论文部分内容阅读
矢量控制技术的出现,使异步电机在工业领域和日常生活中得到了更广泛的应用。矢量控制技术在速度控制和转矩控制方面使得交流调速系统可与直流调速系统的性能相媲美。但是,由于交流控制系统本身的非线性、结构的复杂和电机参数变化会影响控制性能,传统的PID控制系统无法克服这些影响。
本文将神经网络与模型参考自适应相结合的速度估计代替传统的速度传感器,同时把滑模变结构控制引入异步电机的矢量控制,来实现对电机的高精度控制,减弱甚至消除电机参数对控制性能的影响。由于神经网络具有很多优点(诸如自学习、自适应性、超强的非线性逼近和泛化能力,不依赖于系统模型的精确性等),论文提出了一种基于三层神经网络的模型参考自适应转速估计,该网络有输入层、隐含层和输出层,这样使其有较高的速度估计的精度。在Matlab下的仿真结果表明,基于三层神经网络的模型参考自适应转速估计的方法无论在高速区和低速区都具有很高的速度估计精度。
在此基础上,本文对异步电机的滑模变结构控制进行了有益的探索。滑模变结构控制是一种非线性控制方法,对系统的参数变化和扰动具有很好的自适应性,尤其对于模型不确定的系统,具有较好的稳定性和鲁棒性。针对异步电机的参数时变、非线性、多变量、强耦合的特性,在此设计了一种滑模变结构电流控制器,实现交流电机的速度实时高精度控制。仿真结果表明,与常规的PID电流滞环控制相比,其具有更快的响应速度和更强的鲁棒性。