公司新闻
行业动态
技术文章

基于神经网络的永磁同步电机矢量控制

作者: 来源: 更新时间:2019-10-12 14:41:56  点击:

 随着半导体器件、计算机技术和变频技术的飞速发展,交流伺服传动系统得到了日益广泛的应用。尤其是永磁同步电机,由于其具有气隙磁密高、转矩脉动小、转矩/惯量比大、效率高等优点,在中小容量的伺服系统中已占据了绝对优势。一般永磁同步电机的速度、位置控制器都用比例积分(pi)控制器,但是pi控制器容易受电机参数变化和负载扰动等不确定性的影响。为克服pi控制器的不足,多种消除不确定性影响的控制策略已相继提出,但这些策略都存在一定的不足,如消除的不确定性单一或实现太复杂等。神经网络作为一种新的控制策略已有了广泛的应用,在交流传动领域也有了一定的应用,神经网络PID控制器具有收敛速度快、实现简单、初始权值和结构有规律等优点。本文将神经网络PID控制器应用于永磁同步电机的速度控制,取得了预期效果。

  2永磁同步电机的数学模型永磁同步电机在d-q轴下的理想电压方程为:为d、q轴定子电流;札和分别为d、q轴定子磁链;1和1分别为定子绕组d、q轴电感;R为定子电阻,P为微分符号,为定、转子间的d轴电感;Iw为永磁体的等效d轴励磁电流;Pn为极对数;Te为电磁转矩;为负载转矩(为转动惯量(B为阻尼系数,叫为转子角速度。

  3无传感器的永磁同步电机矢量控制系统如何得到精确的转子位置和速度信号以实现对磁场定向和速度控制呢在传统的永磁同步电机控制中,最常用的方法是在转子轴上安装传感器(如编码器、解算器、测速发电机等),但是这些传感器增加了系统的成本(某些高精度传感器的价格甚至可与电机本身价格相比),降低了系统的可靠性,而且其应用受到诸如温度、湿度和震动等因素的限制,致使这样的系统不能广泛适用于各种场合。为克服使用传感器给系统带来的缺憾,构建了一种采用无传感器的永磁同步电机控制系统。

  电流控制器采用pi控制,电压值为引人控制算法,得、的电压指令值为151速度控制器采用神经元PID控制,转矩电流指令值<为神经元的输出。

  无传感器矢量控制系统中重要的就是转速的估算及修正,由=-l(叱<0)。其速度推算过程原理框图如所示。

  速度推算过程原理框图如果i)=0,d轴定子磁链不变,而永磁同步电机中Lmd和1/(/为常数,所以电磁转矩Te与。成比例。由式(1)~(11)构成永磁同步电机的矢量控制系统,其系统结构框图如所示。

  4单神经元PID控制尽管神经网络控制技术有许多潜在的优势,但是对单纯使用神经网络的控制方法的研究有待进一步发展,通常需要将人工神经网络技术与传统的控制理论或智能控制技术综合使用。尽管传统的PID调节器因其技术成熟,在过程控制中得到了广泛的使用,但对一些复杂、时变系统,因P1D的参数不易于实时在线调整,已知增量式PID控制规律的差分方程为:与PID增量式对比,可发现权系数ft),w2、叫分别对应于Ki、Kp、Kd,因此通过调整ft),)2、叫可以实现PID参数的自适应调整。本系统中,神经元PID控制器的输人和输出对应物理量为呦)=<:(-,在神经元学习过程中,权系数的学习规则为:为保证控制学习算法的收敛性和鲁棒性,须对学习算法进行规范处理,具体实现步骤为:5MATLAB仿真结果=8.5xl-3//,pn=2.0=O.175wfc.y=O.8xl-3Afm2.P=11A"PT,i7=220V.利用Matlab/Simulink对系统进行仿真。神经元自适应PID学习算法的运行效果与参数r、nP.有很大的关系,本文选取的参数分别为0.01、0.08、50.速度起动特性曲线如。

  突变中,在他t=0.04s时负载由T!=3Nm突变到TY=6N. m.仿真结果表明,采用神经元PID控制实现电机的矢量控制具有良好的动态性能,且由可以看出在稳态时,速度推算值与实际转速非常接近,表明了速度推算模型的正确性。