论文部分内容阅读
电机驱动系统在工业生产中占据重要位置,是能源消耗大户。电机系统的耗电量占到我国工业用电的70~80%,由于电机技术水平落后、能效水平低,加上电机运行负载与额定负载不匹配、带故障运行、缺乏先进的能源管理等诸多原因,电机驱动系统电能浪费十分严重,节能潜力巨大。我国政府非常重视电机系统节能问题,国家发改委把“电机系统节能工程”列为“十一五”十大重点节能工程之一。
研究开发适用于工业现场大规模推广应用的低成本电机系统能源效率在线监测及能源管理系统,对实施电机系统节能改造工程具有重要意义,无速度传感器的转速估计是实现电机驱动系统能源效率在线监测的关键技术之一。
本文重点研究了基于齿谐波检测的转速估计方法,利用电机结构上的特征,采用电机定子电流信号特征分析技术,通过齿谐波特征频率辩识获取转速信号。这种方法不依赖于电机的数学模型,具有估计精度不受电机参数变化影响的特点。
本文在研究了电机的工作原理、齿谐波产生的原因及特征、数字信号处理技术的基础上,根据电机转速与齿谐波特征频率的内在关系,设计了基于齿谐波检测的无速度传感器感应电机的转速估计算法。利用带通滤波和小波分析法对采集的信号在通频带外内分别进行了有效的去噪,并利用混叠技术提高齿谐波的可检测性。应用周期图谱估计法和最大熵谱估计法实现了齿谐波频率的检测,并针对离散谱估计时谱峰未对准所造成的误差,提出利用频谱重心校正法对谱图改进,从而获得精确的齿谐波特征频率,提高了速度估计的准确性。
本文还对基于神经网路的转速估计方法进行了深入的研究,设计了神经网络转速估计的模型,并对BP算法进行了改进使其收敛速度加快,提高了转速估计的精度,得到较优的性能。
本文研究成果已在项目组设计开发的电机在线监测系统中获得应用,实验室测试及实际电机运行现场验证表明,本文提出并实现的转速估计方法正确、有效,能够满足在线实时估计转速的要求。