直接转矩控制系统参数辨识优化及DSP实现

论文摘要

本文系统的介绍了直接转矩控制的现状及发展情况,并对直接转矩控制的基木理论进行了详细的介绍,进而提出了基于群体智能算法的参数辨识方法,通过仿真和实验证明了其有效性。直接转矩控制技术作为一种新颖高效的交流调速技术,具有结构简单、动态转矩好、鲁棒性好和易于数字化控制等优点,但还是存在着理论和实践上的不成熟,如低速性能差、转矩脉动大等缺陷。其中系统关键参数的观测对改善系统的性能尤为重要,而智能控制方法的发展为系统参数辨识提供了一条新的途径。论文结合智能控制理论和直接转矩控制技术,提出了基于改进粒子群优化算法优化的BP神经网络构造的磁链观测器和转速辨识器,改进了直接转矩控制系统中的参数观测方法。BP神经网络以往的算法存在着收敛速度慢、精度低等缺点,粒子群优化算法作为一种新兴的群体智能优化算法,用来优化BP神经网络的权值、阈值,可以明显提高神经网络的收敛速度及精度,优化后的神经网络能够快速有效地辨识系统参数。实验采用电动机控制专用DSP芯片TMS320F240,功率器件采用目前最先进的智能功率驱动模块IPM,其内置的保护电路大大提高了系统的可靠性。对构造的磁链观测器进行实验验证,结果证明了该方案对直接转矩控制系统参数辨识的可行性和有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 交流调速技术的发展
• 1.2 直接转矩控制技术的发展及研究现状
• 1.2.1 磁链观测
• 1.2.2 转矩控制
• 1.3 无速度传感器技术在直接转矩控制系统中的应用
• 1.4 全数字化控制系统
• 1.5 智能控制在直接转矩控制中的应用与优化
• 1.6 本课题的研究意义和内容
• 1.6.1 课题的研究意义
• 1.6.2 论文的研究内容
• 第二章 直接转矩控制的基本原理
• 2.1 异步电动机的数学模型分析
• 2.2 坐标变换
• 2.3 逆变器的电压状态及空间矢量
• 2.4 直接转矩控制的基本原理
• 2.4.1 定子磁链的控制
• 2.4.2 电磁转矩的控制
• 2.4.3 定子磁链与转矩的协调控制
• 2.5 本章小结
• 第三章 智能控制及优化算法的研究
• 3.1 智能控制与神经网络的发展
• 3.1.1 智能控制的出现与发展
• 3.1.2 BP神经网络
• 3.1.3 BP神经网络的常见改进方法
• 3.2 粒子群优化算法对BP神经网络的优化
• 3.2.1 标准粒子群优化算法
• 3.2.2 改进PSO算法
• 3.2.3 改进PSO算法对BP神经网络的优化
• 3.3 本章小结
• 第四章 智能算法在直接转矩控制中的应用
• 4.1 新型转速辨识器的研究
• 4.2 新型磁链观测器的研究
• 4.3 MATLAB仿真实现
• 4.3.1 MATLAB/Simulink软件简介
• 4.3.2 直接转矩控制系统的仿真模型
• 4.4 系统仿真结果与分析
• 4.5 本章小结
• 第五章 基于TMS320F240的系统硬件电路设计
• 5.1 控制系统的总体设计
• 5.2 TMS320F240芯片概述
• 5.2.1 DSP内核
• 5.2.2 存储器
• 5.2.3 外设功能模块
• 5.3 主回路硬件电路设计
• 5.3.1 整流电路
• 5.3.2 滤波电路
• 5.3.3 能耗制动电路
• 5.3.4 逆变电路
• 5.4 控制回路硬件电路设计
• 5.4.1 模拟信号接口电路
• 5.4.2 数字信号接口电路
• 5.4.3 串行通信接口电路
• 5.5 本章小结
• 第六章 系统软件设计
• 6.1 编译开发软件CCS介绍
• 6.2 系统软件结构
• 6.2.1 主程序设计
• 6.2.2 子程序、中断服务程序设计
• 6.3 数据的处理与计算
• 6.3.1 两相电压的计算
• 6.3.2 两相磁链及磁链幅值的计算
• 6.3.3 电磁转矩计算
• 6.4 本章小结
• 第七章 实验结果与分析
• 7.1 实验结果
• 7.2 实验分析
• 第八章 结论
• 参考文献
• 在学研究成果
• 致谢