论文摘要
异步电机的数学模型是一个高阶、非线性、强耦合的多变量系统,对其最有效的控制首推70年代提出的矢量控制技术。矢量控制技术的提出,使交流传动系统的动态特性得到了显著的改善,是交流传动控制理论上的一个质的飞跃。而在现代交流传动系统中,为了达到高精度转速闭环控制,一般用安装在电机轴上的传感器如光电编码器等来测量转子速度。然而,编码器的安装会给系统带来一系列问题:系统成本大大增加;破坏了异步电机简单坚固的特点;增加了系统转动惯量等。由于速度传感器的安装存在以上缺点,并且有的场合根本无法安装转速传感器,而无速度传感器矢量控制仅需要测量电机的端部电压和电流,用这两个量推测出转子速度和转子磁链,来实现感应电机的矢量控制,消除了因传感器而带来的成本和可靠性问题,已成为交流传动技术的一个发展方向和研究热点。人工神经网络是由人工神经元互连组成的网络,它具有自学习、自适应、信息的并行处理能力等特性,已广泛用于自动控制的各个领域,如模式识别、信号处理等,从已经取得的研究成果来看,人工神经网络的发展具有强大的生命力。但目前还存在一些问题,如智能水平不高,网络分析与综合的一些理论性问题(如稳定性、收敛性的分析)还未得到很好的解决等。但随着人们对大脑信息处理机理认识的深化,以及网络智能水平的提高,人工神经网络必将在更多的领域发挥作用。本文将首先设计带速度传感器的异步电机矢量控制模型,并对其进行仿真研究。之后在比较多种速度估计方案的基础上,提出采用神经网络来估计转子转速,实现无速度传感器矢量控制。用BP网络和RBF网络分别对仿真数据采样建模,对比分析,证明所提方案的可行性。最后探讨了在现有条件下,神经网络硬件实现的必然性与可行性,并尝试设计了硬件实现原理框图。