基于RBF神经网络的永磁同步电机无位置传感器控制

本文通过分析永磁同步电机Id=0控制策略及其间接位置检测原理,提出了基于径向基函数(RBF)神经网络的无位置传感器控制方法。该方法首先构建一个隐层节点数为零的四输入两输出RBF网络,网络的输入为电机α-β轴上电压和电流,输出为转子转角和转速,然后在离线训练过程中按照自适应算法不断添加和删除隐层节点,形成一个结构简单、紧凑的RBF网络,最后采用梯度下降纠正误差法在线训练更新网络参数。该方法通过对电机α-β轴上电压和电流的映射,得到了电机转子的转角和转速,取代了传统的位置传感器。实验结果表明了该控制方法的有效性。

基于奇异摄动的永磁同步电机无位置传感器控制

针对永磁同步电机伺服系统的双时间尺度特性,根据奇异摄动理论将永磁同步电机驱动系统的数学模型分解,得到快、慢两个电气子系统。基于快变电气子系统模型,采用Luen-berger观测器构建快的位置估计器。通过慢变电气子系统构建慢的速度估计器。无位置传感器永磁同步电机闭环控制系统的计算机仿真结果表明,本文提出的算法既具有较高的辨识精度又具有相对少的计算量,速度跟踪性能可以满足永磁同步电机伺服系统无位置传感器控制需要。

基于分段PI调节器的模型参考自适应永磁同步电动机全转速范围无传感器控制

针对永磁同步电动机单一无位置传感器控制方法难以满足全转速范围运行要求、且起动阶段特殊等缺点,该文提出一种基于分段PI调节器的模型参考自适应控制（model reference adaptive system,MRAS）方法。利用该方法,电机可以在全转速范围条件下得到较好的控制效果。此外,文中利用PWM驱动信号占空比与直流母线电压重构定子三相反电势,可以使电机在任意角度闭环起动并能稳定运行在低转速下。最后,以带有风机负载的1.5k W内置式永磁同步电动机为研究对象进行Matlab仿真和实验,实现了基于此方法的全转速范围控制,证明了该方法的有效性。