基于神经网络直流无刷电机控制策略的研究

《基于神经网络直流无刷电机控制策略的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要'’721163近年来，随着稀土永磁材料、电力电子器件、微处理器、变频器和控制理论的飞速发展，直流无刷电机得到了广泛应用。然而直流无刷电机驱动系统受电机参数变化、外部负载扰动和非线性等不确定性的影响，要获得高性能的电机驱动系统，必须研究先进的控制策略以解决这些不确定性的影响，使系统具有较强的自适应能力和抗干扰能力。本文在对神经网络结构及算法研究的基础上，利用神经网络在非线性、不确定性系统控制和辨识方面优越的性能，提出了一种直流无刷电机高性能在线辨识和控制的神经网络控制器。在系统运行时，两个不同的神经网络控制电机的动态性能。在第一个控制系统中采用三层神经网络来控制转子的转

2、速，第二个控制电机定子的电流，并采用Levenburg。Marquardt算法对三层前馈神经网络进行在线训练，经过较短训练时间后，直轴和交轴电流就可以成功的跟踪预定轨迹。这种控制策略适用于电机的动态不可确定性以及自身的非线性。仿真结果表明在外界有干扰时这种结合自适应控制的神经网络控制器经过训练后可以得到理想的结果。关键词：直流无刷电机(BLDCM)；神经网络控制器；在线训练ABSTRACTInrecentyears，advancesinrare—earthpermanentmagneticmaterial，powerdevices，micro—processor,conve

3、rterdesigntechniqueandcontroltheoryhavemadeBLDCMplayavitalroleinmotion．contr01applications．ttowever,thecontrolperformanceoftheBLDCMdriveisstillinfluencebyuncertainties．whichusuallyfeaturesparametervariations。extemalloaddisturbancesandnonlineardynamics．Toachievehigll．performanceBLDCMdrive，w

4、hichhasgreatabilityofadaptationandbetterperformanceagainstdisturbances，advancedcontrolschemeshavetobedevelopedtodealwiththeseuncertainties．Thisthesis，onthebasisoftheresearch01"1structureandlearningalgorithmofneuraInetwork，ahigh．performanceneuro-controllerwithsimultaneousonlineidentificatio

5、nandcontroliSproposedforcontrollingBLDCM．Thedynamicsofthemotorarecontrolledusingtwodifierentneuralbasedidentificationandcontrolschemes．assystemiSinoperation．Int11efirstscheme．anaRemptiSmadetocontroltherotorangularspeed．utilizingasinglethree—hidden．1ayernetwork．thesecondschemeattemptstocont

6、rolthestatorcurrents．Thisschemesincorporatesthreemultilayeredfeedforwardneuralnetworksthatareonlinetrained，usingtheLevenburg-Marquardttrainingalgorithm．ThecontrolofthedirectandquadraturecomponentsofthestatorcurrentCansuccessfullytracedtrajectoriesafterrelativelyshortonlinetrainingperiods．T

7、hecontrolstrategyadaptstotheuncertaintiesofthemotordynamicsandtheirinherentnonlinearities．PromisingsimulationresultshavebeenobservedwhentheneuralcontrolleriStrainedinanenvironmemcontaminatedwithnoise．Keywords：BrushlessDCMotor；Neuro—controller；Onlinetraining．II