基于模糊神经网络无速度传感器异步电机矢量控制研究

异步电机无速度传感器矢量控制技术在降低系统的复杂程度和减少系统成本方面效果显著,高性能的无速度传感器异步电机矢量控制系统已成为国内外研究的热点。本文利用转子磁链输出的模型参考自适应法对转速进行估计,针对系统的非线性、变参数等特点将模糊控制、神经网络控制以及模糊神经网络控制运用于系统当中,有效提高了系统的响应速度和鲁棒性。 本论文深入研究了无速度传感器矢量控制系统的数学模型、转子磁链观测模型、空间电压矢量调制原理以及模糊神经网络的相关理论,建立了基于模型参考自适应法进行转速估计的无速度传感器矢量控制系统。论文重点研究了将传统的PI转速调节器用模糊神经网络调节器进行替代的实现,对网络的结构、算法以及稳定性进行了设计和分析。在理论分析的基础上,利用MATALB/SIMULINK工具,建立了相应的系统仿真模型进行验证,仿真表明所用算法能很好地满足系统的性能指标,系统动静态特性良好。同时将此控制器与传统PI控制器进行了对比,仿真结果表明所用模糊神经网络转速调节器能有效地提高系统的性能。 针对电机参数变化对系统的性能影响较大,本文利用模糊控制和人工神经网络分别对电机定、转子电阻进行估计。模糊控制可以有效地避免对系统建立准确的数学模型,而人工神经网络具有超强的学习能力,通过仿真表明参数辨识效果明显,系统具有较好的动、静态特性。 最后本文研究了铁损对系统性能的影响,分析了考虑铁损的电机模型,推导出铁损的补偿方案,建立了考虑铁损的控制系统。仿真结果表明加入铁损补偿的电机模型能达到和理想电机模型基本一致的输出效果,为实现高性能的矢量控制系统作了铺垫。