基于神经网络异步电机控制系统研究

《基于神经网络异步电机控制系统研究》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、学兔兔www.xuetutu.com务I訇化基于神经网络的异步电机控制系统研究Researchonasynchronymotorcontrolsystembasedonneuralnetwork刘伟，张鸿辉LIUWei。ZHANGHong—hui(周口师范学院物理与电子工程系，周口466001)摘要：异步电机由于其优越的性能在工业中获得了广泛的应用，有关其控制的研究一直是业界人士关心的热点与难点问题。针对异步电机直接转矩控制技术存在的一些不足，本文设计了基于RBF神经网络的定子磁链识别和电压矢量选择模型，并通过MATLAB搭建了异步电机直接转矩控制模型，仿真结果表明所设计的RBF神经

2、网络直接转矩控制系统效果更优。关键词：神经网络；异步电机；直接转矩控制；自适应控制中图分类号：TM343文献标识码：A文章编号：1009—0134(2013)09(下)-0046-02Doi：10．3969／J．issn．1009-0134．2013．09(下)．150引言子绕组电感及定转子绕组互感，o为漏感系数，异步电机由于其优越的性能在工业中获得了p为极对数，与为定、转子磁链，而Y为磁．广泛的应用，有关其控制的研究一直是业界人士通角。关心的热点与难点问题。异步电机本身是多输入实际运行中，保持定子磁链的幅值为额定多输出、高阶、非线性及强耦合的复杂系统，同值，以便充分利用电机铁芯，而

3、转子磁链的幅值时实际运行中还存在结构变化、输入电流波动及的大小则由负载决定。如果要改变异步电机转负载波动等不确定性因素，这些都加大了对其进矩，可以通过改变磁通角Y来实现，这正是直接行动态自适应控制系统的设计难度。神经网络具转矩控制的基本思想。具体的控制方法是通过选有良好的非线性逼近和动态自适应能力，在非线择电压空间矢量控制定子磁链不断运行和停止来性系统的智能建模、辨识与控制中表现出巨大的改变定子磁链的平均旋转速度的大小，从而控制应用潜力，有关其在异步电机控制中的应用也不电机的转矩，其中的定子磁链与转矩估计与电压断涌现。矢量开关选择两个环节是该控制系统中需要重点针对直接转矩控制技术存在

4、的一些不足，本进行设计的环节。文设计了基于RBF神经网络的定子磁链识别和电2基于神经网络异步电机控制系统压矢量选择模型，并通过MATLAB仿真验证了所设计设计RBF神经网络直接转矩控制系统的可行性。神经网络具有的自学习、自适应、非线性及1异步电机直接转矩控制方法并行处理能力等优越性能使得其可以很好地用于直接转矩控制技术(DTC)已成为继矢量控非线性与强耦合异步电机的在线识别与控制。考制之后的异步电机调速的主流技术，其直接将虑直接转矩控制方法中定子磁链与电压矢量选择定子磁链和转矩作为控制变量实现电机转速的控模块的计算精度、实时跟踪与动态调整等性能需制，从而提高了整个系统的动态响应速度。

5、求，设计了基于RBF神经网络的定子磁链识别与异步电机的控制归根到底是需要对电磁转矩电压矢量实现模型。进行有效的控制。通过异步电机的磁链分析，可2．1基于RBF神经网络的定子磁链识别得电磁转矩的表达式如下：研究表明，磁链控制的越好，电流谐波就会r3上．一．⋯．越小，转矩脉动就会越小，从而得到更好的异步el~alsin7(1)。～LrLs电机控制性能。U-i模型通过定子电流和定子电其中，、与分别为定子绕组电感、转压确定定子磁链，相位和幅值偏差及低频时逆变收稿日期：2013-07-29作者简介：刘伟(1976一)，女，河南太康人，讲师，博士，研究方向为智能控制。【46】第35卷第9期201

6、3—09(下)学兔兔www.xuetutu.com学兔兔www.xuetutu.com