中文翻译-感应电机无速度传感器的直接转矩控制系统.docVIP

感应电机无速度传感器的直接转矩控制系统 摘要 在传统的直接转矩控制系统中, 因为定子电阻的影响,定子电阻和定子通量不能准确,。此外,速度传感器都有其不足之处。本文论述了这些问题,提出了一种新的方法。全速范围内准确的定子和转子磁通在采用新的磁通观测器基础上,采用神经网络识别电机的转速。在此方法中，获取精确的磁通目标值以及对NN变得更简单，不需要离线操作, 电机运行后，通过简单快速的计算，神经网络可以在线检测，并获得正确的鉴定结果。最后，对实验结果进行分析。 关键字 直接转矩，定子磁链，神经网络，无速度传感器 1 说明 电机转速通常是被定义为速度传感器在调速系统。使用传感器不仅降低系统可靠性,而且也会增加系统的成本。因此关于无速度传感器技术这项研究就成为了一个比较热门的课题。基于转子磁链方程的异步电动机,文献[1][2]提出一个模型参考自适应方法构造速度观测器。在这些方法中的参考模型是依赖于电机参数的，参数的精度影响电机转速直接识别。通过利用良好的模仿能力的神经网络非线性功能时，[3][4]提出了一种方法来实现的速度鉴定。但这种方法仍然需要大量的样本数据离线训练神经网络。 神经网络(NN)提出了两个主要特点。就是没有必要建立特定的输入-输出关系. 但它们配合通过一个学习的过程，或通过一个自适应算法。此外，他们有速度极快的优势并行计算，免于输入谐波波动和容错特性[5][6] 。 本文在DTC系统中提出了两种分层神经网络构造速度识别单元。根据所要求的数值之间的误差和转子磁通观测值，该算法能调节权重的网络上线，实现速度辨识PI控制器是用来抵消由于改变电压在定子电阻和计算的纯积分产生的误差。这种方法下的神经网络的配置是非常简单的，不需要脱机操作。 2 控制系统的介绍 图l是系统的结构框图。图1是系统的框图。根据在逆变器中反馈的电机电流、磁链和转矩的标识符分别提供了准确的通量和速度识别单元和控制单元通过实时检测,神经网络速度标识输入所需的值，转子磁通调节权重连续的网络，调使识别速度匹配它的实际值。 DTC控制单元，用于控制开关状态的逆变器，逆变器的电压源交流 - 直流 - 交流逆变器。在任意两相坐标中异步电机的数学模型如下： (1) (2) (3) (4) Us,Ur是定子和转子电压矢量，Is, Ir是定子和转子的电流矢量s，r是定子和转子磁链，是转速的坐标轴，是电机转速，Rs,Rr是定子和转子电阻并且Rs≥Rr。Ls,Lr分别是定子和转子自感系数, ,Lm是互感,S是不同的微分算子。电机的电磁转矩为： (5) 图1 系统框图 3 磁通目标值识别 图2 速度辨识框图 3.1 神经网络磁通鉴定单位 在异步电机中的转子磁通方程如下： (6) 其中 I=[1 0、0 1]T,J =[0 1 1 0]T,Tr = Lr / Rr是转子时间常数。 (7) 其中T是采样周期,那么转子离散化 (8) 方程(8)指出了,,的作用,然后神经网络可以用来映射这个函数。在图-3中的是一个两层前馈由三个输入端口Xl,X2,X3和一个输出端口没有隐藏的权重网络。且代表网络权重。因此NN转子的磁通观测器可调节的建立[9]。网络拓扑结构是图3所示 图3前馈网络的拓扑结构 3.2 弗拉格目标价值鉴定单位 该装置包括磁通电流模型和磁通电压模式，其输出是定子和转子磁通。 PI控制器用于补偿两种型号的磁通误差，所以以准确识别通量，在坐标上输入目标价值识别单元的通量是定子电压和电流矢量。单位包括通量电流模型和通量电压模型,和它的输出是定子和转子磁链。PI控制器用于补偿两种模型的通量误差,所以它能准确识别通量, 准备好转矩和磁通控制和速度鉴定通量的目标价值识别单元。 从(2)和(4)中当前电流模型的电机通量，以及基于转子同步旋转导出坐标可以获得: (9) 是定子在M-T轴上的电流分量