基于分段解析建模的开关磁阻电机在线转矩估算方法

针对目前开关磁阻电机采用单一解析模型进行在线转矩估算存在模型复杂、精度低的问题,提出一种基于分段解析建模的开关磁阻电机在线转矩估算方法。根据开关磁阻电机在一个电周期内磁链特性曲线的对称性及其定转子极弧的结构特点,提出将其半个电周期划分为5个区间,分别建立了每个区间的磁链与转矩简化解析模型,并通过有限元分析及构建基于DSP28335的实验系统分别对上述模型的估算精度与运算时间进行了验证,同时与传统单一解析模型进行了对比分析,结果表明,所提出的分段解析模型相较于传统单一解析模型,不仅有效提高了转矩估算精度,而且显著减少了运算时间,因而有助于提高开关磁阻电机调速系统的控制精度与动态性能,具有较好的应用价值。

基于模型融合方法的IPMSM转矩预测

在机器人等高端电机控制系统中,由于内嵌式永磁同步电机(IPMSM)运行时,受电机参数辨识困难、谐波干扰等因素影响,电机电磁转矩具有强非线性,很难通过传统数学模型来精确计算,而增加转矩传感器会提高系统成本。为了实现无转矩传感器转矩高精度预测,提出了一种基于模型融合方法的IPMSM转矩预测模型,以简单的线性转矩数学模型融合数据驱动的神经网络算法,可有效减少神经网络模型复杂度,同时提高转矩估算精度。用BP和RBF两种常见网络进行建模仿真和实验验证,证明了该模型可实现转矩实时在线预测,且具有良好的动态稳定性能。