基于RBF神经网络-滑模观测器的PMSM无传感器矢量控制.pdfVIP

测控技术

计算机与控制系统丨2019年第38卷第2期•137*

基于RBF神经网络-滑模观测器的PMSM

无传感器矢量控制

孙一品，丁学明

(上海理工大学光电信息与计算机工程学院，上海200093)

摘要：为了解决传统滑模观测器方法应用在永磁同步电机无传感器矢量控制时所产生的抖振问题，使用

RBF神经网络动态调节观测器的切换增益，即使其输入为传统滑模估计方案中的电流估计误差，输出

为滑模增益；同时为了简化系统结构、提高方案可行性，将RBF神经网络设计为单输入单输出的结构，

并将网络的学习和工作过程融合，使其在自身网络参数的不断优化中实时输出滑模增益，以增强系统鲁

棒性。最后通过Matlab/Simulink软件对该系统进行建模仿真，并将该方法与传统滑模观测器方法进行

对比。实验结果表明，该方案能够为矢量控制提供更加准确的转子位置及速度信息，提高了整个电机控

制系统的稳定性。

关键词！RBF神经网络;滑模观测器；无传感器矢量控制；永磁同步电机

中图分类号:TM341TP273文献标识码：A文章编号！1000-8829(2019)02-0137-05

doi:10.19708/j.ckjs.2019.02.029

SensorlessVectorControlforPMSMBasedonSlidingModeObserver

IntegratedwithRBFNeuralNetwork

SUNYi-pin,DINGXue-ming

(SchoolofOptical-ElectricalandComputerEngineering,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China)

Abstract:Inordertoattenuatethechatteringphenomenonintraditionalslidingmodeobserver(SMO)andsen­

sorlessvectorcontrolofPMSM,ametliodwhichadaptivelyadjustsgainoftlieobserverbymeansofRBFneural

networkwasproposed,sotheinputissettobethecurrenterrorandtheoutputistheswitchgainofSMO.For

purposeofsimplifyingstructureofsystemandenhancefeasibilityoftheproposedmethod,asingle-inputand

trainingandworkingofthenetworkhasbeenintegratedtomeetdemandsofreal-timework,whichmeanwhile

enhancestherobustnessofthesystem.Lastly,