6.1.2 3s/2r变换及其逆变换仿真模型 31
6.1.3 转子磁链观测仿真模型 32
6.1.4 PI调节器仿真模型 32
6.1.5 SVPWM仿真模型 33
6.2 参数优化过程和仿真结果 34
6.2.1 参数优化过程 34
6.2.2 SVPWM模块的仿真波形 36
6.2.3 电机的定子电流、转矩、转速优化前后仿真图形的对比 37
6.3 本章小结 39
7 结论与展望 40
致 谢 41
[参考文献] 42
1 绪论
1.1 课题研究背景及意义
经济社会的发展使电动机变成工作生活中不可或缺的动力来源。由于直流电机能够完全解耦,转速平稳,易于控制,一直控制着高性能的电气传动领域。然而,随着工业革命的继续推进以及人们日益增长的物质需求,直流电机越来越捉襟见肘,只适合在小容量和低速的情况下工作,无法适应更复杂的环境[1]。为此,人们逐渐将眼光放在结构简单且运行可靠的交流电机上,交流调速系统由此被广泛的运用在社会的各个领域中。交流电机变频调速技术出现后,主要选用矢量控制原理,动态响应迅速、效率和精度都比较高的优点使电机性能得到很大提高。由于交流电机不具有线性性质,而传统PID控制器只适用于线性条件,鲁棒性不够好。近年来, 智能优化算法被广泛应用于交流调速系统,例如采用遗传算法、粒子群PSO算法优化PID控制器的参数,电机性能提升明显,研究价值非常大。
1.2 国内外研究
1.2.1 电力电子器件的发展
1.2.2 现代控制理论的发展
1.2.3 数字控制技术的发展
1.3 优化算法概述
进化算法从属于优化算法,也可以称为迭代随机寻优算法,其可以高效的解决复杂的非线性难题并且保证较强的鲁棒性,可以不必理会寻优问题的影响。遗传算法在上世纪60年代出现,其模拟自然界优胜劣汰、适者生存的规则,是一种全局搜索算法,主要包含搜索策略与信息交换。
计算机技术的进步促进了一些新型优化算法出现。研究学者针对鸟群飞行、鱼群游动等生物群体活动,提出很多包含蚁群算法、粒子群算法、人工鱼群算法等异于传统思路的群体智能算法。其核心思路来自于群体社会行为,而不并非进化过程中的冲突[5]。
粒子群(PSO)算法是目前刚兴起的一种仿生优化算法,其依附共享信息,在问题求解空间时,使全部群体的运动都进行无序到有序的演化,以此获取最优解。和遗传算法相比,PSO优化算法简单方便,调整参数少,遗传算法却编码解码繁琐,计算量大。遗传算法和粒子群算法已经大范围的参与到PID控制器的参数优化,将在下面章节具体说明这两种算法。
1.4 交流调速系统中优化算法的运用
当前三相异步电机调速系统中,优化算法的运用已经很普遍,主要集中在以下几个方面。
(1)电机参数辨识
由于温度上升,运行中三相异步电机的转子参数变化很大,磁场定向的精度受到了很大的影响。20世纪80年代开始以来,国内外学者采用模型参考自适应法、扩展卡尔曼滤波法、最小二乘法等法来优化转子参数辨识,尽管噪声对辨识精度影响很大,鲁棒性依然很好[6]。后来电机参数辨识领域引入智能控制理论,辨识精度明显提高。譬如遗传算法在噪声不佳的情况下,依然会有很高的精度。
(2)转速辨识
转速辨识时,速度、精度、鲁棒性非常重要。近年来,选择转速辨识方案时,例如人工神经网络这样的优化算法越来越被重视。
- 上一篇:51单片机铁路道口自动报警系统的设计+电路图
- 下一篇:脉冲耦合神经网络的图像滤波+源程序
-
-
-
-
-
-
-
高警觉工作人群的元情绪...
现代简约美式风格在室内家装中的运用
NFC协议物理层的软件实现+文献综述
浅析中国古代宗法制度
C++最短路径算法研究和程序设计
上市公司股权结构对经营绩效的影响研究
中国传统元素在游戏角色...
江苏省某高中学生体质现状的调查研究
巴金《激流三部曲》高觉新的悲剧命运
g-C3N4光催化剂的制备和光催化性能研究