基于电动汽车驱动用无刷直流电机控制仿真

通过研究电动汽车中无刷直流电机(BLDCM)负载运行时电机的性能与负载之间的密切关系,针对BLDCM调速应用,提出了一种改进广义预测控制的算法。通过对仿真模型中的BLDCM的数学模型分析,建立BLDCM的控制系统并进行仿真研究。仿真结果表明:当采用改进广义预测算法,与以往的PID控制算法相比,BLDCM的负载稳态精度以及最大转速波动都得到明显的改善,具有响应快、控制精度高,电机负载抗干扰能力强等特点,BLDCM可满足电动汽车行驶中BLDCM运行的要求。

基于改进广义预测控制算法的无刷直流电机控制仿真

针对无刷直流电机(BLDCM)负载运行时稳态跟踪误差大、电机性能受负载不确定性影响的缺点,提出了一种基于改进广义预测控制(GPC)算法的BLDCM调速方法.基于dSPACE公司汽车仿真模型(ASM)中的BLDCM模型设计了BLDCM的控制系统并进行仿真研究.仿真结果显示:当电机从静止跟踪到设定200r/min转速时,稳态精度达到0.5r/min;当电机受到幅值为1N·m的正弦波变化的负载扰动时,转速最大波动为1.5r/min,与传统比例—积分—微分(proportion-integral-derivative,PID)控制与滑模控制算法相比,所设计控制器使转速波动减小超过3.3%.因此,改进GPC算法控制器能够有效抑制负载扰动,提高系统转速跟踪精度.

模糊多参考模型自适应控制及仿真研究

将模糊理论应用于参考模型的选择,提出一种将模糊选择和自适应控制相结合的模糊多参考模型自适应控制算法。此方法通过模糊规则选取合适的参考模型,能克服传统自适应算法中由于系统参数跳变而带来的控制困难,并且具有较好的鲁棒性能。在无刷直流电机调速系统模型中的仿真表明,此方法控制的无刷直流电机在电机参考转速和负载转矩变化的情况下仍具有良好的动态性能和控制精度。