基于非线性智能观测器的永磁直线电机控制方法研究

论文摘要

永磁直线同步电机（PMLSM）具有高速、高精度、高效率等许多优点,所以在数控机床、交通运输系统以及办公自动化领域得到了广泛应用。然而,由于位置传感器的存在,使系统成本增加、运行可靠性下降、使用范围受限以及系统尺寸增加等。本文将智能控制与非线性系统状态观测理论紧密结合,对智能观测器的设计以及基于状态观测的永磁直线同步电机控制方法进行了研究。首先,总结了非线性系统状态观测器和基于状态观测器的电机控制方法研究现状。然后介绍了永磁直线同步电机的基本结构和工作原理,并在分析PMLSM的坐标系及坐标变换原则的基础上,得到PMLSM在d-q坐标系和α-β坐标系下的数学模型。同时建立了永磁直线同步电机矢量控制系统,并在此基础上进行了仿真研究。其次,通过对神经网络模型进行分析,介绍了神经网络MatLab的程序实现方法。接着介绍了具有典型代表的BP神经网络及其学习算法,并用BP神经网络来逼近一阶系统证明了它在一定的初始条件下,具有逼近非线性系统状态轨迹的能力。此外,还介绍了反馈神经网络Elman及其学习算法。最后,提出了一种基于Elman神经网络的永磁直线同步电机无位置传感器控制方法。该方法构造了一个有记忆单元和反馈的Elman神经网络观测器,由于在上下文层和隐含层之间有上下文单元和反馈,使得该网络观测器可用于永磁直线同步电机的非线性状态估计。Elman神经网络训练分为离线训练和在线训练两个部分。利用训练样本按给出的Levenberg-Marquardt算法对网络进行离线训练;按有监督的梯度下降法在线修正网络的连接权值。仿真结果表明,该观测器能够实现PMLSM的无位置传感器控制。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究背景和意义
• 1.2 非线性系统状态观测器研究现状
• 1.3 基于状态观测器的电机控制方法研究现状
• 1.3.1 全阶状态观测器
• 1.3.2 滑模变结构观测器
• 1.3.3 扩展卡尔曼滤波法
• 1.3.4 自适应观测器
• 1.3.5 智能状态观测器
• 1.4 本文研究内容
• 第二章 永磁直线同步电机的矢量控制系统及仿真
• 2.1 永磁直线同步电机的结构和工作原理
• 2.1.1 永磁直线同步电机的结构和特点
• 2.1.2 永磁直线同步电机的工作原理
• 2.2 永磁直线同步电机的数学模型
• 2.2.1 永磁直线同步电机的坐标系及坐标变换
• 2.2.2 永磁直线同步电机在d-q坐标系下的数学模型
• 2.2.3 永磁直线同步电机在α-β坐标系下的数学模型
• 2.3 永磁直线同步电机矢量控制系统
• 2.3.1 矢量控制技术
• 2.3.2 空间矢量脉宽调制技术（SVPWM）
• 2.4 永磁直线同步电机矢量控制仿真研究
• 2.4.1 永磁直线同步电机仿真建模及研究
• 2.4.2 SVPWM仿真研究
• 2.4.3 系统仿真研究
• 2.5 本章小结
• 第三章 基于神经网络的非线性系统状态观测
• 3.1 神经网络模型及其MatLab的程序实现
• 3.1.1 人工神经网络的发展和应用
• 3.1.2 神经网络的结构和学习
• 3.1.3 神经网络MatLab的程序实现
• 3.2 基于BP神经网络的非线性系统状态观测
• 3.2.1 BP神经网络
• 3.2.2 基于BP神经网络的学习算法
• 3.2.3 基于BP神经网络的非线性状态观测器的状态轨迹逼近
• 3.2.4 BP神经网络逼近一阶系统仿真
• 3.3 基于Elman神经网络的非线性系统状态观测
• 3.3.1 Elman神经网络
• 3.3.2 基于Elman神经网络的学习算法
• 3.3.3 基于Elman神经网络的非线性状态观测器的状态轨迹逼近
• 3.4 本章小结
• 第四章 基于Elman神经网络的永磁直线同步电机状态观测
• 4.1 基于Elman神经网络观测器的PMLSM控制系统
• 4.1.1 控制系统构成
• 4.1.2 α-β坐标系下PMLSM的状态方程
• 4.2 Elman神经网络观测器及训练
• 4.2.1 Elman神经网络观测器
• 4.2.2 离线训练
• 4.2.3 在线训练
• 4.3 基于MatLab的PMLSM非线性动态仿真
• 4.4 本章小结
• 第五章 结论和展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 在学研究成果
• 致谢