永磁交流位置伺服系统串级复合滑模控制

针对某永磁同步电动机位置伺服系统负载力矩和转动惯量变化大、干扰力矩强的特点,以及统一滑模变结构控制速度限幅的难题,提出并设计了串级复合滑模变结构控制器.其中速度环通过增加积分环节来消除滑模控制的力矩抖动,位置环通过复合滑模控制的设计来消除稳态滑模控制的抖振.计算机仿真结果表明,该控制器不仅响应速度快、无超调、控制精度高,同时对负载扰动和系统参数摄动具有较强的鲁棒性.     

基于自适应滑模变结构的卫星天线指向伺服控制系统设计

将自适应滑模变结构方法应用于卫星天线跟踪指向控制伺服系统。电流环采用电压空间矢量脉宽调制技术驱动永磁同步伺服电机，位置环采用自适应滑模变结构控制，通过自适应方法调节控制器中等效输出控制量部分，以减小外部干扰和自身参数变化对系统的影响，提高伺服系统的鲁棒性。仿真结果表明伺服系统控制性能良好，输出稳定，具有较强的鲁棒性。     

基于超稳定理论的三轴台自适应控制研究

针对三轴转台电控伺服系统中的非线性、参数时变性、转台的快速性和大时变负载干扰,控制器用Popov超稳定性和正性理论进行设计,设计的信号综合并联自适应模型跟随控制器可解决系统在运行过程中参数发生变化对控制性能影响的问题。仿真结果表明,该方法能有效抑制参数扰动及外力干扰,保证系统快速性要求,并具有很好的鲁棒性。     

永磁同步电动机参数自适应辨识的建模与仿真

为精确地在线获取永磁同步电动机的参数,提出了一种在一个模型中对电阻、电感和永磁磁链同时进行估算的自适应辨识方法.基于Popov超稳定理论,给出了自适应辨识模型的设计方法.利用Matlab/Simulink建立了矢量控制下永磁同步电动机参数的自适应辨识模型,仿真和实验结果表明所建模型能快速准确地辨识出电机参数.     

基于有限时间LaSalle不变集的PMSM混沌控制

为有效地抑制永磁同步电动机系统的混沌行为,基于有限时间理论和LaSalle不变集定理设计了一种自适应控制器。分析了永磁同步电动机系统的混沌动力学特性,确定了系统处于不同运动状态的参数域;在理论上证明该控制器能够在有限时间内稳定到平衡点且能自动跟踪系统平衡点;仿真实验证明,该控制方案形式简单,快速性更好,稳定性更高。研究结果对保证永磁同步电动机的稳定运行具有重要意义。     

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力.利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能.     

基于递归神经网络的伺服系统自适应反步控制

针对伺服系统的系统参数摄动和非线性动态摩擦补偿问题,提出基于递归神经网络(RNN)的自适应反步控制(RNABC)系统设计方法.RNABC系统由反步控制器和鲁棒控制器组成,反步控制器包含RNN不确定观测器,鲁棒控制器则用来消除由于引入不确定观测器而带来的逼近误差.由于自适应反步控制的自适应律源于Lyapunoy函数的,因此系统的稳定性得到了保证.仿真结果表明,对于系统参数摄动和非线性摩擦干扰RNABC能使伺服系统具有很好的跟踪性能.     

电液系统神经网络自适应控制的研究

提出一种采用神经网络非线性系统控制的结构及原理．即采用两个ＢＰ神经网络,一个用来对被控系统进行在线辨识,另一个用做非线性自适应控制器．并对具有未知外部负载干扰的电液位置伺服系统进行了动态仿真,讨论了神经元激励函数形状因子、神经网络节点数以及神经网络训练次数对控制系统性能的影响     

永磁同步电机位置跟踪控制器及Backstepping方法建模

针对永磁同步电机(PMSM)绕组相电流和转速强耦合特性，基于backstepping方法设计了高性能的位置跟踪控制器，并建立了采用该控制器的PMSM伺服系统仿真模型。仿真结果表明，用backstepping方法设计的PMSM控制系统可以获得很好的跟踪效果，并且其滤波跟踪误差迅速以指数特性收敛到零，具有很好的位置伺服控制特性。     

无模型控制方法在直线电机控制中的仿真研究

将基于偏格式线性化的非线性系统无模型学习自适应控制方法应用在直线电机的速度和位置控制中．控制器的设计是直接基于称为伪偏导数的向量，伪偏导数是通过新型参数估计算法，根据给出的永磁直流直线电机非线性系统模型的输入输出信息在线导出的。利用Matlab软件进行仿真实验证明了该方法对电机这种具有不确知动态的非线性系统的有效性和稳定性。     

基于负载观测器的永磁同步电机能量成型控制

针对永磁同步电机(PMSM)负载转矩已知和未知情况,采用能量成型控制方法和负载观测器技术,研究了PMSM的建模与速度控制问题。建立了PMSM的端口受控哈密顿系统模型,给出了闭环系统期望的哈密顿函数,配置了期望的互联和阻尼矩阵,设计了系统的控制器和负载转矩观测器,分析了系统平衡点的稳定性。仿真结果表明,所提出的方案对负载转矩已知和未知情况具有很好的转速控制性能和负载扰动抑制能力。     

一种新的永磁同步电机直接转矩控制方法

提出了一种新的无速度传感器永磁同步电机直接转矩控制方法。针对内埋式永磁同步电机直接转矩控制存在较大脉动转矩和逆变器的开关频率不恒定的缺点,设计了一种自适应模糊控制器确定占空比的方法。与其它基于自适应模糊控制器的直接转矩方法不同,这种自适应模糊控制器通过控制正反电压矢量作用时间,在每一采样周期计算出最优占空比。该控制器输出部分的比例因子可以根据转矩的变化趋势经自适应机构的模糊规则库在线调整,不仅可以使永磁同步电机直接转矩控制系统保持恒定的开关频率,而且可以有效地减小磁链和转矩脉动,特别是低速时的转矩脉动。为了获得高性能的无速度传感器永磁同步电机控制系统,设计了一种无速度传感器方案。理论分析和仿真实验结果证明了自适应模糊永磁同步电机直接转矩控制策略的有效性。     

基于广义预测算法的直接转矩控制仿真

针对电动汽车电机驱动控制系统结构复杂且系统性能受负载不确定性影响的缺点,提出了一种用于永磁同步电动机广义预测控制方法。从驱动系统动力学方程出发,建立了不依赖电机控制参数的驱动系统CARIMA模型,并采用广义预测算法对驱动系统的给定转矩进行了控制;为了获得良好的变速性能,实现了基于GPC的PMSM驱动系统的直接转矩控制;最后对系统变速过程进行了仿真。仿真结果对比表明,这种控制结构和方法能够实现对转矩变化的有效控制,使速度变化具有较好的平缓控制效果,在工程实际中有很大的应用潜力。     

基于前馈及反馈补偿的高性能直线伺服系统

数控机床用直线电动机在工作过程中,推力波动、负载扰动和非线性摩擦等各种扰动因素降低了直线伺服的性能。为抑制扰动满足数控机床直线伺服系统速度跟踪性能的要求,在分析永磁直线同步电动机数学模型和各种扰动因素的基础上,引入具有动态递归特性的Elman神经网络,设计出具有前馈及反馈综合补偿效果的复合控制器,不仅可以对各种扰动进行反馈补偿,而且对速度给定信号进行预测前馈补偿控制,提高了直线伺服系统的跟踪精度和响应速度,仿真结果验证了Elman神经网络的动态性能及综合补偿的优点,表明了复合控制方案的有效性和可行性。

Abstract：

Disturbance variations,such as force ripple,load disturbance and nonlinear friction,directly impose on the motor shaft,leading to significant effect on the computer numerical control （CNC） machine tool servo system performance.In order to satisfy the requirements for speed command tracking performance and eliminate the influence of disturbance,on the bases of the analyzing the mathematics model of permanent magnet linear synchronous motor （PMLSM） and disturbance variation,Elman dynamic recurrent Neural Network was introduced and compound controller with feedforward and feedback comprehensive compensation was proposed.The disturbances were compensated by feedback component and reference speed input signal was preview controlled by feedforward component.The tracking performance and respect speed of linear server system were improved.The advantages of the comprehensive compensation and dynamic of Elman NN were proved.The simulation results show that this compound control scheme is feasible and effective.     

基于自适应观测器和自抗扰控制的PMSM直接转矩控制

提出一种新的自适应观测器,用于永磁同步电机直接转矩控制系统的定子磁链和定子电阻估计。该观测器利用静止坐标系下的电压模型估计定子磁链,采用转子坐标系下的电流模型估计定子电流,把定子电流估计误差通过增益矩阵作为反馈信号。定子电阻自适应律根据李亚普诺夫稳定性理论推出,观测器的增益矩阵采用极点配置方法得到,观测器的收敛性根据李亚普诺夫稳定性分析来保证。此外,采用自抗扰控制技术设计了速度控制器,该控制器能对负载扰动进行估计和补偿。仿真结果证明了所提自适应观测器的有效性和自抗扰控制器的抗负载扰动能力。

Abstract：

A new adaptive observer was proposed to estimate the stator flux and stator resistance in the direct torque controlled permanent magnet synchronous motor （PMSM） drive. The stator flux was estimated by using the motor voltage model in the stationary frame, and the stator currents were estimated by using the motor current model in the rotor frame. The current estimation errors were then used as feedback signals through a gain matrix. Stator resistance adaptive law was developed based on Lyapunov stability theory. The observer gain matrix was obtained by using the pole placement method. The stability of the adaptive observer was guaranteed by the Lyapunov stability analysis. In addition, a speed controller was designed based on active disturbance rejection control （ADRC） technique to estimate and compensate the load disturbance. Simulation results have confirmed both the effectiveness of the adaptive observer and the anti-load-disturbance performance of the active disturbance rejection controller.     

坦克炮控系统矢量调制型直接转矩控制研究

介绍了坦克炮控系统中对交流电机的一种新型控制策略,并在基本型直接转矩控制方法上进行了改进设计.完成了基于空间电压矢量调制的永磁同步电机直接转矩控制的仿真研究,结果表明新型直接转矩控制技术对坦克火炮具有优良的控制性能.     

基于强跟踪滤波器的PMSM无速度传感器DTC策略

针对扩展卡尔曼滤波器(EKF)对模型误差鲁棒性差的问题,提出了基于强跟踪滤波器(STF)的永磁同步电机(PMSM)无速度传感器直接转矩控制(DTC)策略,该方法利用永磁同步电机定子坐标系下的非线性数学模型和强跟踪滤波技术建立了STF观测器,从而实现了对电机定子磁链、转速和转子位置的实时在线观测。仿真结果表明,STF观测器可以准确地观测出电机定子磁链和转速,同时与EKF观测器相比,该观测器对于系统参数摄动、外部干扰等系统模型失配具有更强的鲁棒性。     

Application of neural networks for permanent magnet synchronous motor direct torque control

Neural networks require a lot of training to understand the model of a plant or a process. Issues such as learning speed, stability, and weight convergence remain as areas of research and comparison of many training algorithms. The application of neural networks to control interior permanent magnet synchronous motor using direct torque control （DTC） is discussed. A neural network is used to emulate the state selector of the DTC. The neural networks used are the back-propagation and radial basis function. To reduce the training patterns and increase the execution speed of the training process, the inputs of switching table are converted to digital signals, i.e., one bit represent the flux error, one bit the torque error, and three bits the region of stator flux. Computer simulations of the motor and neural-network system using the two approaches are presented and compared. Discussions about the back-propagation and radial basis function as the most promising training techniques are presented, giving its advantages and disadvantages. The system using back-propagation and radial basis function networks controller has quick parallel speed and high torque response.     

感应电机非线性自适应鲁棒控制

基于耗散性与稳定性之间的等价关系和投影原理，设计具有L2增益的非线性白适应鲁棒器应用于感应电机控制是一种新颖的方法．针对感应电机转子电阻与负载转矩的不确定性，在设计控制器时，引入与不确定性参数相对应的可调参数。利用投影定理设计了自适应控制律，在线修正参数值，同时耗散性分析中采用了L2增益算法，使系统不但对不确定项具有鲁棒性，而且对外部干扰具有抑制作用，保证整个闭环系统的动态品质。数值仿真验证了设计方法的正确性。