基于BP神经网络的开关磁阻电机直接转矩控制系统及实现

直接转矩控制可有效抑制开关磁阻电机(SRM)转矩脉动。由于开关磁阻电机双凸结构和磁路的严重饱和,造成其转矩是关于电流和转子位置的严重非线性函数,转矩计算非常困难。针对这一问题,本文提出一种采用基于BP神经网络建立开关磁阻电机转矩模型的方法。利用有限元仿真得到的转矩样本对BP神经网络经行进行离线训练,完成电流、位置角度到转矩的非线性映射,构造出基于BP神经网络的转矩观测器。再将构造好的转矩观测器应用于电机直接转矩控制系统中,对电机的转矩经行进行实时在线估算。最后,将估算转矩经行反馈,完成电机的直接转矩控制。该控制方法利用了BP神经网络泛化、逼近能力强的优点,同时控制过程简单,无需在线训练。实验结果表明,所提方法转矩计算速度快、计算精度高,可以满足实时控制的要求,有效地减小了电机的转矩脉动。

开关磁阻电机无差拍预测控制策略

在开关磁阻电机SRM(switched reluctance motor)传统控制策略中,电流斩波控制CCC(chopped currentcontrol)由于斩波频率不固定,不利于主电路滤波器的设计和电磁噪声的消除,且运行过程中容易产生较大的转矩波动,限制了SRM的应用范围。为此,提出了一种新型无差拍电流预测控制算法,建立了SRM的基本数学模型,利用无差拍理论推导出下一时刻给定电压值,并经算法优化和参数修正,提高了电机运行过程中电流控制的准确度。仿真和实验结果验证了无差拍电流预测控制在开关磁阻电机中的可行性,与传统CCC方法相比,该方法能有效减小SRM的转矩波动,改善系统的稳态性能。