基于BP双层神经网络MRAS下PMSM的转速辨识研究

针对无速度传感器下传统模型参考自适应(MRAS)方法在低速区转速负载发生突变后速度估计准确度下降的问题,利用双层神经网络超强的在线估计以及自适应能力,提出一种基于误差反向传播(BP)双层人工神经网络(ANN)与MRAS相结合的转速辨识方法,实现了对低速范围下转速响应动态性能的改善。通过Matlab仿真以及PMSM驱动控制实物平台,对ANN-MRAS观测器与传统MRAS观测器进行对比分析,结果表明:在转速及负载转矩发生突变后,该方法仍能保持较好动态性能,具有较强的鲁棒性。

永磁同步电机无位置传感器复合控制策略

单一的永磁同步电机无位置传感器控制策略在零、低速或是中、高速存在诸如依赖电机参数、谐波分量不可抑制等问题,针对表贴式永磁同步电机本身并不具备凸极性的特点,提出一种适用于全转速范围的表贴式永磁同步电机无位置传感器复合控制策略。复合控制策略通过加权函数将高频脉振注入法和模型参考自适应法两者结合,并在过渡区间伊始引入误差补偿,从而实现两种算法在过渡区间的平滑切换。经Matlab/Simulink验证,该复合控制策略能够使永磁同步电机在全速度范围内平稳运行,并具有可靠性和良好的动态响应。

基于q轴电流的模糊MRAS观测器PMSM无速度传感器控制

针对永磁同步电机的模型参考自适应系统(MRAS)无速度传感器技术对电机参数变化敏感、转速及负载突变后转速及位置估计值不精确等缺点,提出一种基于q轴电流分量的模糊PI模型参考自适应观测方法。在传统的MRAS观测器方法基础上,通过实时检测q轴电流分量,结合模糊算法实时调整MRAS中的PI参数,形成模糊MRAS观测器,以修正由转速、负载及电机参数发生改变带来的速度及位置检测误差。同时,针对观测器内部电机参数敏感的特点,通过对电机d轴注入阶梯电压信号,从而得到稳态d轴电流,并利用欧姆定律对电机定子电阻进行预辨识,使模糊MRAS观测器得到的转速及位置估计值更准确。最后,以400 W表贴式永磁同步电机为实验研究对象进行了仿真以及实验分析,验证了该方法的有效性。