永磁同步电机转矩脉动抑制策略研究

来源 :华中科技大学 | 被引量 : 0次 | 上传用户:adroithy
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
在全社会集中力量推动产业升级的大背景下,发展高端制造业成为时代的迫切需求,作为加工制造设备核心组件的伺服系统的控制性能是制约加工水平的关键因素。伺服系统常以永磁同步电机作为控制对象,但由于电机自身非理想的结构特点和逆变器里的非线性因素的影响使得电机输出转矩存在明显脉动,这导致伺服系统控制精度降低,限制了国产伺服在高精尖制造领域的应用。基于提高电机输出转矩平滑性的目的,本文就永磁同步电机转矩脉动抑制策略展开研究。
  首先,本文对转矩脉动的产生机理进行了分析,表明是齿槽转矩、磁通谐波、死区效应、电流采样误差这四种原因导致转矩脉动产生。其次,针对死区效应这一单一因素,推导出死区效应引入的电流谐波的方程,并提出一种新颖的检测谐波幅值的方法,通过闭环反馈将电流谐波幅值控制为零,实现有自适应性的死区补偿方法。再次,考虑到可以通过抑制电流谐波来抑制转矩脉动,提出谐振控制器方案,由于电流环延时的存在,一般的准谐振控制器方案为系统带来了巨大的失稳风险,据此提出一种新的具有三个自由度的谐振控制器方案,该方案在抑制转矩脉动的同时也保证了电机高速运行时的稳定性。接着,因为转矩脉动最终会导致转速脉动,即转速状态中包含全部的转矩脉动信息,在转速控制器中使用迭代学习控制抑制转速脉动,可以间接抑制各种频率的脉动转矩。
  最后,本文搭建了永磁同步电机矢量控制系统的仿真模型和物理实验平台,对文中提及的各种方法一一进行了验证,仿真和实验结果表明文中所提控制策略抑制转矩脉动的效果良好,成功提高了控制系统的稳态性能。
其他文献
自20世纪50年代开始,光电成像末制导武器由于其高效费比,大量应用于战场。为有效保护目标,烟幕干扰技术作为一种重要的光电对抗手段被广泛投入使用。烟幕干扰严重影响了红外图像目标识别算法的性能和红外末制导武器的打击效果。相较于空中目标和海面目标,地面目标背景更为复杂,对抗烟幕干扰的难度也更大。如何在烟幕干扰条件下有效地提高地面目标识别算法的性能是亟待解决的问题。论文针对该问题,在红外烟幕干扰图像特性、
图像协同分割任务旨在从一组图像中分割出它们共同包含的目标,这对帮助研究者从海量网络图像中获取感兴趣的物体具有很大的益处,是当前人工智能研究热点之一。尽管关于协同分割的研究已经有较长的历史,但基于深度学习的研究仍存在很多需要深入探讨的问题。当前基于深度学习的协同分割模型利用孪生网络结构提取一对图像的语义特征,再对语义特征执行特征对比,并基于对比后的特征解析共同目标所在的区域。虽然当前的模型的性能相较
学位
眨眼作为人体的一个典型动作,预示着个体当前的生理和心理状态信息。近些年来,人们逐渐发现眨眼检测可以广泛应用于日常生活中的众多领域,诸如活体检测领域里的行为活体确认,医疗领域的干眼症恢复,刑侦领域的测谎以及辅助驾驶领域的疲劳检测。因此,近十年诞生了大量眨眼检测相关的工作,也取得了较为可喜的结果。但是,目前的方法大多数集中于在特定受约束的数据集上,进行眨眼检测,这与现实生活中的非受限情况相距甚远。因此
学位
随着人工智能时代的到来,越来越多的机器人融入到生产过程中。它们将人类从繁重和重复的劳动中解放出来。随着机器人数量的增加和生产柔性需求的提升,机器人将面对更大的碰撞风险和运动规划的运算压力。  论文以流水线物流分拣堆码为场景,以两个六自由度机械臂为研究对象,使用基于概率采样的随机路标法,设计了多自由度机器人实时运动规划系统。对于码垛形成的障碍物,论文设计了静态码垛碰撞检测加速器,通过改进基于空间分割
随着老龄化人口的增多,阿尔兹海默症(Alzheimer’s Disease, AD)带来的社会问题也日益凸显。作为一种现阶段无法治愈的疾病,如何尽早地对患者进行识别以便进行早期干预减缓病程成为一项具有重要意义的研究工作。深度学习方法的兴起为AD识别方法的研究注入了新的活力,本文对基于深度学习的AD识别方法进行了探索和研究,主要研究内容包括:  现有基于功能磁共振影像的AD识别都是先将四维功能磁共振
计算机断层成像技术(Computed Tomography, CT)利用人体各个位置的器官对X射线的吸收程度差异,通过测量X射线穿过人体后剩余的光子数,依据Radon变换等数学原理,重建出反应人体内部器官信息的CT图像。CT成像技术可以在无损条件下获得病人内部器官的结构,故应用广泛。但过高剂量的X射线扫描会损害人体内部器官结构。临床中,多通过降低X射线管阴极电流来降低扫描剂量,但是这会让重建CT图
在荧光显微成像中,为了避免荧光分子失活并长时间观察细胞活动,通常需要采用低剂量荧光染料,此时相机捕捉到的图像也会伴随着明显的噪声。此外采用传统方式所获取的点扩散函数(Point Spread Function,PSF)可能会存在误差,并不能直接用于解卷积去模糊。本文研究在未知准确的PSF前提下,基于正则化的半盲复原以及基于深度学习的图像盲复原方法来去除图像中的噪声和模糊,并最终成功应用于宽场和结构
聚类分析是无监督学习方法里最常见的研究方向,且在电子商务中的商品推荐,新闻及短视频中的信息分发等领域上有非常广泛的应用。随着大数据时代的到来,聚类所面临的数据集,无论是在样本数目还是数据维度方面规模都越来越庞大,导致单一的聚类算法开始变得难以适用,因此,借鉴了集成学习思想的集成聚类算法便应运而生了。论文在研究过几类基于不同理论的集成聚类算法的原理后发现,针对集成聚类算法的不足,如未考虑到数据样本到
医疗大数据指的是个人因疾病、门诊、住院、体检、健康活动及医院日常管理所产生的海量数据。医疗大数据的发展与人们的生活息息相关,具有重大的战略意义,而在这些数据中的医学影像数据作为非结构化的图像数据,其传输、存储和检索操作无法通过常规方法实现,整合这些功能的系统就是医院的PACS系统。随着国内对于医疗卫生的日益重视和国家的大力投资,PACS系统已经应用到所有医院的信息化管理中。在PACS系统中,医学影
帕金森病(Parkinson’s disease,PD)是一种常见的神经系统变性疾病。冻结步态(Freezing of gait,FoG)是对PD患者威胁最大的运动障碍,主要表现为行走中突然出现步行中断,此时患者躯体仍保持行进中向前倾斜,极易跌倒,导致伤残或死亡。因此,探索有效的FoG检测方法,是一项极为紧迫的重要课题。本文以24名PD患者为研究对象,针对数据集构建、特征提取与优化、分类算法等Fo
学位