CN108599667B - 开关磁阻电机的控制方法和系统 - Google Patents

开关磁阻电机的控制方法和系统 Download PDF

Info

Publication number
CN108599667B
CN108599667B CN201810282871.5A CN201810282871A CN108599667B CN 108599667 B CN108599667 B CN 108599667B CN 201810282871 A CN201810282871 A CN 201810282871A CN 108599667 B CN108599667 B CN 108599667B
Authority
CN
China
Prior art keywords
switched reluctance
reluctance motor
phase
torque
current
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810282871.5A
Other languages
English (en)
Other versions
CN108599667A (zh
Inventor
倪福银
赵源
沃松林
王琪
陈立兴
诸一琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University of Technology
Original Assignee
Jiangsu University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University of Technology filed Critical Jiangsu University of Technology
Priority to CN201810282871.5A priority Critical patent/CN108599667B/zh
Publication of CN108599667A publication Critical patent/CN108599667A/zh
Application granted granted Critical
Publication of CN108599667B publication Critical patent/CN108599667B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
    • H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
    • H02P25/08—Reluctance motors
    • H02P25/098—Arrangements for reducing torque ripple
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0009—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using sliding mode control
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0013—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using fuzzy control
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0018—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0022—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation

Abstract

本发明为解决开关磁阻电机运行时转矩脉动大的技术问题，提供了一种开关磁阻电机的控制方法和系统，该控制方法包括以下步骤：获取开关磁阻电机的给定转速；获取开关磁阻电机的转子位置信号和各相的相电流；根据转子位置信号计算开关磁阻电机的反馈转速；根据给定转速和反馈转速计算开关磁阻电机的期望转矩；根据期望转矩分配开关磁阻电机各相的输出转矩，并根据开关磁阻电机各相的输出转矩计算开关磁阻电机各相的期望电流；根据开关磁阻电机各相的期望电流和相电流，采用神经网络自适应鲁棒滑模控制算法生成对应的驱动信号，以根据驱动信号对开关磁阻电机进行控制。本发明能够有效抑制开关磁阻电机的转矩脉动。

Description

开关磁阻电机的控制方法和系统
技术领域
本发明涉及电机控制技术领域，具体涉及一种开关磁阻电机的控制方法和一种开关磁阻电机的控制系统。
背景技术
开关磁阻电机的本体结构简单、成本低、可靠性高、性能优越，其转子没有绕组和永磁体，能以高速、超高速运行，同时适用于各种恶劣环境下，具有广阔的应用前景。
但是由于其结构的非线性，运行时转矩脉动大，噪声问题突出，传统的控制方式下，这些问题并不能得到有效的解决。降低开关磁阻电机转矩脉动是当前电力传动和电机控制界的突出问题和研究难点。
发明内容
本发明为解决开关磁阻电机运行时转矩脉动大的技术问题，提供了一种开关磁阻电机的控制方法和系统。
本发明采用的技术方案如下：
一种开关磁阻电机的控制方法，包括以下步骤：获取所述开关磁阻电机的给定转速；获取所述开关磁阻电机的转子位置信号和各相的相电流；根据所述转子位置信号计算所述开关磁阻电机的反馈转速；根据所述给定转速和所述反馈转速计算所述开关磁阻电机的期望转矩；根据所述期望转矩分配所述开关磁阻电机各相的输出转矩，并根据所述开关磁阻电机各相的输出转矩计算所述开关磁阻电机各相的期望电流；根据所述开关磁阻电机各相的期望电流和相电流，采用神经网络自适应鲁棒滑模控制算法生成对应的驱动信号，以根据所述驱动信号对所述开关磁阻电机进行控制。
采用模糊PI控制算法计算所述开关磁阻电机的期望转矩。
采用模糊PI控制算法计算所述开关磁阻电机的期望转矩，包括：获取速度误差实际值和速度误差变化量实际值；对所述速度误差实际值和所述速度误差变化量实际值进行模糊化以得到速度误差模糊值和速度误差变化量模糊值；根据所述速度误差模糊值和所述速度误差变化量模糊值得到PI控制的参数整定量，并通过解模糊化和PI运算得到期望转矩控制量；对所述期望转矩控制量进行线性变换以得到所述期望转矩。
根据所述期望转矩分配所述开关磁阻电机各相的输出转矩，包括：确定转矩分配函数；根据所述转矩分配函数计算所述开关磁阻电机各相的输出转矩之和，并根据所述开关磁阻电机各相的磁共能计算所述开关磁阻电机各相的输出转矩。
根据所述开关磁阻电机各相的期望电流和相电流，采用神经网络自适应鲁棒滑模控制算法生成对应的驱动信号，包括：根据所述开关磁阻电机各相的期望电流和相电流设计滑模函数；根据所述开关磁阻电机各相的期望电流和相电流确定神经网络的输入，并根据所述神经网络的输入计算神经网络的输出；设定控制律，并根据所述控制律和所述神经网络的输出得到所述滑模函数的导数；设计李雅普诺夫函数，并根据所述滑模函数的导数求得所述李雅普诺夫函数的导数；设定自适应率，并在根据所述自适应率和所述李雅普诺夫函数的导数进行电流稳定性控制后，生成所述驱动信号。
一种开关磁阻电机的控制系统，包括：上位机，所述上位机用于设置给定转速；位置检测模块，所述位置检测模块用于获取所述开关磁阻电机的转子位置信号；电流检测模块，所述电流检测模块用于获取所述开关磁阻电机各相的相电流；处理模块，所述处理模块分别与所述上位机、所述位置检测模块和所述电流检测模块相连，以获取所述开关磁阻电机的给定转速、转子位置信号和各相的相电流，所述处理模块用于根据所述转子位置信号计算所述开关磁阻电机的反馈转速，并根据所述给定转速和所述反馈转速计算所述开关磁阻电机的期望转矩，以及根据所述期望转矩分配所述开关磁阻电机各相的输出转矩，并根据所述开关磁阻电机各相的输出转矩计算所述开关磁阻电机各相的期望电流，以及根据所述开关磁阻电机各相的期望电流和相电流，采用神经网络自适应鲁棒滑模控制算法生成对应的驱动信号，以根据所述驱动信号对所述开关磁阻电机进行控制。
所述处理模块采用模糊PI控制算法计算所述开关磁阻电机的期望转矩。
所述处理模块包括用于计算所述开关磁阻电机的期望转矩的速度调节器，所述速度调节器用于：获取速度误差实际值和速度误差变化量实际值；对所述速度误差实际值和所述速度误差变化量实际值进行模糊化以得到速度误差模糊值和速度误差变化量模糊值；根据所述速度误差模糊值和所述速度误差变化量模糊值得到PI控制的参数整定量，并通过解模糊化和PI运算得到期望转矩控制量；对所述期望转矩控制量进行线性变换以得到所述期望转矩。
所述处理模块包括用于分配所述开关磁阻电机各相的输出转矩的转矩分配单元，所述转矩分配单元用于：确定转矩分配函数；根据所述转矩分配函数计算所述开关磁阻电机各相的输出转矩之和，并根据所述开关磁阻电机各相的磁共能计算所述开关磁阻电机各相的输出转矩。
所述处理模块包括用于生成所述驱动信号的电流调节器，所述电流调节器用于：根据所述开关磁阻电机各相的期望电流和相电流设计滑模函数；根据所述开关磁阻电机各相的期望电流和相电流确定神经网络的输入，并根据所述神经网络的输入计算神经网络的输出；设定控制律，并根据所述控制律和所述神经网络的输出得到所述滑模函数的导数；设计李雅普诺夫函数，并根据所述滑模函数的导数求得所述李雅普诺夫函数的导数；设定自适应率，并在根据所述自适应率和所述李雅普诺夫函数的导数进行电流稳定性控制后，生成所述驱动信号。
本发明的有益效果：
本发明的开关磁阻电机的控制方法和系统，通过采用模糊PI控制调节转速，并采用神经网络自适应鲁棒滑模控制调节电流，能够快速响应转速、电流，具有较强的自适应能力，抑制电流尖峰，有效地抑制了开关磁阻电机的转矩脉动。
附图说明
图1为本发明实施例的开关磁阻电机的控制方法的流程图；
图2为本发明一个实施例的开关磁阻电机的控制系统的结构示意图；
图3为本发明一个实施例的开关磁阻电机的控制原理图；
图4为本发明一个实施例的速度调节器的控制原理图；
图5为本发明一个实施例的电流调节器的控制原理图；
图6为本发明实施例的开关磁阻电机的控制系统的方框示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明的开关磁阻电机的控制方法，包括以下步骤：
S1，获取开关磁阻电机的给定转速。
S2，获取开关磁阻电机的转子位置信号和各相的相电流。
在本发明的一个实施例中，开关磁阻电机可选用三相6/4极结构电机，即开关磁阻电机包括6个定子极和4个转子极，开关磁阻电机可由DSP(DigitalSignal Processing，数字信号处理)芯片，例如型号为TMS320F28335的芯片进行控制。
参照图2，为开关磁阻电机供电的电源模块可通过功率变换模块连接到开关磁阻电机，电源模块还通过电源转换模块与DSP芯片相连。其中，电源转换模块可将电源模块提供的电源进行电压变换，降压为DSP芯片的额定电压，以通过DSP芯片的VDD、VSS和VDDIO端口为DSP芯片供电。DSP芯片的PWM端口可通过驱动模块连接到功率变换模块，驱动模块可对DSP芯片的PWM端口输出的PWM(Pulse Width Modulation，脉冲宽度调制)信号电平进行放大，并可起到隔离DSP芯片和功率变换模块的作用，功率变换模块可根据放大后的PWM信号对开关磁阻电机的输出功率进行调节。
参照图2，DSP芯片可通过SCI端口连接到上位机，上位机可设置开关磁阻电机的给定转速，并将给定转速输出至DSP芯片。对应开关磁阻电机可设置有位置检测模块，以检测开关磁阻电机的转子位置信号，位置检测模块与DSP芯片的CAP端口相连，以将检测到的转子位置信号传输给DSP芯片。对应开关磁阻电机的三相端可设置有电流检测模块，以检测开关磁阻电机各相的相电流，电流检测模块与DSP芯片的ADC端口相连，以将检测到的相电流传输给DSP芯片。DSP芯片通过ADC端口获取到的相电流用以依下述步骤S3～S6对开关磁阻电机进行控制，在本发明的一个实施例中，电流检测模块所检测到的相电流还可用于开关磁阻电机的过流保护。具体地，参照图2，可在电流检测模块与DSP芯片的PDPINTA端口之间设置保护电路，以实现对开关磁阻电机的过流保护。
S3，根据转子位置信号计算开关磁阻电机的反馈转速。
S4，根据给定转速和反馈转速计算开关磁阻电机的期望转矩。
在本发明的一个实施例中，可采用模糊PI控制算法计算开关磁阻电机的期望转矩。进一步地，可获取速度误差实际值和速度误差变化量实际值，并对速度误差实际值和速度误差变化量实际值进行模糊化以得到速度误差模糊值和速度误差变化量模糊值，以及根据速度误差模糊值和速度误差变化量模糊值得到PI控制的参数整定量，并通过解模糊化和PI运算得到期望转矩控制量，以及对期望转矩控制量进行线性变换以得到期望转矩。
参照图3，可将给定转速n和反馈转速n*作为速度调节器的输入，其中，反馈转速n*可根据位置检测模块检测到的开关磁阻电机的转子位置信号，经速度计算获取。
具体地，参照图4，速度调节器可选取二维模糊控制器，模糊调节器的输入变量为速度误差模糊值E和速度误差变化量模糊值EC，输出变量为期望转矩控制量T*，Δkp、Δki是通过模糊算法得到的PI控制的参数整定量。
在获取到速度误差实际值和速度误差变化量实际值后，可对其进行模糊化，实际输入变量的变化范围为
Figure BDA0001615130880000061
模糊输入变量的论域范围为[xmin,xmax]，模糊化公式为
Figure BDA0001615130880000062
其中，en、ecn分别为速度误差实际值和速度误差变量实际值，kE、kEC为比例因子，且
Figure BDA0001615130880000063
将速度误差模糊值E、速度误差变化量模糊值EC以及输出控制量T的论域均划分7个模糊集合，即{负大(NB)，负中(NM)，负小(NS)，零(ZE)，正小(PS)，正中(PM)，正大(PB)}，同时由于输入输出量为连续值，故选取三角形作为模糊PI控制器控制量的隶属度函数，根据模糊规则进行计算，模糊规则如下：
Ⅰ、当误差变化率EC的值较大时，为保证系统的快速响应及稳定，应取较小的Δkp，适中的Δki；
Ⅱ、当误差变化率EC的值为中等大小时，为快速减小系统的误差，应适当增加Δkp的值，并取适中的Δki；
Ⅲ、当误差变化率EC的值较小时，为保证系统的快速响应，应取较大的Δkp，并取适中的Δki；
Ⅳ、当误差变化率E的值较大时，为保证系统的快速响应，应取较大的Δkp，并取较小的Δki；
Ⅴ、当误差变化率E的值为中等大小时，为保证系统的快速响应，应取较大的Δkp，并取较小的Δki；
Ⅵ、当误差变化率E的值为较大时，为保证系统的稳态性能，应取较小的Δkp，并取适中的Δki。
然后使用加权平均法进行解模糊化，输出期望转矩控制量T*：
Figure BDA0001615130880000071
其中，ui是模糊论域的子集，μ(ui)为输出子集对应的隶属度。
继而再将输出期望转矩控制量经过线性变换得到期望转矩Tref：
Figure BDA0001615130880000072
S5，根据期望转矩分配开关磁阻电机各相的输出转矩，并根据开关磁阻电机各相的输出转矩计算开关磁阻电机各相的期望电流。
在本发明的一个实施例中，可确定转矩分配函数，并根据转矩分配函数计算开关磁阻电机各相的输出转矩之和，以及根据开关磁阻电机各相的磁共能计算开关磁阻电机各相的输出转矩。
参照图3，可将期望转矩Tref作为转矩分配单元的输入。具体地，可选择转矩分配函数的上升边缘和下降边缘均为余弦函数形式，其表达式为：
Figure BDA0001615130880000081
其中，m为开关磁阻电机相数，Nr为开关磁阻电机转子级数，θ0j为开关磁阻电机第j相的开通角，θ1j为开关磁阻电机第j相转矩增加结束时转子所对应的位置角，θ2j为开关磁阻电机第j相的关断角，θ3j为开关磁阻电机第j相转矩降为零时转子所对应的位置角。
然后根据下式计算开关磁阻电机的总输出转矩，即各项的输出转矩之和：
T＝Treff1(θ)+Treff2(θ)+Treff3(θ) (5)
其中，f1(θ)、f2(θ)、f3(θ)为开关磁阻电机的三相转矩的分配函数。
开关磁阻电机各相的输出转矩可根据磁共能来计算，计算公式如下：
Figure BDA0001615130880000082
Figure BDA0001615130880000083
其中，W′为开关磁阻电机一相的磁共能，ψ(θ,i)为开关磁阻电机一相的磁链，θ为转子位置角，k为开关磁阻电机的某一相，Tk(θ,i)为开关磁阻电机第k相转矩，ik为开关磁阻电机第k相电流。
由转速调节器得到的期望转矩Tref作为转矩分配单元的输入，通过转矩分配函数计算当前开通相以及下一开通相所对应的转矩，从而合理分配转矩。根据上述公式(7)即可求出各相期望电流iref。
S6，根据开关磁阻电机各相的期望电流和相电流，采用神经网络自适应鲁棒滑模控制算法生成对应的驱动信号，以根据驱动信号对开关磁阻电机进行控制。
在本发明的一个实施例中，可先根据开关磁阻电机各相的期望电流和相电流设计滑模函数，再根据开关磁阻电机各相的期望电流和相电流确定神经网络的输入，并根据神经网络的输入计算神经网络的输出，以及设定控制律，并根据控制律和神经网络的输出得到滑模函数的导数。然后设计李雅普诺夫函数，并根据滑模函数的导数求得李雅普诺夫函数的导数，以及设定自适应率，并在根据自适应率和李雅普诺夫函数的导数进行电流稳定性控制后，生成驱动信号。
参照图3，可将期望电流iref和电流检测模块检测到的电流i作为电流调节器的输入。
参照图5，电流调节器采用神经网络自适应鲁棒滑模控制，输出PWM波提供给功率变换器，对开关磁阻电机的电流进行调节，使系统的运动稳定且拥有良好的动态品质。
具体地，可设计滑模函数，iref为期望电流，i为相电流，则误差为e＝iref-i，滑模函数为：
Figure BDA0001615130880000091
其中，c为常数且c>0。
开关磁阻电机的电压方程为：
Figure BDA0001615130880000092
式中，U为相电压，R为相绕组电阻，ψ为磁链，ω为机械角速度。
由公式(9)可得
Figure BDA0001615130880000093
其中，L为相绕组电感，u为控制输出。
由式(10)和式(8)可得
Figure BDA0001615130880000101
其中，系数
Figure BDA0001615130880000102
本发明实施例的神经网络输入输出算法为：
Figure BDA0001615130880000103
ai＝W*Th(x)+ε(13)
其中，x为网络输入，j为网络隐含层第j个网络输入，cj是第j个神经元的中心位置，bj是第j个神经元的宽度，h＝[hj]T为高斯基函数的输出，W*为理想网络权值，ε为网络逼近误差。
神经网络输入取
Figure BDA0001615130880000104
则神经网络输出为
Figure BDA0001615130880000105
其中，
Figure BDA0001615130880000106
为神经网络的权值。
设定控制律为：
Figure BDA0001615130880000107
其中，sgn(s)为符号函数，ηsgn(s)为鲁棒项，用于克服干扰和神经网络误差逼近，以保证系统稳定。
将式(15)代入式(11)得
Figure BDA0001615130880000108
其中，
Figure BDA0001615130880000111
设计李雅普诺夫函数为：
Figure BDA0001615130880000112
其中，γ＞0。
则由公式(16)可得
Figure BDA0001615130880000113
取自适应律为：
Figure BDA0001615130880000114
则
Figure BDA0001615130880000115
由于神经网络逼近误差ε为很小的正实数，取η≥ε，则
Figure BDA0001615130880000116
当
Figure BDA0001615130880000117
时，s≡0，根据拉萨尔不变集原理，闭环系统渐进稳定，由DSP芯片生成PWM波输出。
DSP芯片输出的PWM波经过驱动模块控制功率变换模块，由功率变换模块改变开关磁阻电机的功率，完成对开关磁阻电机转速与电流的调节。
综上所述，根据本发明实施例的开关磁阻电机的控制方法，通过采用模糊PI控制调节转速，并采用神经网络自适应鲁棒滑模控制调节电流，能够快速响应转速、电流，具有较强的自适应能力，抑制电流尖峰，有效地抑制了开关磁阻电机的转矩脉动。
对应上述实施例，本发明还提出一种开关磁阻电机的控制系统。
如图6所示，本发明实施例的开关磁阻电机的控制系统，包括上位机10、位置检测模块20、电流检测模块30和处理模块40。
其中，上位机10用于设置给定转速；位置检测模块20用于获取开关磁阻电机的转子位置信号；电流检测模块30用于获取开关磁阻电机各相的相电流；处理模块40分别与上位机10、位置检测模块20和电流检测模块30相连，以获取开关磁阻电机的给定转速、转子位置信号和各相的相电流。处理模块40用于根据转子位置信号计算开关磁阻电机的反馈转速，并根据给定转速和反馈转速计算开关磁阻电机的期望转矩，以及根据期望转矩分配开关磁阻电机各相的输出转矩，并根据开关磁阻电机各相的输出转矩计算开关磁阻电机各相的期望电流，以及根据开关磁阻电机各相的期望电流和相电流，采用神经网络自适应鲁棒滑模控制算法生成对应的驱动信号，以根据驱动信号对开关磁阻电机进行控制。
在本发明的一个实施例中，开关磁阻电机可选用三相6/4极结构电机，即开关磁阻电机包括6个定子极和4个转子极，处理模块40可为DSP芯片，例如型号为TMS320F28335的芯片。
如图2所示，为开关磁阻电机供电的电源模块可通过功率变换模块连接到开关磁阻电机，电源模块还通过电源转换模块与DSP芯片相连。其中，电源转换模块可将电源模块提供的电源进行电压变换，降压为DSP芯片的额定电压，以通过DSP芯片的VDD、VSS和VDDIO端口为DSP芯片供电。DSP芯片的PWM端口可通过驱动模块连接到功率变换模块，驱动模块可对DSP芯片的PWM端口输出的PWM信号电平进行放大，并可起到隔离DSP芯片和功率变换模块的作用，功率变换模块可根据放大后的PWM信号对开关磁阻电机的输出功率进行调节。
如图2所示，DSP芯片可通过SCI端口连接到上位机10，上位机10可设置开关磁阻电机的给定转速，并将给定转速输出至DSP芯片。对应开关磁阻电机可设置有位置检测模块20，以检测开关磁阻电机的转子位置信号，位置检测模块20与DSP芯片的CAP端口相连，以将检测到的转子位置信号传输给DSP芯片。对应开关磁阻电机的三相端可设置有电流检测模块30，以检测开关磁阻电机各相的相电流，电流检测模块30与DSP芯片的ADC端口相连，以将检测到的相电流传输给DSP芯片。DSP芯片通过ADC端口获取到的相电流用以依下述步骤S3～S6对开关磁阻电机进行控制，在本发明的一个实施例中，电流检测模块30所检测到的相电流还可用于开关磁阻电机的过流保护。具体地，参照图2，可在电流检测模块30与DSP芯片的PDPINTA端口之间设置保护电路，以实现对开关磁阻电机的过流保护。
在本发明的一个实施例中，处理模块40可采用模糊PI控制算法计算开关磁阻电机的期望转矩。进一步地，处处理模块40可包括用于计算开关磁阻电机的期望转矩的速度调节器，速度调节器可获取速度误差实际值和速度误差变化量实际值，并对速度误差实际值和速度误差变化量实际值进行模糊化以得到速度误差模糊值和速度误差变化量模糊值，以及根据速度误差模糊值和速度误差变化量模糊值得到PI控制的参数整定量，并通过解模糊化和PI运算得到期望转矩控制量，以及对期望转矩控制量进行线性变换以得到期望转矩。
如图3所示，可将给定转速n和反馈转速n*作为速度调节器的输入，其中，反馈转速n*可根据位置检测模块检测到的开关磁阻电机的转子位置信号，经速度计算获取。
具体地，如图4所示，速度调节器可选取二维模糊控制器，模糊调节器的输入变量为速度误差模糊值E和速度误差变化量模糊值EC，输出变量为期望转矩控制量T*，Δkp、Δki是通过模糊算法得到的PI控制的参数整定量。
在获取到速度误差实际值和速度误差变化量实际值后，可对其进行模糊化，实际输入变量的变化范围为
Figure BDA0001615130880000131
模糊输入变量的论域范围为[xmin,xmax]，模糊化公式为
Figure BDA0001615130880000132
其中，en、ecn分别为速度误差实际值和速度误差变量实际值，kE、kEC为比例因子，且
Figure BDA0001615130880000141
将速度误差模糊值E、速度误差变化量模糊值EC以及输出控制量T的论域均划分7个模糊集合，即{负大(NB)，负中(NM)，负小(NS)，零(ZE)，正小(PS)，正中(PM)，正大(PB)}，同时由于输入输出量为连续值，故选取三角形作为模糊PI控制器控制量的隶属度函数，根据模糊规则进行计算，模糊规则如下：
Ⅰ、当误差变化率EC的值较大时，为保证系统的快速响应及稳定，应取较小的Δkp，适中的Δki；
Ⅱ、当误差变化率EC的值为中等大小时，为快速减小系统的误差，应适当增加Δkp的值，并取适中的Δki；
Ⅲ、当误差变化率EC的值较小时，为保证系统的快速响应，应取较大的Δkp，并取适中的Δki；
Ⅳ、当误差变化率E的值较大时，为保证系统的快速响应，应取较大的Δkp，并取较小的Δki；
Ⅴ、当误差变化率E的值为中等大小时，为保证系统的快速响应，应取较大的Δkp，并取较小的Δki；
Ⅵ、当误差变化率E的值为较大时，为保证系统的稳态性能，应取较小的Δkp，并取适中的Δki。
然后使用加权平均法进行解模糊化，输出期望转矩控制量T*：
Figure BDA0001615130880000151
其中，ui是模糊论域的子集，μ(ui)为输出子集对应的隶属度。
继而再将输出期望转矩控制量经过线性变换得到期望转矩Tref：
Figure BDA0001615130880000152
在本发明的一个实施例中，处理模块40可包括用于分配开关磁阻电机各相的输出转矩的转矩分配单元，转矩分配单元可确定转矩分配函数，并根据转矩分配函数计算开关磁阻电机各相的输出转矩之和，以及根据开关磁阻电机各相的磁共能计算开关磁阻电机各相的输出转矩。
如图3所示，可将期望转矩Tref作为转矩分配单元的输入。具体地，可选择转矩分配函数的上升边缘和下降边缘均为余弦函数形式，其表达式为：
Figure BDA0001615130880000153
其中，m为开关磁阻电机相数，Nr为开关磁阻电机转子级数，θ0j为开关磁阻电机第j相的开通角，θ1j为开关磁阻电机第j相转矩增加结束时转子所对应的位置角，θ2j为开关磁阻电机第j相的关断角，θ3j为开关磁阻电机第j相转矩降为零时转子所对应的位置角。
然后根据下式计算开关磁阻电机的总输出转矩，即各项的输出转矩之和：
T＝Treff1(θ)+Treff2(θ)+Treff3(θ) (5)
其中，f1(θ)、f2(θ)、f3(θ)为开关磁阻电机的三相转矩的分配函数。
开关磁阻电机各相的输出转矩可根据磁共能来计算，计算公式如下：
Figure BDA0001615130880000161
Figure BDA0001615130880000162
其中，W′为开关磁阻电机一相的磁共能，ψ(θ,i)为开关磁阻电机一相的磁链，θ为转子位置角，k为开关磁阻电机的某一相，Tk(θ,i)为开关磁阻电机第k相转矩，ik为开关磁阻电机第k相电流。
由转速调节器得到的期望转矩Tref作为转矩分配单元的输入，通过转矩分配函数计算当前开通相以及下一开通相所对应的转矩，从而合理分配转矩。根据上述公式(7)即可求出各相期望电流iref。
在本发明的一个实施例中，处理模块40可包括用于生成驱动信号的电流调节器，电流调节器可先根据开关磁阻电机各相的期望电流和相电流设计滑模函数，再根据开关磁阻电机各相的期望电流和相电流确定神经网络的输入，并根据神经网络的输入计算神经网络的输出，以及设定控制律，并根据控制律和神经网络的输出得到滑模函数的导数。然后设计李雅普诺夫函数，并根据滑模函数的导数求得李雅普诺夫函数的导数，以及设定自适应率，并在根据自适应率和李雅普诺夫函数的导数进行电流稳定性控制后，生成驱动信号。
如图3所示，可将期望电流iref和电流检测模块检测到的电流i作为电流调节器的输入。
如图5所示，电流调节器采用神经网络自适应鲁棒滑模控制，输出PWM波提供给功率变换器，对开关磁阻电机的电流进行调节，使系统的运动稳定且拥有良好的动态品质。
具体地，可设计滑模函数，iref为期望电流，i为相电流，则误差为e＝iref-i，滑模函数为：
Figure BDA0001615130880000171
其中，c为常数且c>0。
开关磁阻电机的电压方程为：
Figure BDA0001615130880000172
式中，U为相电压，R为相绕组电阻，ψ为磁链，ω为机械角速度。
由公式(9)可得
Figure BDA0001615130880000173
其中，L为相绕组电感，u为控制输出。
由式(10)和式(8)可得
Figure BDA0001615130880000174
其中，系数
Figure BDA0001615130880000175
本发明实施例的神经网络输入输出算法为：
Figure BDA0001615130880000176
ai＝W*Th(x)+ε (13)
其中，x为网络输入，j为网络隐含层第j个网络输入，cj是第j个神经元的中心位置，bj是第j个神经元的宽度，h＝[hj]T为高斯基函数的输出，W*为理想网络权值，ε为网络逼近误差。
神经网络输入取
Figure BDA0001615130880000177
则神经网络输出为
Figure BDA0001615130880000178
其中，
Figure BDA0001615130880000179
为神经网络的权值。
设定控制律为：
Figure BDA0001615130880000181
其中，sgn(s)为符号函数，ηsgn(s)为鲁棒项，用于克服干扰和神经网络误差逼近，以保证系统稳定。
将式(15)代入式(11)得
Figure BDA0001615130880000182
其中，
Figure BDA0001615130880000183
设计李雅普诺夫函数为：
Figure BDA0001615130880000184
其中，γ＞0。
则由公式(16)可得
Figure BDA0001615130880000185
取自适应律为：
Figure BDA0001615130880000186
则
Figure BDA0001615130880000187
由于神经网络逼近误差ε为很小的正实数，取η≥ε，则
Figure BDA0001615130880000188
当
Figure BDA0001615130880000189
时，s≡0，根据拉萨尔不变集原理，闭环系统渐进稳定，由DSP芯片生成PWM波输出。
DSP芯片输出的PWM波经过驱动模块控制功率变换模块，由功率变换模块改变开关磁阻电机的功率，完成对开关磁阻电机转速与电流的调节。
综上所述，根据本发明实施例的开关磁阻电机的控制系统，通过采用模糊PI控制调节转速，并采用神经网络自适应鲁棒滑模控制调节电流，能够快速响应转速、电流，具有较强的自适应能力，抑制电流尖峰，有效地抑制了开关磁阻电机的转矩脉动。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种开关磁阻电机的控制方法，其特征在于，包括以下步骤：
获取所述开关磁阻电机的给定转速；
获取所述开关磁阻电机的转子位置信号和各相的相电流；
根据所述转子位置信号计算所述开关磁阻电机的反馈转速；
根据所述给定转速和所述反馈转速计算所述开关磁阻电机的期望转矩；
根据所述期望转矩分配所述开关磁阻电机各相的输出转矩，并根据所述开关磁阻电机各相的输出转矩计算所述开关磁阻电机各相的期望电流；
根据所述开关磁阻电机各相的期望电流和相电流，采用神经网络自适应鲁棒滑模控制算法生成对应的驱动信号，以根据所述驱动信号对所述开关磁阻电机进行控制，
其中，根据所述开关磁阻电机各相的期望电流和相电流，采用神经网络自适应鲁棒滑模控制算法生成对应的驱动信号，包括：根据所述开关磁阻电机各相的期望电流和相电流设计滑模函数；根据所述开关磁阻电机各相的期望电流和相电流确定神经网络的输入，并根据所述神经网络的输入计算神经网络的输出；设定控制律，并根据所述控制律和所述神经网络的输出得到所述滑模函数的导数；设计李雅普诺夫函数，并根据所述滑模函数的导数求得所述李雅普诺夫函数的导数；设定自适应率，并在根据所述自适应率和所述李雅普诺夫函数的导数进行电流稳定性控制后，生成所述驱动信号，
其中，设计滑模函数，
Figure 300832DEST_PATH_IMAGE002
为期望电流，
Figure 948239DEST_PATH_IMAGE004
为相电流，则误差为
Figure 11878DEST_PATH_IMAGE006
，滑模函数为：
Figure DEST_PATH_IMAGE007
其中，
Figure DEST_PATH_IMAGE009
为常数且
Figure 576284DEST_PATH_IMAGE009
>0，
开关磁阻电机的电压方程为：
Figure DEST_PATH_IMAGE011
式中，
Figure 282466DEST_PATH_IMAGE013
为相电压，
Figure 730633DEST_PATH_IMAGE015
为相绕组电阻，
Figure 651709DEST_PATH_IMAGE017
为磁链，
Figure 832024DEST_PATH_IMAGE019
为机械角速度，
可得
Figure DEST_PATH_IMAGE020
其中，
Figure DEST_PATH_IMAGE022
为相绕组电感，
Figure DEST_PATH_IMAGE024
为滑模控制输出，
可得
Figure 538135DEST_PATH_IMAGE025
其中，系数
Figure 527344DEST_PATH_IMAGE027
，
Figure 299997DEST_PATH_IMAGE029
，
神经网络输入输出算法为：
Figure 982039DEST_PATH_IMAGE031
Figure 145036DEST_PATH_IMAGE033
其中，为网络输入，为网络隐含层第个网络输入，是第个神经元的中心 位置，是第个神经元的宽度，
Figure DEST_PATH_IMAGE048
为高斯基函数的输出，为理想网络权 值，
Figure 909446DEST_PATH_IMAGE052
为网络逼近误差，
神经网络输入取
Figure DEST_PATH_IMAGE053
，则神经网络输出为
Figure DEST_PATH_IMAGE055
其中，
Figure DEST_PATH_IMAGE057
为神经网络的权值，
设定控制律为：
Figure 937049DEST_PATH_IMAGE058
其中，
Figure 71752DEST_PATH_IMAGE060
为符号函数，
Figure 673504DEST_PATH_IMAGE062
为鲁棒项，用于克服干扰和神经网络误差逼近，以保 证系统稳定，
可得
Figure DEST_PATH_IMAGE063
其中，
Figure 117517DEST_PATH_IMAGE064
即神 经网络的权值与理想网络权值的偏差，
设计李雅普诺夫函数为：
Figure DEST_PATH_IMAGE065
，其中，
Figure DEST_PATH_IMAGE067
，
可得
Figure 297395DEST_PATH_IMAGE068
取自适应律为：
Figure DEST_PATH_IMAGE069
则
Figure 219476DEST_PATH_IMAGE070
取
Figure 878997DEST_PATH_IMAGE072
，则
Figure DEST_PATH_IMAGE073
，
当
Figure 431594DEST_PATH_IMAGE074
时，
Figure 606093DEST_PATH_IMAGE076
，根据拉萨尔不变集原理，闭环系统渐进稳定，由DSP芯片生成PWM波 输出。
2.根据权利要求1所述的开关磁阻电机的控制方法，其特征在于，采用模糊PI控制算法计算所述开关磁阻电机的期望转矩。
3.根据权利要求2所述的开关磁阻电机的控制方法，其特征在于，采用模糊PI控制算法计算所述开关磁阻电机的期望转矩，包括：
获取速度误差实际值和速度误差变化量实际值；
对所述速度误差实际值和所述速度误差变化量实际值进行模糊化以得到速度误差模糊值和速度误差变化量模糊值；
根据所述速度误差模糊值和所述速度误差变化量模糊值得到PI控制的参数整定量，并通过解模糊化和PI运算得到期望转矩控制量；
对所述期望转矩控制量进行线性变换以得到所述期望转矩。
4.根据权利要求3所述的开关磁阻电机的控制方法，其特征在于，根据所述期望转矩分配所述开关磁阻电机各相的输出转矩，包括：
确定转矩分配函数；
根据所述转矩分配函数计算所述开关磁阻电机各相的输出转矩之和，并根据所述开关磁阻电机各相的磁共能计算所述开关磁阻电机各相的输出转矩。
5.一种开关磁阻电机的控制系统，其特征在于，包括：
上位机，所述上位机用于设置给定转速；
位置检测模块，所述位置检测模块用于获取所述开关磁阻电机的转子位置信号；
电流检测模块，所述电流检测模块用于获取所述开关磁阻电机各相的相电流；
处理模块，所述处理模块分别与所述上位机、所述位置检测模块和所述电流检测模块相连，以获取所述开关磁阻电机的给定转速、转子位置信号和各相的相电流，所述处理模块用于根据所述转子位置信号计算所述开关磁阻电机的反馈转速，并根据所述给定转速和所述反馈转速计算所述开关磁阻电机的期望转矩，以及根据所述期望转矩分配所述开关磁阻电机各相的输出转矩，并根据所述开关磁阻电机各相的输出转矩计算所述开关磁阻电机各相的期望电流，以及根据所述开关磁阻电机各相的期望电流和相电流，采用神经网络自适应鲁棒滑模控制算法生成对应的驱动信号，以根据所述驱动信号对所述开关磁阻电机进行控制，
其中，所述处理模块包括用于生成所述驱动信号的电流调节器，所述电流调节器用于：根据所述开关磁阻电机各相的期望电流和相电流设计滑模函数；根据所述开关磁阻电机各相的期望电流和相电流确定神经网络的输入，并根据所述神经网络的输入计算神经网络的输出；设定控制律，并根据所述控制律和所述神经网络的输出得到所述滑模函数的导数；设计李雅普诺夫函数，并根据所述滑模函数的导数求得所述李雅普诺夫函数的导数；设定自适应率，并在根据所述自适应率和所述李雅普诺夫函数的导数进行电流稳定性控制后，生成所述驱动信号，
其中，设计滑模函数，
Figure 94316DEST_PATH_IMAGE078
为期望电流，
Figure 342764DEST_PATH_IMAGE080
为相电流，则误差为
Figure 879312DEST_PATH_IMAGE082
，滑模函数为：
Figure 603423DEST_PATH_IMAGE007
其中，
Figure 634352DEST_PATH_IMAGE009
为常数且
Figure 495561DEST_PATH_IMAGE009
>0，
开关磁阻电机的电压方程为：
Figure 668922DEST_PATH_IMAGE084
式中，
Figure 883259DEST_PATH_IMAGE086
为相电压，
Figure 964217DEST_PATH_IMAGE088
为相绕组电阻，
Figure DEST_PATH_IMAGE090
为磁链，
Figure DEST_PATH_IMAGE092
为机械角速度，
可得
Figure 703370DEST_PATH_IMAGE020
其中，
Figure DEST_PATH_IMAGE094
为相绕组电感，
Figure DEST_PATH_IMAGE096
为滑模控制输出，
可得
Figure 690043DEST_PATH_IMAGE025
其中，系数
Figure 326429DEST_PATH_IMAGE027
，
Figure 948428DEST_PATH_IMAGE029
，
神经网络输入输出算法为：
Figure DEST_PATH_IMAGE098
Figure DEST_PATH_IMAGE100
其中，
Figure DEST_PATH_IMAGE102
为网络输入，
Figure DEST_PATH_IMAGE104
为网络隐含层第
Figure 79502DEST_PATH_IMAGE104
个网络输入，
Figure DEST_PATH_IMAGE106
是第
Figure 378022DEST_PATH_IMAGE104
个神经元的中心位置，
Figure DEST_PATH_IMAGE108
是第
Figure 426005DEST_PATH_IMAGE104
个神经元的宽度，
Figure 851695DEST_PATH_IMAGE048
为高斯基函数的输出，
Figure DEST_PATH_IMAGE110
为理想网络权值，
Figure 313243DEST_PATH_IMAGE052
为网络 逼近误差，
神经网络输入取
Figure 530467DEST_PATH_IMAGE053
，则神经网络输出为
Figure 878796DEST_PATH_IMAGE055
其中，
Figure DEST_PATH_IMAGE112
为神经网络的权值，
设定控制律为：
Figure 29548DEST_PATH_IMAGE058
其中，
Figure DEST_PATH_IMAGE113
为符号函数，
Figure DEST_PATH_IMAGE114
为鲁棒项，用于克服干扰和神经网络误差逼近，以保 证系统稳定，
可得
Figure 583151DEST_PATH_IMAGE063
其中，
Figure DEST_PATH_IMAGE115
即神经 网络的权值与理想网络权值的偏差，
设计李雅普诺夫函数为：
Figure 274072DEST_PATH_IMAGE065
，其中，
Figure 109697DEST_PATH_IMAGE067
，
可得
Figure 670997DEST_PATH_IMAGE068
取自适应律为：
Figure 33102DEST_PATH_IMAGE069
则
Figure 592128DEST_PATH_IMAGE070
取
Figure 852732DEST_PATH_IMAGE072
，则
Figure 155407DEST_PATH_IMAGE073
，
当
Figure 259103DEST_PATH_IMAGE074
时，
Figure 661134DEST_PATH_IMAGE076
，根据拉萨尔不变集原理，闭环系统渐进稳定，由DSP芯片生成PWM波 输出。
6.根据权利要求5所述的开关磁阻电机的控制系统，其特征在于，所述处理模块采用模糊PI控制算法计算所述开关磁阻电机的期望转矩。
7.根据权利要求6所述的开关磁阻电机的控制系统，其特征在于，所述处理模块包括用于计算所述开关磁阻电机的期望转矩的速度调节器，所述速度调节器用于：
获取速度误差实际值和速度误差变化量实际值；
对所述速度误差实际值和所述速度误差变化量实际值进行模糊化以得到速度误差模糊值和速度误差变化量模糊值；
根据所述速度误差模糊值和所述速度误差变化量模糊值得到PI控制的参数整定量，并通过解模糊化和PI运算得到期望转矩控制量；
对所述期望转矩控制量进行线性变换以得到所述期望转矩。
8.根据权利要求7所述的开关磁阻电机的控制系统，其特征在于，所述处理模块包括用于分配所述开关磁阻电机各相的输出转矩的转矩分配单元，所述转矩分配单元用于：
确定转矩分配函数；
根据所述转矩分配函数计算所述开关磁阻电机各相的输出转矩之和，并根据所述开关磁阻电机各相的磁共能计算所述开关磁阻电机各相的输出转矩。
CN201810282871.5A 2018-04-02 2018-04-02 开关磁阻电机的控制方法和系统 Active CN108599667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810282871.5A CN108599667B (zh) 2018-04-02 2018-04-02 开关磁阻电机的控制方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810282871.5A CN108599667B (zh) 2018-04-02 2018-04-02 开关磁阻电机的控制方法和系统

Publications (2)

Publication Number Publication Date
CN108599667A CN108599667A (zh) 2018-09-28
CN108599667B true CN108599667B (zh) 2021-04-09

Family

ID=63624121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810282871.5A Active CN108599667B (zh) 2018-04-02 2018-04-02 开关磁阻电机的控制方法和系统

Country Status (1)

Country Link
CN (1) CN108599667B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110096077B (zh) * 2019-05-31 2022-01-25 西南石油大学 开关磁阻电机非奇异快速终端滑模转速控制方法及系统
CN110572108B (zh) * 2019-09-12 2021-02-12 桂林电子科技大学 开关磁阻电机的电感模型非线性补偿与控制方法与系统
CN111654221A (zh) * 2020-05-25 2020-09-11 珠海格力电器股份有限公司 一种电机的电流谐波抑制装置、方法和电机
CN111697903B (zh) * 2020-06-10 2021-08-20 大连理工大学 一种同时抑制开关磁阻电机转矩脉动与振动的控制方法
CN112117947B (zh) * 2020-09-30 2022-03-11 桂林电子科技大学 基于电流注入法的srm转矩脉动抑制控制系统和方法
CN112421994B (zh) * 2020-10-09 2022-05-13 大连理工大学 一种控制四相开关磁阻电机的电流环重构方法
CN112468050B (zh) * 2020-11-03 2023-09-01 中国直升机设计研究所 一种可控制电机相位的转速控制方法
CN113489388B (zh) * 2021-06-21 2023-05-26 山东省科学院自动化研究所 开关磁阻电机直接瞬时电流控制方法及控制器
CN113833678A (zh) * 2021-09-16 2021-12-24 河北农业大学 一种压气机
CN114679103B (zh) * 2022-05-30 2022-12-06 广东工业大学 一种开关磁阻电机滑模电流补偿控制系统及方法

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009228605A (ja) * 2008-03-24 2009-10-08 Daihatsu Motor Co Ltd エンジン回転数制御方法、エンジン回転数制御装置
CN103197562A (zh) * 2013-04-11 2013-07-10 浙江工业大学 转台伺服系统神经网络控制方法
CN103701390A (zh) * 2013-12-13 2014-04-02 青岛大学 考虑铁损的电动汽车异步电机模糊反步控制方法
CN103701396A (zh) * 2013-12-13 2014-04-02 天津大学 一种基于自适应模糊神经网络的电机转速跟踪控制方法
US8700686B1 (en) * 2007-11-13 2014-04-15 The Mathworks, Inc. Robust estimation of time varying parameters
CN104216284A (zh) * 2014-08-14 2014-12-17 浙江工业大学 机械臂伺服系统的有限时间协同控制方法
CN104753440A (zh) * 2015-04-21 2015-07-01 国电科学技术研究院 一种伺服电机的基于微分器的滑模预测控制方法
CN105610162A (zh) * 2016-01-04 2016-05-25 河海大学常州校区 一种有源电力滤波器自适应模糊滑模rbf神经网络控制方法
CN105827168A (zh) * 2016-05-10 2016-08-03 华中科技大学 基于滑模观测的永磁同步电机控制方法及系统
CN106249591A (zh) * 2016-09-13 2016-12-21 北京交通大学 一种针对列车未知扰动的神经自适应容错控制方法
CN106788086A (zh) * 2017-02-20 2017-05-31 青岛大学 考虑输入饱和的异步电机命令滤波有限时间模糊控制方法
CN106849791A (zh) * 2017-01-05 2017-06-13 江苏大学 一种抑制永磁直线电机不匹配扰动的基于内模的滑模速度控制方法
CN107482977A (zh) * 2017-09-27 2017-12-15 重庆大学 一种永磁同步电机转子位置和转速检测方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040208274A1 (en) * 2003-04-16 2004-10-21 Abramovitch Daniel Y. Method for guaranteeing stable non-linear PLLs
JP4347621B2 (ja) * 2003-05-21 2009-10-21 株式会社デルタツーリング 生体評価システム、コンピュータプログラム及び記録媒体
US7019482B2 (en) * 2003-05-29 2006-03-28 Sodick Co., Ltd. Motion controller having sliding mode controller
US9890778B2 (en) * 2015-11-04 2018-02-13 Haier Us Appliance Solutions, Inc. Method for operating a linear compressor
CN106817058B (zh) * 2015-11-27 2019-12-10 比亚迪股份有限公司 电动叉车的驱动控制方法、装置以及电动叉车
CN106026835A (zh) * 2016-08-04 2016-10-12 上海应用技术学院 一种基于模糊控制和滑模观测器的无速度传感器优化方法
CN106357186A (zh) * 2016-09-05 2017-01-25 桂林电子科技大学 一种复合控制电流的开关磁阻电机恒转矩控制方法与系统
CN107070352B (zh) * 2017-06-14 2018-04-27 齐鲁工业大学 一种开关磁阻电机调速系统
CN107241033B (zh) * 2017-08-01 2019-08-23 桂林电子科技大学 基于电流-位置的开关磁阻电机转矩脉动抑制方法与系统
CN107332490B (zh) * 2017-08-30 2019-08-09 西安科技大学 一种开关磁阻电机的模糊直接瞬时转矩控制方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8700686B1 (en) * 2007-11-13 2014-04-15 The Mathworks, Inc. Robust estimation of time varying parameters
JP2009228605A (ja) * 2008-03-24 2009-10-08 Daihatsu Motor Co Ltd エンジン回転数制御方法、エンジン回転数制御装置
CN103197562A (zh) * 2013-04-11 2013-07-10 浙江工业大学 转台伺服系统神经网络控制方法
CN103701390A (zh) * 2013-12-13 2014-04-02 青岛大学 考虑铁损的电动汽车异步电机模糊反步控制方法
CN103701396A (zh) * 2013-12-13 2014-04-02 天津大学 一种基于自适应模糊神经网络的电机转速跟踪控制方法
CN104216284A (zh) * 2014-08-14 2014-12-17 浙江工业大学 机械臂伺服系统的有限时间协同控制方法
CN104753440A (zh) * 2015-04-21 2015-07-01 国电科学技术研究院 一种伺服电机的基于微分器的滑模预测控制方法
CN105610162A (zh) * 2016-01-04 2016-05-25 河海大学常州校区 一种有源电力滤波器自适应模糊滑模rbf神经网络控制方法
CN105827168A (zh) * 2016-05-10 2016-08-03 华中科技大学 基于滑模观测的永磁同步电机控制方法及系统
CN106249591A (zh) * 2016-09-13 2016-12-21 北京交通大学 一种针对列车未知扰动的神经自适应容错控制方法
CN106849791A (zh) * 2017-01-05 2017-06-13 江苏大学 一种抑制永磁直线电机不匹配扰动的基于内模的滑模速度控制方法
CN106788086A (zh) * 2017-02-20 2017-05-31 青岛大学 考虑输入饱和的异步电机命令滤波有限时间模糊控制方法
CN107482977A (zh) * 2017-09-27 2017-12-15 重庆大学 一种永磁同步电机转子位置和转速检测方法

Also Published As

Publication number Publication date
CN108599667A (zh) 2018-09-28

Similar Documents

Publication Publication Date Title
CN108599667B (zh) 开关磁阻电机的控制方法和系统
Lin et al. Fuzzy neural network output maximization control for sensorless wind energy conversion system
CN109327168B (zh) 一种永磁同步电机模糊滞环电流控制系统及方法
Benbouhenni Fuzzy second order sliding mode controller based on three-level fuzzy space vector modulation of a DFIG for wind energy conversion systems
CN107196570A (zh) 一种永磁同步电机无传感器控制方法
CN110829932A (zh) 一种横向磁通开关磁阻电机的直接转矩控制系统及其方法
Miloudi et al. A variable gain PI controller used for speed control of a direct torque neuro fuzzy controlled induction machine drive
CN110429872B (zh) 一种car-bldcm转矩脉动抑制控制系统及方法
CN113346810B (zh) 速度和电流双闭环模糊控制的pmsm无传感器控制方法
OTKUN Scalar speed control of induction motors with difference frequency
CN109217756A (zh) 基于混合人工神经网络参考自适应异步电机矢量控制方法
Masood et al. Review of ANFIS-based control of induction motors
Sayouti et al. Sensor less low speed control with ANN MRAS for direct torque controlled induction motor drive
Moghadasian et al. Intelligent sensorless speed control of six-phase induction machine
Kumar et al. MRAS speed estimator for speed sensorless IFOC of an induction motor drive using fuzzy logic controller
Pouya Design of adaptive neural fuzzy controller for speed control of BLDC motors
CN111431461A (zh) 基于模糊控制的永磁同步电主轴直接转矩调速方法
Chen et al. Study of a single neuron fuzzy PID DC motor control method
Belaid Improved im dtc by using a fuzzy switching table in pv applications
Luo et al. Speed Estimation Air-gap Field-orientation-controlled Induction Motor Drive with Fuzzy Logic Control Flux Observer
Sayouti et al. MRAS-ANN based sensorless speed control for direct torque controlled induction motor drive
Khan et al. ANFIS Based Speed Controller for a Direct Torque Controlled Induction Motor Drive
Gadoue et al. Low speed operation improvement of MRAS sensorless vector control induction motor drive using neural network flux observers
Pujar et al. Digital simulation of direct torque fuzzy control of PMSM servo system
Lakshmipriya et al. An Intelligent Hybrid Fuzzy PI controller for Performance Analysis of Permanent Magnet Synchronous Motor

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant