基于Adaline神经网络参数辨识的PMSM鲁棒电流预测控制

针对复杂工况下永磁同步电机存在模型参数失配导致控制系统性能下降的问题,提出一种基于参数在线辨识的鲁棒电流预测控制方法。首先,建立永磁同步电机预测控制模型,详细分析电磁参数失配对电机响应电流及输出转矩和转速的影响。然后,设计了基于Adaline神经网络的参数在线辨识器,并在传统的权值调整算法上,提出一种应用于电机参数辨识系统的新型动态混合最小均方算法。最后,利用在线辨识的参数来实时更新电流预测控制器中的参数,以避免参数失配对控制系统性能的影响。通过仿真和实验验证了所提方法和新型算法的可行性和有效性,其结果表明了该方法不仅能够实现精准在线跟踪电机参数的变化,而且有效抑制了参数失配导致的响应电流偏差。

考虑参数失配的PMSM鲁棒无差拍预测电流控制

高性能永磁电机系统已成为硬质合金生产成型装备的关键与核心部件,电机系统参数失配将严重影响合金产品成型装备综合效率。为了优化模型参数失配和一拍延迟对永磁同步电机(PMSM)电流控制性能的影响,提出一种具有参数在线矫正的鲁棒无差拍预测电流控制(POC-DPCC)方法。首先,对常规无差拍预测电流控制的参数敏感性进行分析;然后,设计基于Adaline神经网络的多参数误差在线辨识器,并提出一种以参数失配误差为神经网络权值的新型辨识结构来提升参数变化跟踪性能;最后,提出POC-DPCC方法,通过更新控制电压系数矩阵来提高系统对电机参数的鲁棒性,以下一时刻电流预测值代替当前时刻采样电流来补偿一拍延迟的影响。对比仿真和实验结果,可以验证所提方法在复杂工况下的有效性和鲁棒性。

基于改进滑模极值搜索算法的货运列车黏着控制研究

针对传统的滑模极值搜索控制算法(SMESC)在货运列车最佳黏着工作点追踪过程中存在稳态振荡、收敛速度慢的问题,提出了参数时变的改进滑模极值搜索控制算法。为削弱稳态振荡和加快SMESC收敛速度,分析了SMESC中增益参数与稳态振幅间的数学关系,以及辅助函数斜率与收敛性的联系,并对其进行优化:设计了时变辅助函数斜率以改善SMESC的收敛速度,设计了以观测误差为基准的动态增益参数以削减稳态振荡,并进行了收敛性分析。针对行车阻力无法直接测量的问题,引入了基于粒子群算法(PSO)的阻力参数估计,最后设计了基于SMESC的黏着控制律,通过与传统滑模极值搜索进行对比,证实了所提方法的有效性和实用性。

基于快速趋近律的永磁同步电机驱动系统改进无模型滑模控制

针对永磁同步电机驱动控制系统应用传统无模型滑模方法时性能指标达不到预期的问题,提出了一种基于快速趋近律的改进无模型滑模控制方法。首先,根据永磁同步电机参数摄动时的数学模型,建立速度外环的超局部模型;其次,设计一种基于改进快速趋近律的速度外环新型无模型滑模控制器,同时为了提高电机转速的控制精度,采用扩展滑模观测器实时观测超局部模型中的未知部分;最后,通过与PI控制、传统无模型滑模算法进行仿真和试验对比,验证所提算法能降低对电机模型的依赖,提高了永磁同步电机的暂稳态控制性能,保证系统的抗扰能力和强鲁棒性。