张广远，刘文生，王旭阳

（大连交通大学 电气信息学院，辽宁 大连 116028）

1 引言

如今在交流传动领域，直接转矩控制技术（direct torque control，DTC）以它新颖的控制思想，简洁明了的系统结构，以及优良的静、动态性能得到了迅速的发展。但传统的直接转矩由于采用滞环控制，会引起磁链和转矩的脉动。本文提出一种基于Takagi－Sugeno模糊神经网络（FNN）控制的新方法。它是将模糊逻辑的知识表达容易和神经网络自学习能力强的优势有机地结合起来，构建模糊神经网络控制器，来取代传统的滞环控制，提高整个系统的学习和表达能力［1］。并将这种控制方法应用到离散电压空间矢量直接转矩（SVM－DTC）控制系统中，来改善直接转矩控制下电机的运行特性，减小转矩和磁链的脉动，提高系统的鲁棒性。

2 传统直接转矩下的控制原理

传统的直接转矩控制原理框图如图1所示。首先，对异步电机实际转速ω与给定转速ω＊进行比较，通过转速调节器获得转矩给定值。其次，检测单元检测出电机定子电流和电压值，通过磁链模型和转矩模型计算，得到定子磁链的幅值｜Ψs｜、所在区间信号Sn和转矩实际值Te。其中实际转矩Te与转矩给定值经转矩滞环控制得到转矩开关信号Tq；磁链给定值｜｜与磁链计算值｜Ψs｜经滞环控制产生磁链开关信号Ψq；并根据定子磁链所在的空间位置SN；通过开关表对电压矢量进行选择，得到正确的电压开关信号来控制电机的运行［2］。

图1 异步电动机DTC方法的基本结构原理图Fig.1 Basic block diagram of asynchronous motor direct torque control

3 模糊神经网络控制下原……

登录APP查看全文