无速度传感器直接转矩控制技术一经提出,就以其新颖的控制思想、简洁明了的系统结构、优良的动静态特性受到了普遍的关注并得到迅速发展。而实现更高性能的无速度传感器直接转矩控制,就必须提高其中关键参数的辨识精度。为此,本文针对直接转矩控制系统中两大关键参数——转速和磁链的观测进行了一系列的研究、设计。 在matlab/Simulink下,本文搭建了直接转矩控制系统的仿真模型,并将所构造的变异蚁群神经网络观测器嵌入到系统模型中去。在传统的直接转矩中引入先进的智能控制思想,将智能优化算法与传统的神经网络控制有机地结合在一起,通过所构造出的网络观测器来实现对电机参数的在线观测。为提高系统的运算效率,本文将遗传算法中的变异机制引入到基本蚁群算法中去,利用得到的变异蚁群算法去优化神经网络中的连接权值,有效地解决了神经网络容易陷入极小点的问题,同时又远比只采用单一的基本蚁群优化算法大大提高了收敛速度。从仿真的结果来看,这种变异蚁群神经网络辨识器可准确地在线辨识电机转速的变化,并且,它的引入还使原系统的静动态性能得到了显著的提高。 另外,针对直接转矩控制系统低速下性能不好的问题,本文还提出了构造全阶定子磁链观测器来代替传统积分器的解决方案,仿真结果表明,该方法不仅大大地改善了系统的低速性能,而且还具有良好的动态跟踪效果。 最后,通过智能测控综合试验台对电机控制的现场调试结果,可以看出,本文的设计方案是切实可行、有效的。