開(kāi)關(guān)磁阻電機(jī)柔性神經(jīng)網(wǎng)絡(luò)控制策略研究.pdf

1、開(kāi)關(guān)磁阻電機(jī)驅(qū)動(dòng)系統(tǒng)(Switched Reluctance Motor Drive，SRD)因其制造成本低、維修率低、容錯(cuò)能力強(qiáng)、在較廣的調(diào)速范圍內(nèi)輸出轉(zhuǎn)矩大等優(yōu)勢(shì)，在電氣傳動(dòng)領(lǐng)域具有廣闊的發(fā)展前景。然而，由于開(kāi)關(guān)磁阻電機(jī)(Switched ReluctanceMotor，SRM)定、轉(zhuǎn)子的雙凸極結(jié)構(gòu)及其特殊的供電方式，其驅(qū)動(dòng)系統(tǒng)具有兩大不足：位置傳感器的存在不僅削弱了開(kāi)關(guān)磁阻電機(jī)結(jié)構(gòu)簡(jiǎn)單的優(yōu)勢(shì)，而且降低了系統(tǒng)高速運(yùn)行的可靠性，增加了

2、成本；在采用傳統(tǒng)的矩形脈沖供電模式下，電機(jī)轉(zhuǎn)矩有明顯的波動(dòng)。因此，無(wú)位置傳感器控制和轉(zhuǎn)矩波動(dòng)抑制成為開(kāi)關(guān)磁阻電機(jī)研究領(lǐng)域中的重要內(nèi)容。 開(kāi)關(guān)磁阻電機(jī)的電磁特性具有高度非線性，采用常規(guī)方法難以對(duì)其精確建模，人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)為非線性系統(tǒng)建模提供了一種有效方法，但傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、訓(xùn)練速度慢，且存在局部極小值問(wèn)題，很難滿足復(fù)雜系統(tǒng)中實(shí)時(shí)控制要求。柔性神經(jīng)網(wǎng)絡(luò)(Flex

3、ible NeuralNetwork，F(xiàn)NN)可彌補(bǔ)傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)諸多不足，由其建立的網(wǎng)絡(luò)模型具有結(jié)構(gòu)簡(jiǎn)單，學(xué)習(xí)效率高，泛化能力強(qiáng)等優(yōu)點(diǎn)，可將其應(yīng)用于開(kāi)關(guān)磁阻電機(jī)驅(qū)動(dòng)系統(tǒng)的智能控制中。 本文首先研究了開(kāi)關(guān)磁阻電機(jī)的基本理論及其非線性數(shù)學(xué)模型，并在MATLAB/SIMULINK仿真環(huán)境下建立了四相(8/6極)開(kāi)關(guān)磁阻電機(jī)及其驅(qū)動(dòng)系統(tǒng)的動(dòng)態(tài)仿真模型。在此基礎(chǔ)上，研究基于柔性神經(jīng)網(wǎng)絡(luò)開(kāi)關(guān)磁阻電機(jī)的智能控制策略。在無(wú)位置傳感器控制方法

4、的研究中，通過(guò)建立一個(gè)柔性神經(jīng)網(wǎng)絡(luò)，完成由電機(jī)繞組的各相電流、磁鏈到轉(zhuǎn)子位置角之間的非線性映射，將離線訓(xùn)練好的網(wǎng)絡(luò)用于估算轉(zhuǎn)子位置角，從而實(shí)現(xiàn)無(wú)位置傳感器控制：在轉(zhuǎn)矩波動(dòng)抑制方法的研究中，由柔性神經(jīng)網(wǎng)絡(luò)完成電機(jī)期望轉(zhuǎn)矩、轉(zhuǎn)子位置到期望的優(yōu)化電流之間的非線性映射，并將電機(jī)電流與期望電流相比較，通過(guò)電流滯環(huán)控制，使注入繞組的電流隨著期望電流變化，從而抑制因非理想電流波形引起的轉(zhuǎn)矩波動(dòng)。 仿真結(jié)果表明，柔性神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度大大高于傳