基于神经网络永磁同步电机伺服速度控制器的研究

论文摘要

随着我国工业和航天事业的不断发展,对伺服系统的性能和精度要求越来越高,交流伺服系统以其优异的性能在近年来被广泛的使用。但由于交流伺服系统在本质上具有非线性、时变性、多变量、强藕合的特点,因此,若要提高交流伺服系统的品质,对控制策略就提出了很高的要求。针对交流伺服系统的特点,本文结合了RBF(Radial Basis Function)神经网络和矢量控制,设计了一种自适应速度控制器。首先对交流永磁同步电动机的数学模型进行了研究,并确定对永磁同步电动机采用转子磁场定向的矢量控制策略,详细分析了控制方案。根据永磁同步电动机的特点,选用了RBF神经网络,因为它具有对非线性函数的良好逼近性能。随后详细介绍了RBF神经网络的原理和基本学习算法。在理论分析的基础上,设计了一个自适应速度控制器,并用于单芯片交流伺服控制系统,根据FPGA的特点,把整个系统分成了几个模块分别实现,并对系统中关键的空间矢量脉宽调制模块和自适应速度控制器模块进行了详细的论述提出了RBF网络的在线训练和离线训练的方法。最后,将设计的单芯片交流伺服控制系统应用在一台数控机床上,实验结果表明,设计的控制系统具有很好的鲁棒性,并改善了交流伺服驱动系统的动态性能。

论文目录

• 摘要
• Abstract
• 绪论
• 1.1 交流伺服系统概述
• 1.1.1 伺服系统的概念和组成
• 1.1.2 伺服系统的发展及应用
• 1.1.3 直流伺服和交流伺服
• 1.1.4 永磁同步交流伺服电机
• 1.1.5 交流伺服系统的现状及发展方向
• 1.2 DSP 与FPGA 相结合发展前景
• 1.3 课题论文的主要研究内容
• 2 交流伺服驱动系统永磁同步电机的数学模型与矢量控制
• 2.1 引言
• 2.2 交流永磁同步电动机的数学模型
• 2.3 交流永磁同步电动机的磁场定向矢量控制
• 2.3.1 转子磁场定向的矢量控制的坐标变换
• 2.3.2 交流永磁同步电动机转子磁场定向的方案
• 2.4 本章小结
• 3 RBF 神经网络的基本原理
• 3.1 RBF 神经网络基础
• 3.1.1 人工神经网络及其在控制系统的应用
• 3.2 RBF 神经网络的基本结构及数学模型
• 3.2.1 径向基函数
• 3.2.2 径向基函数（RBF）神经网络结构
• 3.3 RBF 神经网络的基本学习算法
• 3.4 本章小结
• 4 DSP、FPGA 的硬件选择及其连接
• 4.1 DSP 开发概述
• 4.1.1 DSP 简介
• 4.1.2 DSP 芯片主要结构特点
• 4.1.3 DSP 系统的开发工具
• 4.1.4 TMS320LF2407A 芯片的基本特点
• 4.2 FPGA 原理及其型号选择
• 4.2.1 FPGA 原理介绍
• 4.2.2 FPGA 型号选择
• 4.3 DSP 和FPGA 交互线路设计
• 4.3.1 DSP 时序分析
• 4.3.2 FPGA 开发流程和常用软件
• 4.4 本章小结
• 5 FPGA 模块功能实现
• 5.1 FPGA 内部模块化设计
• 5.2 电流环的结构设计
• 5.2.1 反馈电流接口模块
• 5.2.2 矢量变换模块
• 5.2.3 数字PI 控制器模块
• 5.2.4 SVPWM 的原理及模块设计
• 5.4 本章总结
• 6 仿真及其程序
• 6.1 数字信号处理器的程序设计
• 6.1.1 初始化程序
• 6.1.2 主程序及其串行通信子程序
• 6.1.3 外部中断保护子程序
• 6.1.4 定时中断子程序
• 6.2 仿真系统的构成
• 6.3 神经网络控制程序实现
• 6.4 本章总结
• 结论
• 攻读硕士学位期间已发表的学位论文
• 致谢
• 参考文献