现代交流调速系统第八章.ppt

（1）补偿控制器NNPIC 补偿控制器NNPIC是一个神经网络控制器PI控制器，其结构如8-15所示。PI控制器的传递函数为： 内模控制是从化工过程中发展起来的一种控制方法，具有很强的使用性，其突出的特点是不过分依赖被控对象的数学模型，对被控对象精度要求低，系统跟踪性能好，鲁棒性强。 8.3内模控制技术在异步电动机调速领域内的应用 8.3.1 内模控制的基本原理和特点 常规的反馈控制系统的结构如图8-5所示： 图8-5反馈控制系统的结构框图 图8-7内模控制结构图 图8-8等效反馈控制结构图 内模控制具有如下特点： 根据图8-6有： 8.3.2 定子电流的内模解耦控制 在按转子磁场定向的M-T坐标系下，根据电压方程式，有： 异步电动机的传递函数的零点都处于s平面的左半平面，并且在高频下近似为一阶系统，如下： 图8-9定子电流内模解耦控制系统的结构框图 当电动机运行时，电动机参数发生变化（特别是转子电阻（Rr）随电动机温度变化较大，最高约有50%Rr）。因此，在系统运行中，随着电动机参数的变化不断修正设定的磁场定向坐标，使之与实际的磁场定向坐标相一致，才能保证这类系统有永久的优良性能。 8.4 具有参数自校正功能的转差型矢量控制系统 （1）前馈矢量控制方式的问题 系统的鲁棒性差。 （2）参数自校正方法及实现 辨识结果依赖于负载，对此作出如下修正： 因为： 相关证明见教材。 8.5.1 异步电动机的神经网络模型参考自适应控制方法 神经网络控制技术的优点是可以利用神经网络的学习能力，适应系统的非线性和不确定性，使控制系统具有较强的适应能力和鲁棒性。 8.5智能控制方法在异步电动机调速系统中的应用 1.神经网络参数估计器 在按转子磁链定向的同步旋转坐标系中，异步电动机的转矩方程为： 考虑摩擦对系数的影响，电气传动系统的运动方程为： 由上面的式子可以得到： 图8-13 神经网络辨识器的结构框图 2.神经网络模型参考自适应调速系统 神经网络模型参考自适应调速系统框图如图8-14所示，其设计目标是使转子转速 跟踪给定 值。 图8-14感应电动机的神经网络模型参考自适应调速系统框图 参考模型的作用是为训练NNPIC提供参考目标，希望在NNPIC的作用下系统的动态特性逼近参考模型的动态特性。 8.2.1 逆系统控制方法的理论基础 记描述该映射关系的算子为： 使用逆系统方法对控制对象进行解耦线性化的一个基本前提是原系统是可逆的，即原系统存在 阶逆系统。在讨论非线性系统可逆性条件之前，需要给出系统相对阶的定义。 考虑用以下状态方程描述的一般非线性系统： 如果， （2）q×p阶矩阵 8.2.2 交流电动机动态模型的可逆性及其逆系统 在二相静止坐标系上，异步电动机的动态模型可以用以下5阶微分方程来描述： 输出方程为： 状态变量为： 输入变量为： 输出变量为： 为了采用逆系统的方法实现转子转速和转子磁链的动态解耦控制，首先要判断数学模型的可逆性。从上述式子可知，异步电动机动态模型的输入向量维数为2，输出向量的维数为，是一个方系统，因此有： 上式中： 因此可以求得： 为了得到解耦控制律，下面求 α阶逆系统的输入、输出关系。 解这两个方程得到： 将α 阶逆系统串联在异步电动机模型之前，得到线性化解耦的伪线性系统，如图8-2所示。 图8-2异步电动机与其 阶逆系统串联组成的伪线性系统 8.2.3 闭环控制器的设计 基于逆系统控制方法设计的异步电动机变压变频调速系统的结构框图如图8-3所示。 图8-3异步电动机逆系统控制方法结构图 图8-4 控制系统的等价结构 a) 转速子系统 b) 磁链子系统 逆系统控制方法的主要优点是： 1）采用逆系统控制方法可以将异步电动机解耦成转速和转子磁链二阶线性子系统，实现了转速和磁链的动态解耦控制； 2）对两个解耦的线性子系统，可以运用简单的控制理论对转速调节器和磁链调节器进行设计，简化了调节器的设计方法。 内模控制是从化工过程中发展起来的一种控制方法，具有很强的使用性，其突出的特点是不过分依赖被控对象的数学模型，对被控对象精度要求低，系统跟踪性能好，鲁棒性强。 8.3内模控制技术在异步电动机调速领域内的应用 交流调速部分  第八章 交流调速系统的控制策略 近年来，随着电力电子技术和现代控制理论的发展，出现了许多具有应用前景的新型交流调速系统控制策略， 本章选择了4种具有代表性的控制方法进行比较详细的介绍： 》交流电动机的逆系统控制方法。 》内模控制方法在异步