论文部分内容阅读
由于异步电机的多变量、非线性、强耦合、时变动态性及一些变量不可测等原因,使得异步电机的控制比较困难而复杂。矢量控制的提出替代了传统的电压与频率之比恒定的控制控制方法,大大提高了电机的动态控制效果;但是在电机参数变化、外部负载扰动和对象未建模等情况下,电机的控制性能易受到影响。本文在对一种递归神经网络结构及算法研究的基础上,利用递归神经网络在非线性、不确定性系统控制和辩识等方面优越的性能,构建了一种神经网络PID与递归网络辩识器结合的矢量控制方法,使控制系统具有较强的自适应能力和抗干扰能力。本文主要分为两部分:第一部分,简单介绍了神经网络的发展和异步电机的模型,同时在异步电机定子磁场定向矢量控制的基础上,提出了一种递归神经网络自适应控制技术,并应用在定子磁场定向的矢量控制中。对前后两种模型分别进行了仿真,对各自仿真结果做了分析。最后得出结论:恰当的递归神经网络系统可以方便应用在自适应控制的非线性动态电机模型中,并使其性能得到提高。第二部分,首先叙述了电机控制系统的主要软硬件设计,对基于TMS320F240芯片的电机控制平台的软件编写以及硬件构建做了比较全面的介绍。其次本文重点对功率逆变部分的硬件进行了设计和制作,其中包括功率模块的驱动电路、三相输入开关电源的设计电路及电流、电压、光电编码器等检测电路。最后对硬件调试中遇到的问题和硬件的性能给出了具体的分析。