直接转矩控制系统中智能算法的应用研究

论文摘要

本文系统地介绍了直接转矩控制的现状及发展情况,并对直接转矩控制的基本理论进行了介绍,提出了智能算法在直接转矩控制系统中的应用,通过MATLAB/Simulink仿真实验验证了其有效性。 为了实现智能算法与直接转矩控制的合理结合,本文在分析了小波网络、遗传算法、BP算法等智能算法的优缺点的基础上,提出了混合智能算法并应用于直接转矩控制系统当中。 为了实现高性能的异步电动机控制系统,必须准确知道电机的转速。然而速度传感器的使用不仅降低了系统的可靠性,而且增加了系统的硬件成本。因此,本文从异步电动机的模型出发,构造了小波网络电机转速辨识模型,并利用混合学习算法对其进行学习、训练,混合学习算法实现了遗传算法与BP算法的优势互补,明显的提高了网络的收敛速度。从仿真结果来看,使用小波网络速度辨识器的直接转矩控制系统具有良好的动、静态特性,表明小波网络速度辨识器可以完全取代直接转矩控制系统中的速度传感器,实现了无速度传感器直接转矩控制系统。 同时,为了提高系统的控制性能,简化控制算法,本文构造了小波网络开关状态控制器,由于网络的并行运算能力,减少了控制器的延时时间,从而提高了直接转矩控制系统的控制性能。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 电动机调速技术的发展现状
• 1.1.1 直接转矩控制系统现状及发展方向
• 1.1.2 无速度传感器技术的发展
• 1.2 智能控制综述
• 1.3 本文主要工作内容
• 2 直接转矩控制系统的数学模型
• 2.1 电压空间矢量的概念
• 2.2 异步电动机的数学模型
• 2.3 逆变器的数学模型
• 2.4 定子磁链观测器
• 2.4.1 定子磁链的u-i模型
• 2.4.2 定子磁链的i-n模型
• 2.4.3 u-n定子磁链观测模型
• 2.5 直接转矩控制系统的建模与仿真
• 2.5.1 仿真模型的建立
• 2.5.2 仿真结果及分析
• 3 混合智能优化算法
• 3.1 小波网络理论
• 3.1.1 小波网络理论基础
• 3.1.2 小波神经网络的构造
• 3.1.3 小波网络的学习算法
• 3.1.4 仿真研究
• 3.2 遗传算法
• 3.2.1 遗传算法的构成
• 3.2.2 遗传算法的运行参数
• 3.2.3 遗传算法的分析及改进
• 3.3 混合智能算法
• 3.3.1 BP算法分析
• 3.3.2 遗传BP混合学习算法
• 3.3.3 遗传BP混合算法对小波网络的优化
• 3.4 本章小结
• 4 直接转矩智能控制系统的设计
• 4.1 小波网络电机转速辨识的研究
• 4.1.1 小波网络电机转速辨识理论基础
• 4.1.2 小波网络转速辨识的设计
• 4.1.3 仿真结果
• 4.2 小波网络模拟开关状态选择器
• 4.2.1 开关状态选择理论
• 4.2.2 仿真结果
• 4.3 智能控制系统的实现
• 4.3.1 系统硬件设计
• 4.3.2 系统软件设计
• 4.4 本章小结
• 5 结论
• 参考文献
• 在学研究成果
• 致谢