基于复合观测器的永磁同步电机位置估计及控制

来源 :太原科技大学 | 被引量 : 0次 | 上传用户:ytx200909
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对永磁同步电机无传感器技术设计了反电势观测器。对存在电流测量误差的情况下,提出了一种复合观测器设计方法。通过调节闭环系统中观测器参数,保证了所设计观测器的有效性。分析了存在测量误差环境下复合观测器的鲁棒性,并基于复合观测器在速度环PI调节器中搭建了模糊PI控制。论文具体研究工作如下:(1)为了得到电机的位置信号和速度信号设计了反电势观测器。根据电机实际数学模型构造电机参考模型,利用得到的误差信号激励出反电势特性。设计非线性观测器估计与反电势频率相关的常数标量,构建辅助滤波器对反电势进行重构。该观测器设计方法结构简单易于分析,反电势观测值仅涉及一个参数未知频率的求取,很大程度上削弱了抖振使谐波含量更少,进一步提高了反电势观测精度。(2)针对电流采样过程的电流测量误差值,提出了一种复合观测器设计方法。引入参考模型得到包含反电势特性的误差信号,并将其分解为标准误差信号及测量误差值。构造改进辅助滤波器将标准误差信号表示为与辅助变量相关的参数形式,实现标准误差信号和测量误差的分离。根据标准误差信号估计值设计反电势观测器。通过调节观测器参数保证复合观测器的鲁棒性。(3)首先验证了测量误差环境下复合观测器的鲁棒性,可以保证位置估计和坐标变换矩阵误差的有界性,进而将问题转换为闭环矢量控制系统设计问题。基于复合观测器构造模糊PI控制器。仿真结果表明模糊PI控制实现了参数自整定,具有更高的稳定性和优越的动态性能。
其他文献
随着电力系统中的谐波污染日趋严重化,引起了一股国内外研究和治理谐波的热潮。为了对电网谐波进行选择性补偿,本文侧重于对以下两部分内容的研究:第一,对谐波检测的研究。本文提出了一种基于对偶观测器理论的新型谐波电流检测方法,达到了对特定次谐波检测实时性和准确性的要求,并为传统的谐波检测方法提供了一种新思路;第二,对谐波电流跟踪控制的研究。本文针对谐波电流跟踪控制设计了一种基于多重PR控制的空间电压矢量变
井下矿工工作后,为了除去井下工人衣服上的煤尘,尽量减少煤尘被携带至井上的行人通道及工人生活区域,同时也应避免煤尘进入空气污染环境,因此设计了负压除尘集尘装置,其中除尘系统和集尘系统是重要的两个组成部分,它们的结构会影响装置的工作效果。本文以实体建模为基础,运用计算流体力学软件,并考虑实际情况建立吸尘口、集尘箱以及管道系统的结构模型,导入ICEM中划分网格,然后运用Fluent单相、离散相模型,采用
随着国民经济的飞速发展,为了确保配电系统安全平稳运行,实现电力系统自动化、智能化的发展,对电力物联网的研究显得至关重要。低压断路器作为配电系统各种保护设备中重要的一员,有着举足轻重的地位。同时,在智能电网以及泛在电力物联网的建设过程中,为了顺应电力市场智能服务化趋势,满足用户对智能设备的需求,断路器的智能化研究也显得尤为重要。经过对国内外智能低压设备的研究,本文提出了智能低压断路器设计及运行服务平
随着化石能源的消耗,风能和光能等可再生能源以及电动汽车等新型负载正在迅速发展。为适应各种新型源荷(风、光等可再生能源及电动车等新型负荷)的发展,全球各国针对性提出能源互联网的概念,而能量路由器作为能源互联网的基础设备,肩负着不同形式、等级电压转换以及能量管理的重要任务。因此,多端口能量路由器的研究、分析和设计具有重要的现实意义和应用价值。论文基于五端口能量路由器拓扑结构进行分析,研究了各端口控制策
脑的电生理活动信号的采集区域一般位于大脑颅腔内或大脑头皮,采集精度差、信号识别率低是脑机接口(BCI)研究面临的主要挑战。目前BCI的信号采集主要分为侵入式和非侵入式,但侵入式BCI手术风险大,且在术后容易引起免疫反应和愈伤组织。非侵入式BCI因其采用头皮脑电信号(EEG),具有无创性、良好的时间分辨率、便携性和成本较低等特点,已成为BCI技术的研究热点。在非侵入式BCI中,运动想象BCI需要对被
工业数字化时代下为了打通设计与生产间的数据流并缩短设计生产周期,实现整个电气设计过程的规范化和流程化,以集成整合和自动化为主要特征的智能设计技术已逐渐成为电气设计主流。本次针对以往CAD面向符号的设计方式,以φ50mm穿孔机控制系统为例给出了一套面向部件的智能设计方法,本文主要工作如下:首先本文对传统和ESIA原则优化后的控制系统设计流程进行了对比介绍并从原理图设计与3D布局两方面阐述了优化后设计
大规模MIMO是提升5G频谱效率的关键技术之一。然而大规模MIMO系统天线数的增加,使得传统信号检测器难以在良好的性能与复杂度之间取得平衡。深度学习的深层网络结构使其具备强大的数据学习能力。对此,本论文研究了深度学习技术在大规模MIMO信号检测中的应用,具体的研究工作及创新点如下:第一,改进了Det Net检测网络的结构以提升检测性能。首先,深入分析了Det Net的检测原理,采取去除冗余输入项的
公共安全是国家和社会稳定的基石。近年来,随着城市人口的迅速增长,因密集人群相互拥挤所诱发的拥堵踩踏事故时有发生,不仅给社会带来巨额经济损失,而且对人们的生命造成严重威胁。因此在突发事件时,如何确保大量聚集人群迅速、有序、安全疏散是亟需解决的重大问题。本文在现有行人流元胞自动机模型的基础上,针对环境中存在吸引源情况,考虑吸引源的数量、行人结伴行为以及环境中出口设置不同等因素,分别建立了相应的基于移动
滚动轴承是旋转机械的重要部件,由于机械部件集成度高,轴承故障监测系统的采样点和采样周期不断增加,处理大量数据的能力已经成为现代故障诊断方法的必要要求。传统的机器学习故障诊断模型为浅层网络结构,若模型输入特征表示不足,可能会导致误诊断。滚动轴承在高维数据下存在特征选取困难导致分类结果不准确问题,深度学习虽然能够自动从原始数据中学习基本特征,但标准的深度学习的方法只考虑了单一的深层次特征,忽略了浅层特
近年来,随着我国特高压电网投运的规模日益增大,人工巡检输电线路的方式已经无法适应我国电网发展的实际需求。目前,大部分地区输电线路巡检采用传统的人工巡检方式,该方式存在成本高、安全系数低及故障反馈时效性差等问题。另外,少部分地区采用无人机航拍巡检,该方式有效地弥补了人工巡检存在的一些缺陷和不足,但是就目前而言,无人机在远距离巡检方面还存在一些不足:一方面是电池续航问题;另一方面是与地面站通信距离问题