对系统2种不同控制方法的仿真实验结果进行比较．通过比较发现，本文的控制方法

2、转矩、转速、磁链响应快、脉动小，具有优良的稳定跟踪性能和动态响应．关键词：开关磁阻电机；神经网络；模糊逻辑；直接转矩控制中图分类号：TM352文献标识码：A文章编号：1672-0318（2009）05-0013-05直接转矩控制（DirectTorqueControl，简经网络构造定子磁链观测器，应用模糊逻辑推理设称DTC）是继矢量控制技术之后发展起来的又一计逆变器状态开关选择器，从而使开关磁阻电机直种高性能的交流变频调速技术，该控制方法摒弃接转矩控制系统获得较强的鲁棒性和优良的动态性了矢量控制中电流解耦的控制思想，应用

3、空间电能，文中对此进行了仿真分析和验证．压矢量的分析方法，直接在定子坐标下计算并控制电机的转矩和磁通，采取定子磁链定向，借助1SRM神经网络模糊直接转矩控离散的两点式调节（Band-Band）产生PWM信制系统号，从而直接对逆变器的开关状态进行最佳控制，以获得转矩的优良动态性能．它省去了矢量控制1.1控制系统结构中复杂的空间坐标变换，具有控制结构简单、转开关磁阻电机神经网络模糊直接转矩控制系统矩响应迅速、对转子参数不敏感等优点．结构如图1所示．*目前DTC已成功应用于异步电动机，近年图1中，ω为给定角速度；ω为实际转子角

4、速**来一些学者开始致力于该控制方式在开关磁阻电度；Te为给定电磁转矩，Te为实际电磁转矩；Ψs机（SRM）上的拓展，初步实现了开关磁阻电机为给定定子磁链，Ψsα，Ψsβ为定子磁链在α-β坐标的直接转矩控制．但传统的直接转矩控制在系统中的分量；usα，usβ为电压在α-β坐标中的分量；isα，参数变化和外界干扰时，会引起磁链和转矩的剧isβ为电流在α-β坐标中的分量；θ为磁链位置角．烈变化，从而影响DTC的稳态性能．为了抑制转利用电压电流检测单元检测电流iA，iB，iC和矩脉动，有效提高开关磁阻电机直接转矩系统的电压uA

5、，uB，uC，通过3/2变换成两相值isα，isβ动、静态性能，本文提出基于神经网络和模糊逻和usα，usβ，输入至神经网络定子磁链观测器．通辑的开关磁阻电机直接转矩控制策略，即利用神过神经网络模型输出两相磁链Ψsα，Ψsβ，然后利用收稿日期：2009-03-09项目来源：江苏广播电视大学学术带头人基金资助项目作者简介：乔维德（1967-），男，江苏宝应人，教授，研究方向为智能控制、电机控制等．14深圳职业技术学院学报第8卷整流器Ud逆变器SRMuAuBuCiAiBiC模糊状态开关选择电压电流检测速度检测ω**TeΨ*P

6、Isωusαusβisαisβω神经网络定子磁链观测器TeθΨsΨsα转距位置磁链计算计算计算Ψsβ图1SRM神经模糊直接转矩控制系统结构转矩模型和磁链模型分别计算电机的转矩、磁链第一层为输入层，输入层的各个节点直接与输和位置角大小．计算公式为：入变量连接，其节点数取决于输入信号，输入信号y=y2+y2（1）共有5个，即S1-S5，分别对应定子电压usα，usβ，ssasb定子电流isα，isβ以及电机角速度ω．ysbq=arctan（2）第二层为隐含层，其节点数m是在网络学习过ysa[1]程中根据实际情况而定的，一般可

7、按经验公式m=3T=p(yi-yi)（3）1/2e2sasbsbsa（输入节点数+输出节点数）+a和神经网络训练图1中采用模糊控制器取代常规直接转矩控过程中的实际输出磁链Ψs（由Ψsα和Ψsβ计算合成）*制系统的磁链和转矩控制器．将给定的电机转矩与期望输出磁链Ψs的误差值来综合考虑设置，其T*、磁链值Ψ*和实际计算值T、Ψ相比较得到中a为1-10之间的常数，这里m取为6．对于隐eses的转矩误差eT、磁链误差eψ直接用于开关状态含层的第i个节点，设该节点与输入各节点的连接的选择，这里引入模糊控制逻辑后，则可以通过权值为ω

8、ij，则其输出为yi=f（∑ωijSj+θi），其中i=1，区分eT和eψ的大小作出不同决策来优化输出开2，…，m；j=1，2，…，5；f为神经元的非线性作用-x关状态，并经逆变器控制SRM的三相电压和电函数，选取Sigmoid型变换函数，即f（x）=1/（1+e），流，使电机能按控制要求输出转矩，最终达到调x为神经