首页 | 供应信息 | 求购信息  | 下载系统 | 技术资讯 | 企业信息 | 产品信息 | 论文信息 | 展会信息 | 在线工具
作者:刘星平,黄 峰 发布时间:2013-05-10 来源:电子设计工程关键字:电动机;变频;直接转矩控制;神经网络控制 繁体版
1 引言 DTC技术利用空间矢量、定子磁场定向的分析方法,直接在定子坐标系下分析异步电动机的数学模型,计算并控制电动机的磁链和转矩。采用离散的两点式调节器(Bang-Bang控制),将转矩检测值与转矩给定值作比较,使转矩波

1 引言

    DTC技术利用空间矢量、定子磁场定向的分析方法,直接在定子坐标系下分析异步电动机的数学模型,计算并控制电动机的磁链和转矩。采用离散的两点式调节器(Bang-Bang控制),将转矩检测值与转矩给定值作比较,使转矩波动限制在一定的容差范围内,并产生PWM信号,直接对逆变器的开关状态进行控制,这样就获得了高动态性能的转矩输出。其控制效果取决于转矩的实际状况,它无需将交流电动机与直流电动机作比较、等效、转化,即不需要模仿直流电动机的控制。由于省掉了矢量变换方式的坐标变换与解耦,从而简化了异步电动机数学模型,没有通常的PWM信号发生器,因此其控制结构简单,控制信号处理的物理概念明确,系统的转矩响应迅速且无超调,是一种具有高静态、动态性能的交流调速控制方式。

2 系统结构及工作原理

    基于神经网络控制的DTC系统的基本结构如图1所示。

a.jpg


    系统由速度给定值与转子反馈的速度信号形成误差信号,经过神经网络控制器的控制处理后获得转矩的给定值T*,转矩调节器的输入信号T*与转矩反馈值T的信号差为ET。调节器的输出信号是转矩开关信号,磁链调节器采用施密特触发器,容差±ε,通过磁链调节器的两点式调节,将磁链波动限定在±ε内,达到控制磁链的目的。开关状态选择单元采用离散的三点式调节方式。根据转矩调节器、定子磁链调节器的输出及定子磁链的扇区位置来选择合理的逆变器开关状态,用以输出合理的电压空间矢量。系统以TMS320LF2407A型DSP为核心组成控制器,由整流器、电压型逆变器构成主回路。整个系统按功率电路板、DSP控制板、电源、保护电路及信号检测电路等进行模块化设计。

    在该系统中,设置的转速调节器的输出作为电磁转矩的给定信号,用神经网络控制器取代通常的PI调节器,设置转矩控制内环。它可以抑制磁链变化对转速子系统的影响,从而使转速和磁链子系统实现了近似的解耦。

    因为定子磁链可表示为两相静止坐标系下电流iα1,iβ1和电压uα1,uβ1的非线性函数。电磁转矩可转换成两相电流和磁链的非线性函数。感应电动机在定子坐标系下的方程为:

    b.jpg

  由式(2)可得定子磁链模型结构如图2所示,在静止两相坐标系下电磁转矩表达式为:
    T=npLm(iβiα2-iα1iβ2)         (3)

c.jpg


    两相静止坐标系下的磁链方程为:
d.jpg
    由式(6)得转矩模型结构图如图3所示。

e.jpg

    在DTC技术中,其基本控制方法就是通过电压空间矢量us(t)来控制定子磁链的旋转速度及定子磁链运行状态,以改变定子磁链的平均旋转速度的大小,达到控制转矩的目的。DTC系统的核心问题:①转矩和定子磁链反馈信号的计算模型;②如何根据两个Bang-Bang控制器的输出信号来选择电压空间矢量和逆变器的开关状态。

3 神经网络PID控制器的设计

    系统中应用的神经网络控制器由BP神经网络和控制器两部分构成。神经网络根据系统的运行状态调节控制器的参数,以期达到最佳的控制效果。人工神经网络的神经元结构如图4所示。

f.jpg

    人工神经网络是基于人脑的神经元结构的电子学模型,一个神经网络的基本执行要素是神经元。神经网络依赖于神经元的层数。人工神经网络对知识的掌握是通过对样本的学习实现的。通过学习大量的实例,网络用尝试错误的方法来不断减小错误,修正权值,从而掌握蕴含于样本的知识,网络通过权值的调整记录所学过样本,并掌握输入与输出之间的关系。正是因为它的可任意逼近非线性模型特性,所以十分适用于交流调速系统的控制。人工神经网络在交流调速控制系统中的应用包括神经网络辨识器和神经网络控制器的设计。在传统的数字PID控制方式下,采用的经典算式为增量式PID算法:

    u(k)=u(k-1)+△u(k)=u(k-1)+kp[e(k)-e(k-1)]+kie(k)+kd[e(k)-2e(k-1)+e(k-2)]        (7)
    神经网络根据系统的运行状态调节PID控制器的参数,使输出层神经元的输出状态对应于PID控制器3个可调整参数kp,ki,kd。通过神经网络的自学习,权系数调整,使神经网络输出对应于某种最优控制规律下的PID控制器参数。

    输入层神经元个数选为3,误差量x1(k)=e(k),x2(k)反映误差的累计效果,g.jpg,x3(k)反映误差变化快慢,x3(k)=e(k)-e(k-1)。输出层的神经元个数选为3,输出节点分别对应kp,ki,kd。由于该参数不能为负数,所以输出层神经元的激发函数取非负的Sigmoid函数。隐藏层的神经元个数可由经验公式q=(n+m)1/2+f确定,其个数选为4。


基于神经网络的感应电动机直接转矩控制研究- 电动机;变频;直接转矩控制;神经网络控制 -
评论】【加入收藏夹】【 】【关闭
※ 相关信息
无相关信息
※ 其他信息
访问数: | 共有条评论
发表评论
用户名:
密码:
验证码: 看不清楚,点击刷新
匿名发表

 搜索新闻
[提交投稿]  [管理投稿]
 最新新闻
 热点新闻
数据加载中..

网站地图
Autooo.Net 版权所有
Copyright © 2007--2014 All rights reserved