公式全截图.docVIP

神经网络在永磁同步电机直接转矩控制中的应用 摘 要 神经网络需要大量的培训去了解植物的模型或一个过程。有一些问题，例如学习速度、稳定性和重量收敛，仍然有许多研究和训练方法的比较。神经网络应用于国内的直接转矩控制永磁同步电动机的事情正在被讨论。永磁同步电动机使用神经网络来模拟DTC的状态选择器。神经网络利用反向传播和径向基函数网络，减少培训模式，增加了培训过程,开关表的输入转换为数字信号的执行速度,即,一位代表了通量错误,一点代表转矩误差,三位代表定子磁通的区域。计算机模拟电机和神经网络系统的使用提出了这两种方法和它们之间的比较。把神经网络和径向基函数作为最有前途的训练技巧的讨论,给出了它们的优点和缺点。使用神经网络和径向基函数网络控制器的系统，有较快的平行速度和高转矩响应。 关键词:国内永磁同步电动机；径向基函数神经网络；转矩控制；直接转矩控制 1 说明 神经网络的学习能力和逼近任意连续的功能是众所周知的。最近，神经网络系统在电力电子和控制系统中的应用呈现出好的前景。它提出了在文学方面，神经网络能被应用于参数鉴定和感应电机控制系统的状态评估。 室内永磁同步马达(IPMSM)被广泛的使用,因为它们能够提供稳定的使用可靠性、可控性和耐久性确保在高输出时有效的操作。特别是最近, 在连续输出操作方面,永磁同步电机作为高速解决方案引起了公众的关注,磁阻转矩的使用增强了它的效率。这样的电动机被用在许多领域,起于电动家用电器，最近随着高速数字处理信号的出现，在IPMSM驱动下,一个被称为直接转矩控制(DTC)的控制方法很受欢迎，在这个方案中,定子磁通和转矩的瞬时计算从只有主变量(定子电流和电压)。DTC在永磁同步电动机驱动器没有关注神经网络的实现。 四类DTC方案,尝试修改、提高DTC行为已经进化： 使用改进的比较器和原来计划的拓扑开关表不变； 解决方案实现DTC空间矢量调制的概念； 明确使用转矩和磁通控制系统变结构的控制方法； DTC方案基于模糊逻辑和神经网络计划； 永磁同步电动机是一个很难控制的非线性时间变化系统，因为状态变量是很难衡量的。所以，定子电阻变化所产生的温度变化是一个必须考虑的问题。　　神经网络因为自己的非线性本质，能够处理不同时间时的非线性。作者的目的是进行调查永磁同步电动机带有一个人工神经网络控制器的驱动操作。它是可能的，实际上去使用神经网络制器，将不敏感(如定子电阻变化)的系统参数和变化来利用学习能力的神经网络。下面讨论的研究表明，它可以一个通过神经网络来取代传统开关表。 本文提出了一种方法去比较两个类型的神经网络。这些都是反向传播和径向基函数。灵活的神经网络结构是用来实现DTC逆变器供电永磁同步电机驱动的系统的基础上的基本DTC的原则,个人培训策略用于神经网络控制器的设计。一个永磁同步电动机直接转矩控制驱动系统的神经网络和径向基函数提出了网络控制器,仿真显示，神经网络对于学习速度以及体重融合的问题 ,进行了两种讨论和比较。 2 IPMSM机方程 DTC显示最简单，永磁同步电动机的转矩控制的应用程序在工业转矩控制中是非常可取的。它需要一些不依赖运动参数估计的传感器。转换表中的输入是电磁转矩误差ET、定子通量误差Eφ和磁通角θ。逆变器开关表的输出是开关状态(SA,SB,SC)的方程，永磁同步电动机的转子参考系如下： 在特拉华大学,ud，uq是d轴和q轴的定子电压;id、iq是d和q轴定子电流;Rs是定子电枢电抗Ω,Ld Lq是直接正交电感H,ω为转子速度，电气符号是rad / s;T-电磁转矩N.m,Φs,Φf-定子和转子磁通链。 永磁同步电动机都有一定的的空隙,Ld = Lq,转矩方程如下： 其中δ是定子磁链的角速度,相对于磁铁磁链。 方程(2)意味着扭矩随内部控制范围δ的增加而增大,如果定子的振幅变化链接是保持不变,最大转矩发生当时，δ被认为是一个阶跃变化对应改变电压向量的导数.(2)变成 　 这个方程意味着扭矩的增大与增加角δ成正比,这是定子角度和磁通量之间的关系。用其他话说,应该是控制定子磁链这样的一种方式,振幅保持不变和尽可能快的转速控制，在实际的变化中获得最大转矩。 在表1中,φ和τ分别是磁链和转矩控制器滞后的输出。如果φ= 1,则小于实际磁链的参考价值，转矩也是如此。θ(1)?θ(6)是该区域编号，为定子磁通链接的位置。 室内永磁同步电动机，，转矩方程如下： Φs在恒定振幅条件下,通过区分公式(4)，对于时间、速度增加时，扭矩在t = 0时能够得到 根据公式(5),能够得到稳定的转矩控制，如果(6)和(7)满足 在这，a= 基于DSC 的IPMSMδ的控制，是通过一个转换表，通过选择加速或减速电压向量,周围的扭