基于蚁群算法优化的小波模糊神经网络DTC系统参数的在线观测

论文摘要

直接转矩控制系统自提出以来,已经有了长足的发展。该控制技术以其独特的思想,简单的结构及优良的特性受到国内外学者的广泛关注。它以定子坐标系定向,借助于两点式调节产生PWM信号,直接对逆变器的开关状态进行最佳控制,因而电机的参数对系统的影响小,同时计算量与矢量控制相比要小得多。本课题主要研究了定子电阻和速度的智能控制算法之一——蚁群算法,并进行了性能分析;同时设计了基于DSP的蚁群小波模糊神经网络无速度传感器直接转矩控制系统的硬件电路与软件流图。 在高速区,由于定子电阻参数变化引起的误差可以忽略,定子磁链可以保持良好的轨迹;但在低速范围内,磁链特性受定子电阻影响很大,定子电阻引起的误差不可以忽略。如何提高定子电阻的观测精度是改善无速度传感器直接转矩控制系统低速特性的关键。 定子电阻受很多种因素影响,诸如:电机运行时间,电流,频率和散热条件等等,因此通过传统方法宋寻求定子电阻与影响因素之间的关系将困难重重。于是本课题把蚁群算法嵌入定子电阻的观测器中,将定子电阻的多种影响因素综合为温度及温度变化率,采用小波神经构造定子电阻观测器。 本文设计的小波模糊神经网络速度估计器为人工智能技术在无速度传感器的应用于实践提供了一条崭新的思路。在仿真试验中使用MATLAB语言来完成,并对定子电阻观测器和速度估计器进行了仿真说明和分析。仿真结果表明定子电阻观测器极大地改善了系统的低速性能,速度估计器具有快速的动态跟踪效果和良好的稳态特性。无速度传感器直接转矩控制系统应用前景广阔,低速特性的改善将更有利于其推广和应用。

论文目录

• 摘要
• Abstract
• 1. 绪论
• 1.1 概述
• 1.2 课题意义
• 1.3 课题的设计目标及技术指标
• 1.4 实施方案
• 2. 自适应蚁群算法对定子电阻观测器与速度估计器的优化
• 2.1 蚁群算法概述
• 2.2 基本蚁群算法
• 2.2.1 基本蚁群算法的原理
• 2.2.2 基本蚁群算法的基本步骤及流程
• 2.3 自适应蚁群算法
• 2.3.1 基于多维空间优化的自适应蚁群算法
• 2.3.2 基于空间网格法的自适应蚁群算法
• 2.4 小波神经网络定子电阻观测器
• 2.4.1 小波神经网络结构
• 2.4.2 小波神经网络定子电阻观测器
• 2.4.3 基于空间网格理论的自适应蚁群算法对小波神经定子电阻观测器优化
• 2.4.4 基于蚁群算法优化的定子电阻观测器仿真试验
• 2.4.5 结论
• 2.5 小波模糊神经网络速度估计器
• 2.5.1 小波模糊神经网络
• 2.5.2 小波模糊神经网络速度估计器的设计
• 2.5.3 蚁群算法对小波模糊神经网络速度估计器的优化
• 2.5.4 基于蚁群算法优化的速度估计器仿真试验
• 2.5.5 结论
• 3. 定子电阻观测器与速度估计器在直接转矩控制系统中的应用
• 3.1 直接转矩控制系统
• 3.1.1 直接转矩控制的基本思路
• 3.1.2 直接转矩控制系统的基本组成
• 3.1.3 直接转矩控制系统的性能分析
• 3.1.3.1 磁通控制控制性能分析
• 3.1.3.2 转矩控制性能分析
• 3.2 MALAB仿真基础与直接转矩系统仿真
• 3.2.1 MALAB SIMULINK简介
• 3.2.2 磁链仿真模型的建立
• 3.2.3 转矩控制器与磁链控制器
• 3.2.4 电压矢量表的选择
• 3.2.5 转矩观测模型和开关状态选择单元
• 3.2.6 转矩、速度调节器的仿真模型
• 3.2.7 逆变器的仿真模型
• 3.2.8 无速度传感器直接转矩控制系统仿真进一步的研究
• 4. 基于 DSP的无速度传感器直接转矩控制系统软硬件设计
• 4.1 系统硬件设计
• 4.1.1 主电路的设计
• 4.1.2 控制电路的设计
• 4.1.2.1 数字信号处理器D S P
• 4.1.2.2 触发和故障处理电路
• 4.1.2.3 采样转换电路
• 4.2 系统软件设计
• 4.2.1 主机程序
• 4.2.2 DSP程序设计
• 4.3 应用程序界面设计
• 5. 结论
• 参考文献
• 在学研究成果
• 致谢