电气应用基于LPIDBP神经网络的感应电动机速度估计仿真研究.pdfVIP

·电机技术 · 《电气应用》 年第 卷第 期 !# !$ % !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 基于!#$%神经网络的感应电动机 速度估计仿真研究 ! ! 肖金凤 李必文 赵宇红 （ 南华大学电气工程学院 南华大学机械工程学院 ） !# $!%%! # $!%%! 摘 要 针对传统’神经网络和转速估计方法的不足，提出了一种基于(’)*’神经网络 混合转速的辨识方法。仿真结果表明，基于(’)*’神经网络的混合速度估计器的矢量控制系统 收敛速度快，转速估计精度高，动静态性能好。 关键词 混合转速辨识 神经网络 模型参考自适应方法 (’)*’ 型参考自适应方法相结合。两种方法结合的原则： 引言 在转速给定发生变化时主要是直接计算方法起作 速度估计器是感应电动机无速度传感器矢量控 用，决定估计的转速；稳态时模型参考自适应估计 制系统的一个关键环节。自 世纪 年代起，国 方法起主要作用，决定估计的精度。 % -% 内外学者就在无速度传感器矢量控制系统速度估计 本文用增广 神经网络代替文献 ［］ (’)*’ + 方面做了大量研究工作，提出了许多速度估计方 中 调节器，采用神经网络瞬时无功模型混合转 ’) 案。但现有速度估计器一直存在低速和接近零速时 速估计方法，能有效解决瞬时无功功率模型参考自 ［］ 性能较差、动态性能不理想等缺点! 。 适应方法在转速给定为负阶跃时转速不稳定问 ［］ 为改善系统性能，许多学者将神经网络引入速 题/ ，转速估计精度高。 ［ ］ 度估计中.$ ， 网络因其简单、易行、计算量 混合转速估计方法 ’ ’( 小、并行性强等优点，在电动机控制系统中应用广 #!#! 转速辨识结构框图 泛。但也具有学习效率低，收敛速度慢；易陷于局 设计的瞬时无功模型混合转速辨识方法框图如 部极小状态；网络学习、记忆不稳定等缺点。针对 图 ! 所示。开环直接计算的转速估计值为 。神 ! ! 0! ’算法存在的收敛速度慢问题，曾提出了许多改