多段初级永磁直线同步电动机系统建模及制动仿真

建立了单段初级永磁直线同步电机变参数、非线性动态模型.在此基础上,以次级位置为参变量,建立多段初级式永磁直线同步电机系统动态模型,并用该模型对一具有4段初级的无绳提升系统能耗制动过程进行了仿真、分析.结果表明:所建模型能很好地反映系统的动态过程,能耗制动可将提升机的下放速度限制在0.25 m/s内,具有较好的断电保护作用.将间接场路结合法用于分析多段初级式永磁直线同步电机是一种行之有效的新思路.

基于DSP的永磁直线同步电动机初级故障检测装置

为了消除由于永磁直线同步电动机结构和电源电压不对称对瞬时功率造成的影响,采用了TMS320F243型DSP作为永磁直线同步电动机初级故障检测装置,并采用了瞬时功率补偿的方法。对已补偿的瞬时功率纹波进行辨识,用以表征初级绕组中的短路和断路故障信息,完成了对信号的转换、滤波和变换。实验和仿真表明,该装置对初级故障的检测具有较好效果。

永磁直线同步电动机初级绕组的磁势分析

采用绕组函数理论与电流对称分量法结合的方法对具有端部半填槽的永磁直线同步电动机(PMLSM)初级绕组的磁势进行分析。PMLSM的电枢铁芯、初级绕组、永磁体结构断开所造成的边端效应、端部半填槽等问题的存在,导致PMLSM初级绕组边端磁势发生畸变。对PMLSM初级绕组磁势进行深入的研究,有助于PMLSM稳态特性和暂态特性的分析。

基于DSP的永磁直线同步电动机初级故障检测装置

采用瞬时功率补偿的方法消除由于永磁直线同步电动机结构和电源电压不对称对瞬时功率的影响 ,并对补偿后的瞬时功率纹波进行辨识。故障检测装置利用瞬时功率纹波表征初级绕组中的短路和断路故障信息 ,采用DSP完成故障检测信号的转换、滤波和变换功能 ,得到满意的仿真效果。

永磁直线同步电动机的自适应学习控制

由于没有传动机构,使永磁直线交流同步电机(PMLSM)控制器设计较为复杂。PMLSM对模型不确定性和外扰更加敏感;推力波动等非线性因素对运动精度影响很大。针对上述问题,用自适应学习方法改善PMLSM的轨迹跟踪性能,并对迭代模式和单次运行模式下算法的收敛性进行了证明,通过实验进行了算法验证。该控制方法基于迭代学习,控制器分为两个部分,通过执行重复任务自适应学习项补偿系统的非线性;另一项用于增强系统的鲁棒性,保证系统在单次运动模式下稳定。实验结果表明,这种控制方法可以有效提高PMLSM轨迹跟踪精度。

不连续定子永磁直线同步电动机运行过程分析

从不连续定子永磁直线同步电动机的结构特点和工作原理出发 ,建立起电机的仿真模型 .对一台样机运行过程进行仿真、分析 ,探讨动子运动过程中电机电磁推力的变化规律 ,寻求改善电磁推力稳定性的方法 .研究结果表明 :若相邻定子绕组间的距离为磁场基波波长的整数倍 ,动子有效长度为相邻定子中心轴线间距的整数倍 ,且各段定子对应电流大小相等、相位相同时 ,推力较稳定 ;若不满足相邻定子绕组间的距离为磁场基波波长的整数倍时 。

永磁直线同步电动机垂直运输系统的研究现状

介绍了永磁直线同步电动机垂直运输系统的原理及其在国内外的最新研究现状 。

高推力永磁直线同步电动机控制中的电流补偿

为满足高推力永磁直线同步电动机的速度伺服要求,选择IP速度控制器,借助在线辨识的方法对直线电机的动子质量、粘滞摩擦因数和推力波动进行辨识,并分别利用在线和离线补偿的方式,对推力扰动进行电流补偿.仿真结果表明,离线补偿使系统的速度波动降低,在线补偿使系统具有很强的鲁棒伺服性.

基于神经网络的永磁直线同步电动机推力波动补偿的仿真研究

通过分析永磁直线同步电动机推力波动机理(PMLSM),指出引起PMLSM的推力波动的主要原因,并提出了在系统控制指令中叠加补偿指令的推力波动抑制方法。本文运用BP神经网络,建立了波动力估计模型,实现了波动推力补偿指令的计算。仿真结果表明该方案能有效地抑制PMLSM推力波动对系统的影响,具有很强的鲁棒性。

垂直运动永磁直线同步电动机运行特性分析

分析了频率变化对永磁直线同步电动机运行特性的影响,定义并重点讨论了垂直运动永磁直线同步电动机的动力制动特性、能耗制动特性及加速度特性,分析和讨论建立在永磁直线同步电动机线性理论基础上,得出的结论对永磁直线同步电动机的设计及垂直运动运行特性控制策略有指导意义。

永磁直线同步电动机功角控制策略的研究

针对垂直运动永磁直线同步电动机的特点,通过力角特性及稳定性分析,得出了功角控制策略.该控制策略将直线电机的稳定控制引入到最大推力控制中,通过控制电机的电磁力角,实现直线电机的速度控制.试验表明,该策略响应速度快、超调量小,有效地提高了永磁直线电动机垂直运输系统运行的稳定性、可靠性和电机的运行效率.

分段式永磁直线同步电动机动子位置(功角)和速度的测量

提出了一种连续的分段式永磁直线同步电动机位置(功角)和速度的检测方法。通过在各段电动机的边端槽中附加传感线圈检测动子在运行过程所感应的空载电动势,从中解出动子的位置(功角)和速度。侧重叙述了位置(功角)和速度的测量原理,电枢电流在测量绕组中产生的互感电动势的消除方法,以及试验结果分析。

一种改进型ADRC实现的机床进给用永磁直线同步电动机调速系统

针对永磁直线同步电动机(PMLSM)这一具有未知强非线性、变量耦合性,存在未建模动态和不确定外扰等特点的对象,提出了一种改进型一阶自抗扰控制器(ADRC)并给出其离散形式,它克服了常规自抗扰控制器非线性状态误差反馈控制律中非线性函数的不平滑性,同时利用其扩张状态观测器观测系统内部扰动和外部扰动,并进行补偿,实现了PMLSM调速系统的实时动态线性化。仿真对比分析和实验研究表明,这种改进型ARDC实现的PMLSM调速系统具有很好的动态、静态特性及鲁棒性。

基于内模控制的永磁直线同步电动机速度控制

基于内模控制原理,在建立永磁直线同步电动机(PMLSM)非参数模型基础上,设计了PMLSM内模控制器。通过理论分析和仿真确定了决定内模控制器性能的参数取值范围,并进行了实验验证。结果表明,PMLSM内模控制系统跟踪调节性能好、鲁棒性强,能消除不可测干扰的影响。

永磁直线同步电动机直接推力控制系统研究

分析了永磁同步电动机直接转矩控制原理,在此基础上建立永磁直线同步电动机的直接推力控制系统的数学模型,对系统的推力控制和磁链控制进行了理论研究.根据电磁推力及初级绕组磁链的实际值与各自参考值之差,选择合适的电压矢量,实现直线电机直接推力控制.针对整个控制系统中的一些关键环节的实现方法进行了详细介绍,从理论上对直线电机直接推力控制系统的可行性进行了研究.用MATLAB/SIMULINK对整个直接推力控制系统进行仿真,验证所设计的控制系统的正确可行.

滑模反推式永磁直线同步电动机的速度跟踪控制

由于负载扰动和电动机内部参数变化会降低系统的伺服性能,因此为了消除这些不确定因素的影响,保持系统的跟踪性能,提出了一种将变结构控制和反推控制相结合的速度跟踪控制策略.反推法可以保证系统的全局一致渐近稳定,但对变化较快和较大的不确定扰动抑制不够理想;变结构控制具有快速响应及对不确定因素的不变性等优点,采用反推和变结构相结合的控制方法能够实现快速的速度渐近跟踪,同时系统控制器能够保证系统在电动机参数和外界负载变化时具有较强的鲁棒性.应用Matlab仿真验证了系统设计的有效性和可行性.

永磁直线同步电动机等效电路参数计算

电机的等效电路是分析和计算电机的电气性能及稳态运行特性的重要工具 ,但传统概念的等效电路不能用于凸极同步电动机 ,迄今还没有很好的方法解决这一问题。该文采用一均匀线性区代替实际的磁极区的方法 ,利用永磁直线同步电动机线性统一分析模型和各区磁密表达式 ,推导出了永磁直流凸极同步电动机各等效电路参数。用这种方法建立的等效电路、向量图和隐极机有着完全相同的形式。这种新的分析方法不但避开了传统的交、直轴的概念 ,给分析和计算永磁直线凸极同步电动机各种性能带来了极大方便 ,而且凸极电动机和隐极电动机的分析和计算方法完全统一。

基于神经网络永磁直线同步电动机提升系统动态模型建立与仿真

永磁直线同步电动机(PMLSM)提升系统,在结构上、控制机理上均与传统的提升模式不同。电机存在着铁心开断、三相绕组分布不对称以及运行过程中参数变化较大等因素。采用理想的解析模型难以准确地反映该系统的运动特性。本文运用BP神经网络,建立了该系统的动态模型。侧重介绍了网络的学习算法,模型的构建、训练样本的获取、训练系数的选取等方法。仿真和实验结果表明,该模型比用解析法建立的数学模型更能逼真地反映出PMLSM提升系统的基本运动特性。对该系统的运行特性分析及控制策略的研究都具有实际的应用价值。

基于扰动观测器和重复控制器的永磁直线同步电动机鲁棒控制

针对高精度直接驱动的永磁直线同步电动机伺服系统,研究其负载扰动、系统参数变化及端部效应等不确定性因素对系统伺服性能的影响,提出一种将扰动观测器(disturbance observer,DOB)和重复控制器(repetitive controller,RC)相结合的的鲁棒控制策略。基于DOB的鲁棒反馈控制器补偿了外部扰动、负载扰动、未建模动态、系统参数变化及不确定性等,保证了系统的速度鲁棒性能,但是DOB无法彻底抑制端部效应这种周期性扰动对速度品质的影响,为此,采用根据内模原理设计专门抑制周期性扰动作用的RC来消除端部效应对系统的不良影响。理论分析和仿真实验结果表明所提出的控制方案是有效的,采用该方案可明显提高系统的鲁棒性能。

动态驱动神经网络辨识永磁直线同步电动机模型

永磁直线同步电动机(PMLSM)模型的建立对研究其稳态特性、动态特性和控制策略都是非常重要的．本文利用动态驱动神经网络对其进行建模,并在代价函数一致的基础上加入残差分析法来辨识模型的阶次,使得神经网络具有自动识别阶次的能力．为了克服神经网络结构依靠人工试凑的不足,使用基于Hession矩阵的修剪法来优化其结构．考虑到改进BP算法(学习速率自适应、动量项的方法)的一些固有缺点,使用NDEKF(基于节点的解耦扩展Kalman滤波器算法)来训练网络．实验证明,混合网络能够准确辨识出试验样机的阶次并且输出结果与实际结果十分接近;同时将NDEKF与改进BP算法进行对比,NDEKF算法具有收敛较快、泛化能力强等特点．