基于小波网络的异步电机矢量控制系统研究

论文摘要

矢量控制技术已被广泛地应用于高性能异步电机调速系统中。然而,由于在实时控制中存在严重的外部干扰、参数变化和非线性不确定因素,因此基于精确电机参数的准确解耦很难实现,并且磁通和转矩的动态性能也受到严重的影响。为了实现异步电机高性能的无速度传感器矢量控制,必须准确知道电机转速和转子磁链等参数,基于这一点,本文提出了用小波神经网络(WNN)的方法,来构造对转子磁链和转速进行辨识的小波神经网络系统参数辨识器,阐述了小波神经网络的结构并对小波神经网络的算法进行了认真研究。本文从异步电机模型出发,构造了具有小波神经网络辨识器的矢量控制系统仿真模型,从仿真结果可以看出,采用小波神经网络的转速辩识器代替矢量控制系统中的速度传感器,实现矢量控制系统无速度传感器的方案是可行且有效的,同时,矢量控制系统的转子磁链辨识器加入小波神经网络其低速性能还有明显改善。本文对无速度传感器矢量控制系统的接口电路进行了研究,主要包括实现小波神经网络辨识算法的数字信号处理器(DSP)系统开发和六边形磁链轨迹控制PWM方法。通过本文的研究,有理由确信小波变换与神经网络等智能技术的相互交叉、相互渗透,将给无速度传感器矢量控制系统的最终稳定运行和准确控制奠定可靠基础。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 异步电机主要控制方法及其优缺点
• 1.1.1 恒压频比控制
• 1.1.2 磁场定向矢量控制
• 1.1.3 转差矢量控制
• 1.1.4 直接转矩控制
• 1.2 无速度传感器矢量控制技术的国内外研究现状
• 1.2.1 基于模型参考自适应系统的转速估计
• 1.2.2 基于扩展卡尔曼滤波算法的状态估计
• 1.2.3 基于神经网络的转速估计方法
• 1.3 本论文的主要工作
• 第二章 矢量控制系统组成及原理
• 2.1 矢量控制的基本原理
• 2.1.1 矢量坐标变换坐标系
• 2.1.2 坐标变换关系
• 2.2 异步电动机的数学模型
• 2.2.1 异步电动机在A-B-C静止坐标系下的数学模型
• 2.2.2 异步电动机在α-β静止坐标系下的数学模型
• 2.2.3 异步电动机在d-q旋转坐标系下的数学模型
• 2.3 基于转子磁场定向的异步电机矢量控制系统
• 2.4 空间电压脉宽调制（SVPWM）技术的基本原理
• 2.4.1 基本电压控制矢量
• 2.4.2 磁链轨迹的控制
• 0和T₇计算'>2.4.3 T₀和T₇计算
• 2.4.4 扇区号的确定
• 2.4.5 SVPWM的控制系统仿真
• 2.5 本章小结
• 第三章 小波网络的研究
• 3.1 小波网络的发展
• 3.2 小波分析的基础
• 3.3 小波网络的特点与应用
• 3.4 小波网络基本模型及结构与选择
• 3.5 小波网络的算法
• 3.5.1 算法的改进
• 3.5.2 算法的仿真验证
• 3.6 隐层与隐层节点的选择
• 3.7 网络参数的初始化
• 3.8 本章小结
• 第四章 基于小波网络的异步电机无速度传感器矢量控制系统
• 4.1 利用小波网络进行磁链和转速估计
• 4.2 仿真及分析
• 4.2.1 空载启动实验
• 4.2.2 负载、空载转速跳变及弱磁调速实验
• 4.3 仿真结果分析
• 4.4 本章小结
• 第五章 矢量控制系统的硬件电路和软件设计
• 5.1 系统硬件设计及基本构成
• 5.1.1 主电路
• 5.1.2 DSP控制系统
• 5.1.3 SVPWM波形的产生
• 5.1.4 控制回路
• 5.1.5 开关电源
• 5.1.6 整流电路
• 5.1.7 逆变电路
• 5.1.8 液晶显示
• 5.1.9 保护电路
• 5.2 软件设计
• 5.2.1 主程序
• 5.2.2 初始化程序
• 5.2.3 中断处理子程序
• 5.2.4 功能模块子程序
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 全文工作总结
• 6.2 进一步工作展望
• 参考文献
• 致谢
• 攻读硕士学位期间的主要研究成果