基于观测器的无速度传感器感应电机控制

为了辨识感应电机的转速,提出了一种模型参考自适应观测器.该观测器基于模型参考自适应系统(model reference adaptive system,MRAS),将感应电机和全阶观测器分别作为参考模型和可调模型,基于两模型输出之间的误差构造了一个自适应律,通过自适应律不断调整观测器的参数,全阶观测器的输出将实现对实际系统输出的跟踪,并用李雅普诺夫稳定性定理验证了系统的稳定性.理论分析和仿真结果表明,所提出的感应电机无速度传感器矢量控制系统的转速辨识方法具有令人满意的动静态性能.     

基于AFO 的感应电机无速度传感器控制

针对传统的基于模型参考自适应理论MRAS(Model Reference Adaptive System)的感应电机无速度传感器控制系统存在的参考模型不准确的缺点, 提出了一种以电机本身为参考模型, Luenberger 全阶状态观测器为可调模型的自适应无速度传感器AFO(Adaptive Full-Order Observer)控制策略。整个系统包含产生电机所需转子 磁链的全阶观测器和一个使用自适应率估计转速的转速估算机构。以李雅普诺夫稳定性理论为基础, 使用电机的估算定子电流误差和观测出的转子磁链推导出转速自适应率。以观测器极点配置的方法, 设计了一种快速收敛的反馈矩阵, 保证了在大范围内电机的稳定运行。针对转速估计在低速再生制动时的不稳定现象, 利用劳斯稳定判据, 设计了一种新的反馈矩阵保证转速估算的全局稳定性。通过Matlab/ Simulink 仿真验证了结论的有效性。     

基于MRAS的感应电机无速度传感器矢量控制

提出了一种基于模型参数自适应系统（MRAS）的感应电机转子速度估算方法,用电机状态方程构成全阶观测器观测定子电流和转子磁链,利用李雅普诺夫第二法推导出转速估算公式,并在理论上证明了系统的全局渐近稳定性．分析了定子电阻和转子电阻的变化对转速估算的影响,并对严重影响速度估算的定子电阻的变化进行了补偿,从而构成无速度传感器感应电机间接磁场定向控制系统．仿真结果表明,该系统在低速下具有较好的转矩转速特性以及良好的抗干扰性．     

无速度传感器永磁同步电机预测电流控制策略

针对传统控制中电流环采用PI调节器存在的延时,基于永磁同步电机数学模型推导无差拍预测电流控制模型,利用预测电流控制提高系统暂、稳态性能.在此基础上,针对预测电流控制对于电机参数变化高敏感性的特点以及机械传感器测速成本高、精度低的问题,引入鲁棒因子,并利用波波夫稳定理论推导了控制系统模型参考自适应转速估算模型,设计了无速度传感器永磁同步电机预测电流控制系统.搭建控制系统Matlab仿真模型和电机对拖实验平台,仿真与实验结果的一致验证了所采用控制策略的有效性,表明该系统具有较高的转速辨识精度以及良好的动稳态特性.     

基于MRAS变参数无速度传感器矢量控制系统的研究

利用电动机定子电压方程和电流方程得到电动机转速的模型参考自适应（MRAS）辨识算法，在此基础上建立了一个改进的变参数MRAS速度辨识数学模型，并在无速度传感器异步电动机矢量控制系统中对该速度辨识模型进行了研究，仿真结果验证了该变参数MRAS速度辨识模型具有满意的辨识精度和动态性能．     

基于多新息最小二乘的感应电机参数辨识策略

提出了一种基于多新息最小二乘的感应电机参数的估算方法.在矢量控制系统的基础上,推导出感应电机数学模型的多新息最小二乘表达式,根据测量的定子电压值、定子电流值和转速值,估算出感应电机的转子时间常数、漏感系数、定子自感等参数,而不依赖于转子磁链.仿真结果表明了辨识的精确性,为其它多新息辨识方法的应用打下了基础.     

用自适应神经网络辨识异步电机转速

根据观测异步电机磁链的电压模型和电流模型 ,利用电机易于检测到的定子电压和电流 ,通过Simulink模块和S函数建立了自适应神经网络模型对异步电机转速进行辨识。该方法简单直观 ,仿真结果表明 ,观测模型可达到 1%的精度 ,可为无速度传感器矢量控制系统提供一种速度观测方法。     

感应电动机直接转矩控制系统的模型参考自适应辨识

针对直接转矩控制的感应电动机调速系统，由于电机参数变化引起的低速特性不稳定问题，采用模型参考自适应辨识的方法，推导了一种基于感应电动机直接转矩控制系统的定子磁链自适应辨识方法。根据磁链的辨识值计算出电磁转矩；并讨论了感应电动机部分参数变化时引起磁链变化导致的转速动态变化；最后给出了在MATLAT／SIMULINK环境下的仿真结果。证明所提出方案可以较好地解决直接转矩控制的调速系统在低速范围内的静差问题。     

基于BP网络的异步电机无定子电阻的转速估算

根据异步电机的数学模型,经过一定的变换,消除异步电动机定子电阻的影响,利用电机易于检测到的定子电压和电流,通过Simulink模块和S-函数建立起自适应神经网络辨识模型．该方法适应范围宽、响应速度快．仿真结果表明：采用该模型估算出的转速具有较高的精度．     

用人工神经网络实现对感应电机转速的估计

为了准确估计电机的转速,提出了基于人工神经网络的转速估算方法。从感应电机的动态方程出发,推导出了转速的表达式,然后根据转速与定子电压、定子电流、转子磁链之间的非线性关系,建立了两种人工神经网络转速估计模型。仿真结果表明,这两种基于人工神经网络的转速估计模型可以准确跟踪电机转速的变化,即使转子电阻参数发生变化,这两种转速估计模型仍具有良好的性能     

非均匀噪声分布心电信号的奇异值小波消噪法

针对一般消噪法对噪声非均匀分布心电信号消噪存在的不足,提出基于奇异值分解和小波阈值消噪相结合的消噪方法.该方法利用矩阵的奇异值分解将噪声非均匀分布的心电信号正交分解为噪声分布相对均匀的分量,在正交子空间中对每个分量进行小波阈值消噪,重构消噪后分量,得到消噪后的心电信号.研究结果表明:本方法有效地克服了因噪声分布不均匀而造成的小波阈值选择矛盾的缺点,有效地消除了大噪声区域的噪声,又完好保存小噪声区域的心电特征信息,且消噪后的信号与无噪信号之间的欧氏距离最小.     

基于自适应扩展Kalman滤波器的永磁同步电机无速度传感器控制

通过引入一种基于Sage-Husa噪声估计器的自适应扩展Kalman滤波器,给出了一种永磁同步电机无速度传感器控制方案.选取定子固定坐标系下的电机模型,首先得到了基于扩展Kalman滤波器的永磁同步电机转速估计方程.在此基础上,结合Sage-Husa噪声估计器,得到了基于自适应扩展Kalman滤波器的永磁同步电机转速估计方程.仿真结果表明,基于自适应扩展Kalman滤波器的方法,不仅可以准确地估计出电机的转速和转子位置,而且可以自适应确定扩展Kalman滤波器的一个关键参数——系统噪声协方差矩阵.与传统的扩展Kalman滤波器方法相比,本方法具有更好的实用性.     

一种新型无速度传感器矢量控制PMSM系统

针对永磁同步电机速度估算及定子电阻变化引起的稳定性问题,根据模型参考自适应控制法的原理,在同步旋转坐标系下,提出永磁同步电机转速估算与定子电阻辨识的自适应律,建立永磁同步电机无速度传感器矢量控制系统及定子电阻在线辨识的数学模型.通过控制系统简化,确定调速控制系统中电流调节器与速度调节器的传递函数,并对电流调节器与速度调...     

基于极坐标的异步电机新型参数辨识方法

在异步电机矢量控制系统中,电机参数的准确性严重影响着系统的控制性能。利用极坐标方法,研究了一种异步电机新型参数辨识的方法。系统的电压、电流、频率、相位角均能够通过软件来实现。基于SVPWM算法,向电机施加相应电压信号,并利用极坐标方法,简化了参数计算过程,即通过直流斩波实验、单相实验和空载实验实现对电机定子电阻、转子电阻、定子漏感、转子漏感以及互感的测试。实验结果证明,该辨识方法得到的参数准确性高,且模型简单,计算量小,易于实现。     

永磁同步电机直接转矩控制系统

针对永磁同步电机直接转矩控制系统,首先阐述了直接转矩控制原理,它是在维持定子磁链幅值恒定的前提下,通过电压空间矢量来调节定子磁链的旋转速度,从而控制转矩和转速.其次,在此理论基础上,简单地建立了系统的模型,说明了它的工作过程以及与异步电机直接转矩控制系统的不同.最后用SIMULINK仿真软件对其进行了建模和仿真,仿真结果表明了直接转矩控制应用于永磁同步电机的正确性和可行性,永磁同步电机直接转矩控制系统具有良好的稳态跟踪性能和优异的动态响应.     

基于Fuzzy-PI和MRAS的异步电机变频调速系统的设计与仿真

针对PI调节器和有速度传感器的异步电机矢量控制系统,提出Fuzzy-PI和MRAS相融合的无速度传感器的变频调速系统.以转子磁链的电流和电压模型分别计算得到转子磁链的期望值和估计值,构建了基于MRAS的转速辨识方程,根据比例、积分参数的特点,建立一套与转速调节器相匹配的Fuzzy-PI算法,并利用MATLAB/Simulink软件,搭建了异步电机变频调速系统的仿真模型.仿真实验结果表明Fuzzy-PI和MRAS相融合的无速度传感器的变频调速系统具有响应速度快、超调量小、辨识精度高等优良品质,为异步电机的调速系统提供一种新思路.     

感应电动机模型参考自适应辨识及其应用

针对直接转矩控制的感应电动机调速系统由于电机参数变化引起的低速特性不稳定问题，推导了一种基于感应电动机直接转矩控制系统的定子磁链自适应辨识方法。根据磁链的辨识值计算出电磁转矩；并讨论了感应电动机部分参数变化时引起磁链变化导致的转速动态变化和自适应律调节器中参数的调节规律，最后给出了在MATLAB／SIMULINK环境下的仿真结果，证明所提出方案可以较好地解决直接转矩控制的调速系统在低速范围内的静差问题。     

基于无功功率模型的异步电机矢量控制系统转子时间常数辨识

针对异步电机矢量控制系统受电机参数变化影响大的问题,采用模型参考自适应系统(MRAS)在线辨识电机转子时间常数.为了增强辨识方法对定子电阻的鲁棒性,提高辨识精度,根据转子磁链模型构造无功功率模型建立MRAS,采用Popov超稳定性理论设计自适应规律,得到基于无功功率模型的转子时间常数辨识方法,抑制定子电阻变化对辨识精度的影响,将该转子时间常数辨识方法应用于异步电机矢量控制系统.仿真结果证明:MRAS有效地提高了矢量控制系统性能,转子磁链轨迹趋于圆形,电流谐波分量明显减少;转子磁链观测误差明显降低,其平均绝对误差相对值为2.87%;转矩脉动大大降低,其平均绝对误差相对值为2.09%.     

粒子群算法优化神经网络的异步电机转速估计

在异步电机的矢量控制系统中,电机的转速检测是必不可少的,并且转速检测的精度直接影响磁场定向的准确性。讨论了各种无传感器速度辨识方法的特点,利用BP神经网络对异步电机转子转速进行辨识,通过粒子群算法优化使BP神经网络获得更好的网络初始权值和阀值,在此基础上利用Matlab/Simulink建立一个异步电机矢量控制系统,仿真结果表明这种方法能较好地辨识异步电机转子转速,系统具有良好的动态性能,对系统参数变化具有较强的鲁棒性。