帮我找一篇中国知网的论文

留个邮箱。我给你写了几篇文章。

自动化仪表第2卷31第2期2010

上海市重点学科建设基金(编号:B504)资助。

修订稿收到日期:2009年8月26日。

第一作者熊翔，男，1984出生，现为华东理工大学控制科学与控制工程师。

工程硕士学位；主要从事先进控制和自适应控制研究。

基于MRAS的交流异步电机变频调速系统的研究

基于MRAS 2的交流异步电机变频调速系统的研究

熊兵军

(华东理工大学信息科学与工程学院，上海200237)

摘要:根据矢量控制的基本原理和方法，在基于转子磁场定向的旋转坐标系中，利用Matlab /Simulink模块构建了转矩、磁场和磁力控制系统。

链式闭环交流异步电机矢量控制系统的仿真模型。在此基础上，采用模型参考自适应方法来估计无速度传感器矢量控制系统的速度。

为了解决常规速度辨识器中参考模型易受积分初值和漂移影响的问题，对传统的MRAS方法进行了改进和仿真。

真的。仿真结果表明，该设计是可行的，计算速度能够很好地跟踪实测速度。

关键词:Matlab /Simulink MRAS矢量控制变频调速系统神经网络无传感器

中国图书馆分类号:TM343文献识别码:a。

文摘:根据矢量控制的基本原理和方法，利用Matlab /Simulink模块，建立了矢量控制的仿真模型

基于转子磁链定向旋转坐标系，建立了为交流异步电机提供转矩和磁链的控制系统。

在此基础上，采用模型参考自适应方法，研究了带有二号速度传感器的矢量控制系统的转速估计。在…里

另外，针对常规速度识别器中参考模型易受积分初始值和漂移影响的问题，

对传统的MRAS进行了改进，并进行了建模仿真。仿真结果验证了设计的可行性

计算的转速可以很好地跟踪测量的转速。

关键词:Matlab/Simulink模型参考自适应系统矢量控制变频调速系统神经网络速度传感器

0简介

随着电力电子技术的发展，交流异步电动机的控制技术

技术已经从标量控制转变为矢量控制。在矢量控制系统中

一般来说，速度的闭环控制是必不可少的。为了现实

目前，速度闭环控制和磁场定向通常使用速度传感器。

执行速度检测。速度传感器易于安装和维护。

受环境影响，严重影响了异步电机的简易性和廉价性。

性和可靠性。因此，无速度传感器的矢量控制系统成为

它是交流调速的主要研究内容。

目前，人们已经提出了各种速度识别方法来代替速度。

度传感器，如动态估计法、模型参考自适应法、扩展

卡尔曼滤波法、神经网络法等。其中模型参考适应

该方法具有稳定性好、计算量小的特点[1]。

基于转子磁场定向的矢量控制理论，研究了静止座椅下的转子磁场定向。

在标准系统中提出了一种基于模型参考自适应理论的速度方法。

推导了算法，并用Matlab /Simulink软件实现了系统。

模拟。

1交流异步电动机的矢量控制

根据用于定向的参数向量，向量控制可以

按转子磁场定向和定子磁场定向分为矢量控制。

目前广泛使用的是转子磁场定向的矢量控制方法。

一种基于[2]的高性能交流电机控制方法。

当两相同步旋转坐标系根据转子磁链定向时，应有

ψrd =ψr，ψrq = 0，即:

Te = np

光学显微镜

铹

isq

isd =

1 + Tr p

光学显微镜

ψr

ψr =

光学显微镜

1 + Tr p

IP服务设备；教学系统设计

λ =

光学显微镜

Trψr

isq ( 1)

其中:Lm =

三

m是d2q坐标系中定子和转子之间的同轴等效绕组。

组间互感；Lr =Lrl +Lm是d2q坐标系下的等效两相转子绕组。

群体的自我认知；λ是d2q坐标系相对于转子的旋转角速度；

p是导数算子，即p = d/dt；s代表定子；r代表转子；d

代表d轴；q代表q轴；m代表同轴定子和转子之间的互感；

Np是极对数；Tr =Lr /Rr是转子时间常数。

基于MRAS熊翔等的交流异步电动机变频调速系统研究

过程自动化仪表vol 131 no 12 2010

2变频调速系统的仿真模型

图1显示了交流异步电动机的无速度传感器矢量控制系统。

框图。该系统由电机、逆变器、磁链观测器和速度辨识器组成。

它是带有电流内环的速度和磁链的闭环矢量。

控制系统。

图1无速度传感器矢量控制系统框图

图1带2号速度传感器的矢量控制系统框图

基于矢量控制的变频调速系统仿真模型

实现步骤如下:首先，对三相坐标系中的异步电机定子进行电连接

流1a、1b和1c经历三相/两相(Clarke)转换，然后通过两相/

两相旋转(Park)变换用于在同步旋转坐标系d2q中获得电力。

流Id，Iq，然后模仿DC电机的控制方法得到DC。

电机的控制量，最后通过相应的坐标逆变换，实现

异步电动机的控制。其本质相当于交流电机

直流电机，分别用于速度控制、磁场(φr

Control)两个组件进行独立控制。通过控制转子磁链，

分解定子电流得到两个分量，转矩和磁场，然后坐下

尺度变换，实现正交或解耦控制[3]。

2.基于MRAS的1速度辨识

2.1.1基本模型参考自适应系统

实现转子磁链定向的矢量控制系统，磁链视图

测量很重要。在无速度传感器控制中，通常采用。

基于两相静止α2β坐标系的定子电压和定子电流电学

转子通量由压力模型估算[4-5]。根据两相静态坐标

根据异步电动机的基本方程，可以得到电压和电流。

转子磁通估算模型的两种形式。

电压模型计算如下:

ψrα =

铹

光学显微镜

[ ∫( usα - Rs isα ) dt - σLs isα ]

ψrβ =

铹

光学显微镜

[ ∫( usβ - Rs isβ ) dt - σLs isβ ] ( 2)

在计算电压模型值之后，基本模型参考是自适应的。

系统的当前模型计算如下:

pψrα =

光学显微镜

isα -

ψrα

- ωrψrβ

pψrβ =

光学显微镜

isβ -

ψrβ

- ωrψrα ( 3)

其中ψrα和ψrβ分别是两相静止α2β坐标系中的α轴和β轴。

轴的转子磁链；Isα和isβ是两相静止α2β坐标系中α轴的和。

β轴的定子电流；Usα和usβ是两相静止α2β坐标系中的α轴。

和β轴的定子电压；σ为漏电感。

参考模型和可调模型输出(转子磁链)之间的差异是固定的

含义:

e =ψr - ψ3

r ( 4)

基于波波夫的超稳定理论，推导了旋翼估计的自适应方法。

收敛速度为[6]:

ωr = kp +

基里巴斯

英(5)

式中:kp和ki分别为自适应结构PI调节器中的比例系统。

数字和积分常数。

基于MRAS的速度识别的具体步骤是:选择电压

该模型是参考模型，而当前模型是理想模型，因此构建模型。

参考自适应系统，选择合适的自适应律，制作可调模式。

模型的速度接近真实的电机速度。该方法的结构框图如下

如图2所示。

五十二个

基于MRAS熊翔等的交流异步电动机变频调速系统研究

自动化仪表第2卷31第2期2010

图2模型参考自适应系统框图

图2 ras的框图

自适应机制采用PI调节器，即选择比例积分为

适应性法则。在模型参考自适应系统中，参考模型应该

这是理想的，即公式(2)应该总是反映电机的实际情况。

状态。在这个等式中，定子电阻Rs是一个可变参数Rs

如果不准确，会对低频积分结果产生很大影响。此外，低

用滤波器代替纯积分环节可以有效克服积分器的

一些缺陷，如误差积累或DC漂移；但是在频率附近

或者低于截止频率，幅度和相位偏差会很严重。

影响通量估计的准确性。

2.1.2改进的模型参考自适应系统

模型参考自适应结构的优点是模型的输出不需要

就是实际的转子磁链，只要是与之相关的辅助变量。

因此，可以用一个新的辅助变量作为模型的输出来构造它的

他的MRAS速度识别法。

通过改进图2，我们可以得到相应的原理框图，如

如图3所示。

图3改进的模型参考自适应系统框图

图3 imp roved MRAS的框图

参考模型的定子电压矢量方程可以写成以下形式。

即:

光学显微镜

铹

dψrα

震颤性精神错乱（Delirium Tremens的缩写）

= usα - Rs是α - σLs ×

disα

震颤性精神错乱（Delirium Tremens的缩写）

光学显微镜

铹

dψrβ

震颤性精神错乱（Delirium Tremens的缩写）

= usβ - Rs是β - σLs ×

disβ

震颤性精神错乱（Delirium Tremens的缩写）

(6)

其中:Ls =Lsl+Lm为d2q坐标系下的等效两相定子绕组。

群体的自我认知。

在基于转子磁场定向的矢量控制中，等效电场是由等效电场计算出来的。

从道路上可以看出，εr =

光学显微镜

铹

dψr

震颤性精神错乱（Delirium Tremens的缩写）

转子磁链矢量感应发电

压力，所以公式(6)可以转换成:

εr

α =

光学显微镜

铹

dψrα

震颤性精神错乱（Delirium Tremens的缩写）

= usα - Rs是α - σLs ×

disα

震颤性精神错乱（Delirium Tremens的缩写）

εr

β =

光学显微镜

铹

dψrβ

震颤性精神错乱（Delirium Tremens的缩写）

= usβ - Rs是β - σLs ×

disβ

震颤性精神错乱（Delirium Tremens的缩写）

(7)

2.2速度控制模块

在实际系统中，由于系统状态和参数的变化等。

，过程中会出现状态和参数的不确定性，系统难以达到。

达到最佳控制效果。基于以上问题，本文采用RBF神经网络

PID控制器的参数由神经网络在线调整。根据

RBF神经网络的PID控制系统如图4所示。

图4基于RBF神经网络的P ID控制系统

系统的控制误差为:

e ( k) = r( k) - y ( k) (8)

PID的输入为:

x ( 1) = e ( k) - e ( k - 1)

x ( 2) = e ( k)

x(3)= e(k)-2e(k-1)+e(k-2)(9)

使用增量PID的控制算法的具体表达式为:

u(k)= u(k-1)+KP[r(k)-y(k)]+ki[e(k)]+

kd [ e ( k) - 2e ( k - 1) + e ( k - 2) ]

Du = kp [ r( k) - y ( k) ] + ki [ e ( k) ] +

KD[e(k)-2e(k-1)+e(k-2)](10)

神经网络调节性能指标函数是:

J ( k) =

[ r( k) - y ( k) ]2 ( 11)

通过梯度下降法，我们可以得到[7]:

δKP =-η

9kp

= - η

9Du

9kp

=ηe ( k)

9Du

x ( 1)

δki =-η

9ki

= - η

9Du

9ki

=ηe ( k)

9Du

x (2)

δKD =-η

9kd

= - η

9Du

9kd

=ηe ( k)

9Du

x (3)

(12)

其中η是学习率。受控对象的输出变为控制输入

灵敏度信息的雅可比矩阵信息算法如下:

9Du

≈

9yL ( k)

9Du

=∑

j = 1

ωj hj

中日韩文字

(13)

其中:hj是第j个隐层点的输出；Cji是高斯变换函数的中间。

心脏位置参数；Bj是第j个隐节点的高斯函数的宽度参数。

神经网络的结构是3-6-1，即输入层有三个节点。

点，隐层有6个节点，输出层有1个节点，学习率为

基于MRAS熊翔等的交流异步电动机变频调速系统研究

过程自动化仪表vol 131 no 12 2010

0.25，a = 0。05, β = 0.01，PID的初始值= [0。03, 0.001, 0.1],

初始权重= [3，4，1]，采样周期为0。001.因为RBF神

网络PID控制器如果简化，就不能直接用传递函数来描述

简单地应用Simulink来模拟它是不可能的。在这篇文章中，

RBF神经网络PID控制器采用Matlab中的S2函数。

现在[8]。

2.3扭矩控制模块和通量控制模块

转矩控制器和磁链控制器均采用PI控制算法，可以

获取:

智商

三

= kp ( T

三

e - Te ) + ki ∫( T

三

e - Te ) dt ( 14)

我

三

d = kp ( phir

三

- phir) + ki ∫( phir

三

- phir) dt (15)

其中:kp和ki分别为比例增益系数和积分增益系数。

2.4模拟结果和分析

利用上述仿真模型，对矢量控制变频调速系统进行了改进

模拟空载和恒速加载运行。当负载扭矩值为0时，

得到的异步电机定子电流、转速和转矩的仿真图如图5所示。

如图。

图5定子电流、速度和转矩的模拟图

图5电流、转速、

定子的扭矩

所选异步电动机的相关参数如下:额定数据为

41千瓦，380伏，4极，50赫兹，惯性矩J =1。662千克平方米，Rs =

0.087ω、Rr =0。228ω、Ls =Lr =0。8mH、Lm =34。7mH .

逆变器电流DC母线电压为780V转子磁通参考

该值为0。96Gb指定所有状态变量在强大的初始化。

条件为0，或者异步电机的初始条件为[1，0，0，0，

0，0，0，0]，以便电机可以在停止状态下启动。为了增加

仿真速度快，采用ode23 t仿真算法。

在电机启动阶段，磁链和电磁转矩处于上升阶段。

在初始空载状态下，电磁转矩最终下降到0。在t =

0 s，1 s，由于转速的原因，给定量从60 rad/s瞬间跳跃。

80弧度/秒，并且在启动时，转子速度已经稳定在0。5 s。

因此，稳态时定子电流在启动、转

当起动和给定速度指令改变时，转矩电流和电磁转矩可用。

系统自动调节下的超调量、转矩电流和电磁转矩

数量开始慢慢减少，趋于稳定。从模拟中可以看出，在

在控制系统采用的控制方法下，系统具有良好的

静态性能和动态性能，定子电流的正弦性好；并估计

速度稳态精度好，能准确跟踪电机速度的变化；

电机的机械角速度可以快速跟踪给定的机械角速度。

变，电机具有良好的起动性能。实际速度和识别

速度模拟图的比较如图6所示。

图6实际速度和识别速度的模拟图对比

图6实际转速和识别转速的比较

3结论

该模拟试验使用易于测量的电机定子电压和电流。

流，结合矢量控制和MRAS原理，实时识别电机转速。

通过理论分析和仿真研究，采用了模型参考自适应方法

估算交流异步电动机的转子转速具有计算量小、收敛速度快的优点。

仿真结果验证了系统的可行性和有效性。

参考

[1]cirricionem，PucciM。一种基于速度估计方法的MRAS 2

用于高性能感应电机驱动的具有线性神经元的od

及其实验[C]IEEE E2国际会议

电机和驱动器，IEMDC'03，2003 ( s1) : 617 - 623。

[2]陈·。电气传动自动控制系统[M]。版本2。北京:机械工业出版社。

社会，2004年。

[3]王忠立，段惠达，高玉峰。Matlab应用技术-电气工程与自我。

在动画专业中的应用[M]。北京:清华大学出版社，2007。

王庆龙，张崇崴，张行。交流电机无速度传感器矢量控制系统。

结构模型参考自适应速度识别[J].中国电机工程学报，2007，

27 (15) : 70 - 74.

戴宇星，王耀南，陈继达。基于DSP的模型参考自适应速度传输。

传感器矢量控制[J].信息与控制，2003，32 (6): 507-511。

刘兴堂。应用自适应控制[M]。Xi安:西北工业大学出版社，

2003.

[ 7 ]张明光，李文辉，刘满强。自适应PID控制

基于RBF神经网络辨识的策略[C]17 IEEE

2005年神经网络和大脑国际会议，

ICNN & amp；b，2005年:1854 - 1857。

刘进坤。先进PID控制及其Matlab仿真[M].北京:电子行业。

出版社，2003。

基于MRAS熊翔等的交流异步电动机变频调速系统研究