DTC系统中神经网络转速辨识器优化研究

基于直接转矩控制(DTC)系统中的非线性关系,提出了利用改进粒子群优化(PSO)算法优化BP神经网络来构造转速辨识器。利用惯性权重线性递减法和粒子调整机制相结合来改进PSO算法,能加快BP神经网络收敛速度并实现全局搜索。通过对3种改进BP神经网络的仿真和实验,验证了改进PSO-BP神经网络能够使系统具有更为良好的静态和动态性能。

关于感应电机转速观测和转子电阻辨识的研究

针对利用感应电机的定子电流同时实现转子电流和转速观测、转子电阻辨识 ,进行了较为深入的探讨。以Lya punov稳定判据作为设计的基础 ,利用变结构控制方法来抵消不可知部分 ,设计出一转速观测器和一转子电阻辨识器 ;指出当二者独立工作时都无差收敛 ,但组合工作时无差收敛性无法保证 ;通过理论分析表明 ,无差收敛性的破坏起源于感应电机的本质耦合 ,因而不可能构造出无差收敛的组合转速观测器和转子电阻辨识器。最后通过一感应电机的仿真说明了所做分析的正确性。

基于DSP的自适应速度辨识直接转矩控制系统研究

异步电机直接转矩控制能产生快速且良好的鲁棒性响应, 采用自适应磁链观测器, 取代传统的积分器, 构造了新型的速度估计器, 并结合模糊控制器, 实现对定子磁链准确观测和系统无速度传感器运行状态。基于DSP (TMS320LF2407A) 核心芯片建立数字化控制系统。仿真与实验表明, 该系统对电机定子磁链的观测精度高, 转速估算准确, 尤其在低速下能保持很高的性能。

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.

基于级联型逆变器的感应电机无速度传感器矢量控制

针对采用级联型逆变器的感应电机矢量控制系统,提出了基于反电动势的转速辨识方法。该方法以反电动势作为系统模型输出来构造模型参考自适应系统(MRAS)。MRAS采用参考模型和可调模型并联型结构实现转速辨识,消除了纯积分环节带来的问题。将所提方法应用于感应电机矢量控制系统并通过仿真和试验得以实现。仿真和试验结果表明,该方法易于实现,能够准确估计电机的转速。

海上风电机组偏航系统抗台风优化控制策略

鉴于台风风速的强非平稳性会导致较大的风力发电机组极端荷载,风电机组偏航系统频繁启停会影响机组安全稳定性的问题,设计了一种变结构模型参考自适应转速辨识器,用于对风电机组偏航电机的转速进行有效辨识,通过建立偏航电机无传感矢量控制系统来达到优化偏航系统抗台风控制策略的目的。所提出的控制策略在风场进行了试验验证,其结果表明,风电机组偏航电机能快速响应使风轮追踪主风向,叶片根部和塔筒底部的等效疲劳载荷至少降低了1.28%,机组的叶尖速比和风能捕获系数分别稳定在0.948和0.483附近,偏航次数降低了13.5%。