基于神经网络的自适应无速度传感器_永磁同步电机控制

《基于神经网络的自适应无速度传感器_永磁同步电机控制》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、基于神经网络的自适应无速度传感器永磁同步电机控制作者姓名：徐小龙指导教师：王迎春单位名称：东北大学专业名称：电气工程及其自动化东北大学2013年6月NeuralNetwork-BasedAdaptiveSensor-lessControlofPermanentMagnetSynchronousMachinesbyXuXiaolongSupervisor:AssociateProfessorWangYingchunNortheasternUniversityJune2013东北大学本科毕业设计（论文）毕业设

2、计（论文）任务书毕业设计（论文）任务书毕业设计（论文）题目：基于神经网络的自适应无速度传感器永磁同步电机控制设计(论文)的基本内容：(1)了解系统研究背景意义，分析项目功能需求。(2)设计永磁同步电机的SVPWM的矢量控制，基于神经网络自适应控制建立无传感器控制系统。本系统应实现在无传感器的条件下，利用神经网络自适应控制永磁同步电机的目的。(3)总结归纳，对系统进行仿真，分析实验结果。毕业设计（论文）专题部分：题目：　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　设计或论文专题的基本内容

3、：学生接受毕业设计（论文）题目日期　　　　　　　　　　　　　第　1　周指导教师签字：2013年　3　月　5　日-V-东北大学本科毕业设计（论文）摘要基于神经网络的自适应无速度传感器永磁同步电机控制摘要永磁同步电机具有效率高、功率密度大、转子参数可调等优点，因此在工业生产的各个领域中有着较好的发展。但是由于永磁同步电机在调速系统中传统的机械传感器存在着可靠性低、成本高、维护复杂等诸多问题，并且其控制系统是一个强非线性、时变和多变量的系统，使得永磁同步电机在要求高精度的环境中不能很好的工作，因此本文主要研究在

4、无传感器条件下利用神经网络自适应系统控制永磁同步电机的策略方法，这种控制方法具有不依赖被控对象的精确数学模型，同时对外界的变化具有学习性、自适应性以及鲁棒性等特点。本文中，首先分析并推导出永磁同步电机的数学模型，根据空间坐标变换理论，将三相静止坐标系转换到两项旋转坐标系中，由此得到永磁同步电机在两项旋转坐标系下的数学模型及其相应的运动方程。再根据空间矢量脉宽调制原理，利用空间矢量电压得到六路PWM信号，经由逆变器，得到所需要的驱动信号驱动永磁同步电机。然后在矢量控制的基础上，采用模型参考自适应控制方法设计

5、了速度控制器，通过自身调节参数，降低误差，使输出达到期望值。接着设计神经网络的权值变化规律，保证神经网络的稳定性。然后通过神经网络设计永磁同步电机的控制系统，并运用李雅普诺夫函数证明整个系统的全局误差有界，可以使其对速度的追踪达到理想的效果。最后，利用MATLAB建立所需要的各个子模块，输入合适的参数值，对整个系统进行仿真得到仿真图形，分析数据得出结论。关键词：永磁同步电机，无速度传感器控制，神经网络，自适应控制-V-东北大学本科毕业设计（论文）AbstractNeuralNetwork-BasedAda

6、ptiveSensor-lessControlofPermanentMagnetSynchronousMachinesAbstractPermanentmagnetsynchronousmachines(PMSM)havegoodprospectsinvariousapplicationsareasofindustrialproductionbecauseofhighefficiencyandenergydensity.However,inthePMSMspeedcontrolsystem，therear

7、esomeproblemsinthetraditionalmechanicalsensor,suchasmakingthesystemreliabilityworse，costsincreasedandmaintenancecomplex．Atthesametime,sincethesystemisastronglynonlinear,time-varyingandmultivariablesystem，thepermanentmagnetsynchronousmotordoesnotworkwellin

8、thehigh-precisionenvironment.Inthispaper,anadaptiveneuralnetworksensor-lesscontrolschemeisstudiedforpermanentmagnetsynchronousmachines.Thiscontrolmethoddoesnotdependontheexactmathematicalmodelofcontrolledobject,andh