基于磁链观测器的无速度传感器DTC系统的实现

针对在传统的直接转矩控制系统中,定子磁链受定子电阻及积分计算的影响使参数辨识不准确这一点,将一种新型磁链观测器应用于直接转矩控制系统中,取代传统的纯积分器,并进行对比仿真.得知该磁链观测器对定子磁链的观测精度较高,对于电机参数的鲁棒性较好,在电机低速运行时仍能实现对定子磁链准确的观测.在此基础上,提出了一种神经网络辨识电机转速的新方案.该神经网络结构简单,不受电动机负载、参数等影响,通过简单快速的运算,便可得到正确的辨识结果.

基于神经网络的无速度传感器直接转矩控制系统的研究

针对传统的直接转矩控制系统 ,定子磁链受定子电阻及积分计算的影响 ,辨识不准确及使用速度传感器的不足 ,通过采用新型磁链观测器 ,获得全速范围内准确的定、转子磁链 ,并以此为基础 ,采用神经网络辨识电动机转速 。

基于EKF PMSM定子磁链和转速观测直接转矩控制

针对传统直接转矩控制中存在电流、磁链和转矩脉动较大、及速度传感器的使用降低了系统可靠性、增加了系统成本等问题,提出基于扩展卡尔曼滤波器同时进行定子磁链和转速观测,实现了表面式永磁同步电动机无传感器直接转矩控制。该方法保持了直接转矩控制固有的转矩响应快和系统鲁棒性强的优点,降低了磁链和转矩脉动,并对电动机参数变化、负载扰动具有较强的鲁棒性,有效地改善了系统的动、静态运行性能,实验验证了该方法的可行性和有效性。

MRAS感应电机定子电阻的在线辨识

针对感应电机定子电阻值受外界因素干扰而影响其矢量控制系统稳定性和控制精确度问题,提出了基于人工神经网络的定子电阻在线辨识方法。为了辨识定子电阻,将人工神经网络模型的定子电流估算值与实际测量电流值的误差反馈以调整神经网络的权值。借助MATLAB/SIMULINK搭建仿真系统,验证了定子电阻在线辨识的必要性。结果表明,该方法可以有效地对定子电阻进行在线辨识。

基于Petri模糊神经网络磁通观测器的感应电动机无速度传感器控制

利用Petri模糊神经网络构造电流观测器,基于电流观测值构造感应电动机的转子磁通观测器,根据磁通观测值进行电动机转子速度的计算.基于一种新颖的感应电动机解耦模型,设计了感应电动机的滑模反推控制器,并给出了Petri模糊神经网络的收敛性证明.通过MATLAB仿真验证了系统设计的有效性.

基于DSP的无速度传感器直接转矩控制系统

针对传统的直接转矩控制系统,定子磁链受定子电阻及积分计算的影响,辨识不准确及使用速度传感器的不足,通过采用新型磁链观测器,获得全速范围内准确的定转子磁链,并以此为基础,利用转子磁链误差辨识电机转速。通过实验证明系统有较好的性能。

小波变换和改进谐波法的感应电动机转速辨识

针对感应电动机无速度传感器开环、闭环控制依赖数学模型的问题,建立了由自适应神经网络与小波变换构成的数字低通滤波器,并给出定子磁场定向改进转子槽谐波辨识转速的方法.利用小波变换辨识定子磁链,数字低通滤波器消除谐波信号、白噪声、频率变化等干扰因素的影响,保证准确提取转子槽谐波电压.仿真实验结果表明,该算法具有较强的鲁棒性,可在强噪声下进行信号检测,有效提高转速的辨识精度,使转速可以在很宽的范围内进行调整,并可改善其动态性能和低速性能.

基于神经网络的感应电机无速度传感器直接转矩控制系统的研究

根据模型参考自适应和直接转矩控制理论,针对常规速度辨识器中的基准模型易受积分初值和漂移问题的影响,造成辨识结果不准确的问题,设计了一种新型的基准和可调模型。并且以此为基础,采用基于神经网络的模型参考自适应辨识电机转速。M ATLAB仿真结果表明,系统具有较好的性能。

基于智能算法的无速度传感器直接转矩控制系统的设计

为了改善定子电阻对定子磁链的影响以及电机的低速性能,提出一种利用模糊神经网络来构造定子磁链观测器的方法.传统的交流调速系统都带有速度传感器,难以维护.针对这一问题,提出一种利用递归神经网络构造电机转速辨识器的方法,并且利用遗传算法对转速辨识器进行优化.通过Matlab仿真实验,表明递归神经网络速度辨识器具有快速的跟踪效果和良好的辨识精度,并且基于模糊神经网络的磁链观测器有效地改善了直接转矩控制系统的低速性能.