APP下载

永磁同步电机参数自学习滑模控制研究*

2016-10-26唐红雨赵文祥

电机与控制应用 2016年8期

唐红雨, 赵文祥

(1. 镇江市高等专科学校 电气与信息工程学院,江苏 镇江 212013;2. 江苏大学 电气信息工程学院,江苏 镇江 212003)



永磁同步电机参数自学习滑模控制研究*

唐红雨1,赵文祥2

(1. 镇江市高等专科学校 电气与信息工程学院,江苏 镇江212013;2. 江苏大学 电气信息工程学院,江苏 镇江212003)

在传统滑模控制中,通常根据实测电流和观测器的电流估计值之差设计滑模面,但这往往会造成趋近滑模面较慢和相位滞后问题。以电流和磁链作为RBF神经网络滑模观测器的输入,把转子角速度作为未知量,采用RBF神经网络最小参数自学习算法,使神经网络滑模控制器的输出作为系统位置控制输入信号,通过参数的估计代替网络权值的调整,减少了计算量,采用指数型趋近律有效降低滑模控制的抖振现象。通过与传统滑模仿真试验相比,比较结果表明该方法可以提高系统的响应速度,实现转子位置的准确估算,降低抖振,改善系统的动态性能。

永磁同步电机; 滑模控制; RBF网络; 参数自学习; 观测器

0 引 言

永磁同步电机(Permanent Magnet Synchronous Motor, PMSM)具有结构简单、体积小、动态响应快、过载能力强、易于调速等优点,具有非线性、多变量、强耦合等特点,国内外学者对PMSM的控制算法作了深入的研究[1-7]。但是高性能运行控制需要对永磁电机的转矩与磁链进行解耦,而电机参数随外界环境变化影响很大,存在大量负载扰动,使系统原定的解耦关系变化,造成系统控制精度下降[8]。

无传感器技术由于能简化系统结构、降低成本,已成为电机控制系统的研究热点。……

登录APP查看全文