开关磁阻电机非线性建模方法及智能控制策略研究

论文摘要

由于开关磁阻电机(SRM)自身的结构及运行特点,导致这种新型电机具有较强的非线性特性,其性能和控制方式与传统电机有明显不同。因此,开关磁阻电机的精确建模方法和高性能控制策略得到了广泛的研究。本文设计了以DSP TMS320F2812为核心的开关磁阻电机磁链特性检测系统。利用DSP实时采集定子绕组通电过程中的电压电流信号,将采集的数据通过串口通信传给上位机进行数据处理,从而得到样机的磁链特性、电感特性和转矩特性,为电机的建模仿真奠定了基础。基于实测的磁链特性数据建立了开关磁阻电机的小波神经网络模型,仿真结果与实验数据的比较验证了模型的有效性。在该模型基础上提出了一种新型的开关磁阻电机驱动系统整体仿真方法,并进行了不同控制方式下的仿真研究,为开关磁阻电机驱动系统的整体仿真提供了新的思路。针对Torrey磁链模型拟合精度高但参数辨识困难的问题,提出一种改进的混合遗传算法用以辨识开关磁阻电机的模型参数。通过与基本遗传算法的优化结果比较,证明本文方法对于该问题具有更好的寻优能力。最后对电机在不同工况下的仿真和实验结果进行了比较,表明本文方法优化的电机模型在不同运行工况下均能准确有效地预测电机性能,从而使Torrey模型的实用价值得到大大提高。为建立适于电机优化设计的开关磁阻电机非线性模型,提出一种基于结构参数的电机建模方法,省去了获取磁链特性的繁琐工作,仅需电机的结构参数和铁心材料的磁化数据即可建立电机模型,建模速度快且精度较高。建模无需引入经验公式,具有较高的可靠性。仿真与实验结果表明,本文方法仅需较少的已知条件即可获得较高的模型精度,对于实现高效的开关磁阻电机优化设计具有重要意义,同时也为电机的性能分析和高性能控制提供了有力工具。针对开关磁阻电机的强非线性导致控制困难的问题,提出一种基于神经网络的开关磁阻电机自适应PID控制,采用BP神经网络实时优化PID控制器参数,并利用小波神经网络建立系统的在线辨识器,为控制器提供难以直接得到的系统信息。仿真结果表明,与常规PID控制方法相比,本文方法可以实现对给定转速的快速、稳定跟踪,并能适应系统参数的变化,具有良好的适应性和鲁棒性。本文以TMS320F2812数字信号处理器为控制核心设计开发了开关磁阻电机调速系统,进行了相关实验,给出了实验结果及分析。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景及意义
• 1.2 开关磁阻电机驱动系统
• 1.2.1 开关磁阻电机驱动系统的基本构成
• 1.2.2 开关磁阻电机的控制方式
• 1.2.3 开关磁阻电机驱动系统的特点
• 1.3 开关磁阻电机的发展概况及研究方向
• 1.3.1 开关磁阻电机的发展概况
• 1.3.2 开关磁阻电机的应用现状和前景
• 1.3.3 开关磁阻电机的研究方向
• 1.4 开关磁阻电机建模方法
• 1.4.1 线性和准线性建模方法
• 1.4.2 非线性建模方法
• 1.4.3 考虑相间耦合的建模方法
• 1.4.4 总结与展望
• 1.5 开关磁阻电机控制策略的发展
• 1.6 本文研究的主要内容
• 第二章 基于DSP 的开关磁阻电机磁链特性检测
• 2.1 开关磁阻电机的磁链特性检测方法
• 2.2 基于DSP 的开关磁阻电机磁链特性检测
• 2.2.1 测量原理
• 2.2.2 测量系统设计
• 2.2.3 测量步骤
• 2.3 实验结果及分析
• 2.4 电感特性和转矩特性的计算
• 2.4.1 电感特性
• 2.4.2 转矩特性
• 2.5 本章小结
• 第三章 开关磁阻电机的小波神经网络模型
• 3.1 小波神经网络的设计
• 3.1.1 网络结构
• 3.1.2 网络参数初始化
• 3.1.3 训练算法
• 3.2 开关磁阻电机的小波神经网络网络模型
• 3.3 开关磁阻电机驱动系统动态仿真
• 3.3.1 开关磁阻电机驱动系统动态仿真模型
• 3.3.2 仿真结果及分析
• 3.4 本章小结
• 第四章 基于混合遗传算法的开关磁阻电机模型参数辨识
• 4.1 Torrey 磁链模型
• 4.2 混合遗传算法
• 4.2.1 模拟退火遗传算法
• 4.2.2 约束条件的处理方法
• 4.3 基于混合遗传算法的模型参数辨识
• 4.3.1 模型参数辨识原理
• 4.3.2 混合策略的操作与参数设计
• 4.3.3 混合遗传算法流程
• 4.4 仿真与实验
• 4.4.1 磁链特性的非线性仿真
• 4.4.2 开关磁阻电机的仿真与实验研究
• 4.5 本章小结
• 第五章 基于结构参数的开关磁阻电机建模方法
• 5.1 基于结构参数的建模方法的提出
• 5.1.1 非线性磁链法
• 5.1.2 Miller 仿真法
• 5.1.3 建模方法的基本思想
• 5.2 基于结构参数的开关磁阻电机建模方法
• 5.2.1 参数变量的曲线拟合
• 5.2.2 已知条件的求解
• 5.2.3 电磁转矩的求解
• 5.3 仿真与实验
• 5.4 本章小结
• 第六章 基于神经网络的开关磁阻电机自适应PID 控制
• 6.1 小波神经网络在线辨识技术
• 6.2 自适应学习率BP 算法
• 6.3 基于神经网络的开关磁阻电机自适应PID 控制
• 6.3.1 控制系统结构
• 6.3.2 神经网络自适应PID 控制器
• 6.3.3 控制算法
• 6.4 仿真结果及分析
• 6.5 本章小结
• 第七章 基于DSP 的开关磁阻电机实验系统
• 7.1 控制系统总体结构
• 7.2 控制系统硬件设计
• 7.2.1 电源电路设计
• 7.2.2 驱动电路设计
• 7.2.3 功率变换器
• 7.2.4 信号检测
• 7.3 实验结果及分析
• 7.4 本章小结
• 第八章 总结
• 参考文献
• 发表论文和参加科研情况说明
• 致谢