王　亮，王旭红

(长沙理工大学电气与信息工程学院，湖南长沙410004)



基于小波神经网络的感应电机直接转矩控制

王亮，王旭红

(长沙理工大学电气与信息工程学院，湖南长沙410004)

摘要：为了改善感应电机传统直接转矩控制(DTC)的性能缺陷，特别是低速状态下定子磁链畸变、定子电流谐波大、电磁转矩脉动大的缺点，提出一种基于小波神经网络(WNN)的新型非线性自回归移动平均模型(NARMA)。该模型根据H. Akaike的最终预测误差(FPE)准则确定WNN模型中所需的最佳小波个数。小波神经网络有很强的自学习能力，经过训练可很好地识别DTC系统，基于WNN的NARMA速度控制器可代替PI控制器控制感应电机的转矩。理论分析和仿真表明，该方法是非常有效的。

关键词：感应电机；直接转矩控制；小波神经网络；NARMA；FPE

0引言

20世纪80年代I.Takahashi和M.Depenbrok针对感应电机首次提出直接转矩控制(DTC)理论。不同于矢量控制，DTC系统控制结构简单，具有优良的动静态控制性能和调速效果[1,2]，广泛应用于工业领域。然而传统DTC存在不足之处，电机在低速运行时转矩、磁链脉动大，传统的PI调节器不能提供良好的控制要求[3]。

多年来，国内外学者对此作了大量的研究。文献[4]提出了一种改进的基于空间矢量调制技术的直接转矩控制算法，但没有改变调节器的固有缺陷。文献[5]提出了一种新型抗饱和(anti-windup)PI 控制器，仅针对非线性饱和特性的情况。文献[6]提出了模糊PI控制算法可自动调节PI参数，采用自适应滑模方法设计磁链观测器，但算法和设计比较复杂，有一定效果。……