国际电气、电子和仪器工程高级研究杂志
菜单在线刊号(2278-8875)印刷版(2320-3765)
在线刊号(2278-8875)印刷版(2320-3765)
魏仁芳Gottapu1帕拉山,青年志愿2P马赫什3.——Y·苏密斯4，希亚姆·基兰5
|
| 有关文章载于Pubmed，谷歌学者 |
更多相关文章请访问国际电气、电子和仪器工程高级研究杂志
本文提出了一种利用人工神经网络技术进行磁链位置估计和扇区选择的新思路，以减小转矩和磁链波动。感应电机直接转矩控制(DTC)具有转矩响应快、不需要复杂的方向变换和内环电流控制的特点。DTC有一些缺点，如由扇区变化引起的高扭矩和磁链波动。基于神经网络的直接转矩控制的关键是定子电压矢量的正确选择。本课题提出了一种简单的结构神经网络，用于感应电机磁链位置估计和扇区选择。采用Levenberg-Marquardt反向传播技术对神经网络进行训练。网络结构简单，训练和处理时间短。异步电动机是非线性系统，神经网络是非线性系统中很好的估计器。
关键字 |
| 人工神经网络(ANN)技术，直接转矩控制(DTC)，磁场定向控制(FOC)。 |
介绍 |
| 感应电机控制领域的重大革命是Blaschke和Hasse发明的场向控制(FOC)或矢量控制，迄今为止已用于高性能工业应用，实现了快速转矩响应，并已应用于各种工业应用，而不是直流电机。在矢量控制方法中，需要正确确定转子磁链矢量的方向，而磁场定向控制的主要缺点是标准鼠笼式感应电机转子时间常数很大，因此转子磁链相对于定子磁链变化缓慢。直接转矩控制(Direct torque control, DTC)是感应电机转矩控制的新技术。直接转矩控制(DTC)能很好地跟踪感应电机的电磁转矩和定子磁链。如图1所示，这种控制方案仅依赖于定子的测量。开关逻辑控制有利于定子电压空间矢量的生成，并对逆变器的开关方式进行适当的选择。 |
2项目目的及效益 |
| 在感应电机控制领域被发明的面向现场的高性能工业应用控制，已经实现了快速转矩响应，并已应用于各种工业应用中取代直流电机。开关逻辑控制有利于定子电压空间矢量的生成，并对逆变器的开关方式进行适当的选择。 |
| DTC的主要优点是: |
| •缺少坐标变换 |
| •缺少当前的调节器 |
| •且没有单独的电压调制块。 |
| DTC方案的缺点是: |
| •启动和负载变化中的磁通或扭矩响应缓慢(响应缓慢)。 |
| •高转矩脉动，启动过程中对转矩阶跃变化的瞬态响应较慢。 |
| 这种缺点可以通过使用人工神经网络(ANN)的智能技术来克服。基于人工神经网络的直接转矩控制可以提高感应电机在低速运行时的性能，减小瞬时转矩波动。扇形识别依赖于定子磁链位置的准确估计;这可以在人工神经网络的帮助下进行测量。人工神经网络是学习系统输入和输出信号之间所需映射关系的线缆。由于人工神经网络不采用系统的数学模型。 |
| 异步电动机是非线性系统，神经网络是非线性系统中很好的估计器。本文采用电压源变换器控制交流电动机的负载转矩。采用以下技术设计了电压源变换器。利用空间矢量调制设计电压源变换器的脉冲。 |
| •利用人工神经网络技术减小转矩和磁链波动，实现电机额定转速旋转。 |
| 利用空间矢量调制设计电压源变换器的脉冲。 |
| •利用人工神经网络技术减小转矩和磁链波动，实现电机额定转速旋转。 |
 |
3文献综述 |
| 在过去的几年里，这个概念不断发展，第一个先进的工作是在2000年1月，由C. Lascu, I. Boldea, F. Blaabjerg[1]。2003年，Burak Ozpineci、L.M.Tolbertr[2]、Takahashi和Y. Ohmori在1989年利用红外技术跟踪视频会议发言者的位置。 |
| 感应电动机优于其他电动机。主要的优点是，感应电机不需要电机的固定部分和旋转部分之间的电气连接。因此，它们不需要任何机械换向器(电刷)，导致它们是免维护的电机。感应电动机还具有重量小、惯性小、效率高、过载能力强等特点。因此，它们更便宜、更坚固，而且在高速运行时出现故障的可能性更小。 |
 |
 |
四、电路及主要元件 |
| 在过去，直流电机广泛应用于需要变速操作的领域。直流电动机有一定的缺点，然而，这是由于换向器和电刷的存在，使电机更笨重，昂贵和沉重。它们也很坚固，对重载免疫。感应电机的速度必须控制，因此使用不同类型的控制器来获得所需的速度。由现代变频驱动实现的各种速度控制技术主要分为以下三类 |
| 1.标量控制(V/f控制)， |
| 2.矢量控制(间接转矩控制) |
| 3.直接转矩控制(DTC)。 |
| 本文的目的是利用直接转矩控制技术来控制异步电动机的转速和转矩。 |
| 在SIMULINK中利用必要的方程对感应电机进行了动力学建模。在SIMULINK中建立了异步电动机直接转矩控制的数学模型。为了更好地控制感应电机，在系统中引入了神经网络。 |
A.直接转矩控制(DTC) |
| 传统矢量控制与DTC的区别在于DTC没有固定的切换模式。 |
| DTC根据负载需要对逆变器进行切换。由于消除了固定的切换模式(矢量和标量控制的特征)，DTC响应在瞬时负载变化期间非常快。虽然这种复杂的技术确保了高达0.5%的速度精度，但它消除了任何反馈装置的需求。这项技术的核心是自适应运动模型。该模型需要各种电机参数的信息，如定子电阻、互感、饱和系数等。 |
| DTC的主要特点如下: |
| •直接控制磁通和扭矩。 |
| •间接控制定子电流和电压。 |
| •近似正弦定子磁通和定子电流。 |
| •即使在静止状态下也具有高动态性能。 |
B.基于支持向量机的DTC控制策略 |
| 直接转矩和磁链控制的框图如图6所示，说明了控制策略。速度控制回路和磁通程序作为速度的函数照常显示，不再讨论。将指令定子磁链Ψs *和转矩Te *的幅度与各自的估计值进行比较，并通过磁滞带控制器对误差进行处理，如图所示。磁链回路控制器有两级数字输出，按照以下关系 |
 |
 |
| 电压矢量接收输入信号HΨ HTe, S(k)通过查找表为逆变器生成相应的控制电压矢量(开关状态)，如表1所示(删除矢量符号)。逆变器电压矢量(六个有源和两个零状态)和一个典型的Ψs如图5所示。忽略了机器的定子电阻。 |
 |
| 如图5所示，沿着轨迹OA，机器中的磁通初始建立在零频率(dc)。使用额定磁链，应用命令扭矩，Ψs *矢量开始旋转。 |
 |
 |
C.人工神经网络 |
| 在开发智能系统方面已经取得了许多进展，其中一些受到了生物神经网络的启发。来自许多科学学科的研究人员正在设计人工神经网络来解决模式识别、预测、优化、联想记忆和控制方面的各种问题。传统的方法已经被提出来解决这些问题。尽管可以在某些良好约束的环境中找到成功的应用程序，但没有一个应用程序足够灵活，能够在其域之外良好地执行。ann提供了令人兴奋的替代方案，许多应用程序可以从使用它们中受益。这篇文章是为那些对ann知之甚少或一无所知的读者准备的，以帮助他们理解本期《计算机》杂志的其他文章。 |
 |
用matlab编写的Ann程序: |
| P =[330.51 344.22 359.02 0.082757 19.88 29.012 30.078 41.039 54.522 68.712 79.413 89.65 90.374 100.32 110.48 129.4 139.12 149.29 150.23 163.67 172.09 182.3 190.08 209.82 210.46 220.15 236.1 249.96 257.92 269.99 270.49 285.11 294.27 301.9 315.15 329.99]; |
| % p = p '; |
| O =[1 1 1 1 1 1 2 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4 4 5 5 5 5 5 6 6 6 6 6 6 6 6 6 6 6 6]; |
| net.numInputs = 1; |
| net.numLayers = 3; |
| 360年净= newff([0]、[36岁,1],{‘tansig’,‘poslin},“traingdm”); |
| net.trainparam.lr = 0.002; |
| net.trainparam.epochs = 5000; |
| 网=火车(净p o); |
| %net = newlind (p,o); |
| gensim(净,1) |
五、检测程序 |
 |
模拟块设计: |
 |
| 感应电机模型的主要仿真框图及3- Φ输入电压，2- Φ模型输出，定子电流，转子电流，转速和电磁转矩波形如下图所示。 |
 |
 |
6.结论 |
| 由此可见，传统的直接转矩控制技术用于异步电动机的直接转矩控制。传统的直接转矩控制方法存在低速转矩和磁链控制困难、电流和转矩脉动大、开关频率易变、低速噪声大、无直流控制等缺点，因此必须提出一种自适应转矩控制器以实现高性能应用。为此，针对传统的DTC控制方案，提出了一种人工神经网络控制方法。采用人工神经网络智能技术对直流转矩控制系统进行扇区选择，提高了感应电机的转子转速、转矩和磁通性能。常规DTC控制器与人工神经网络控制器的比较。利用MATLAB/simulink进行仿真 |
ACKNOWLEGEMENT |
| 我们借此机会向所有直接或间接帮助我们顺利完成这篇论文的人表示最深切的感谢和赞赏。 |
参考文献 |
|
