無刷雙饋電機建模及智能控制策略研究.pdf

1、無刷雙饋電機（Brushless Doubly Fed Machine, BDFM）作為近年發(fā)展起來的一種新型電機，它由兩套相互獨立的定子功率繞組、定子控制繞組和特殊結(jié)構(gòu)的轉(zhuǎn)子繞組組成。當它作為電動機運行用于交流調(diào)速系統(tǒng)中，利用可逆變頻器調(diào)節(jié)定子控制繞組的電源頻率，實現(xiàn)對BDFM的轉(zhuǎn)速控制。另一方面，BDFM也可作為發(fā)電機運行用于變速恒頻恒壓發(fā)電系統(tǒng)中。BDFM具有無電刷、集電環(huán)、結(jié)構(gòu)簡單、運行可靠、變頻器容量小、功率因數(shù)可控制等優(yōu)點。

2、在節(jié)能水泵和風機調(diào)速系統(tǒng)中以及水力和風力發(fā)電領域具有廣闊的應用前景。
　　 本論文研究的目的是針對BDFM在三相靜止坐標系下和二相旋轉(zhuǎn)坐標系下的數(shù)學模型建立過程中的不確定性和模型表現(xiàn)出的非線性特性，提出智能控制策略在BDFM調(diào)速系統(tǒng)中的應用，以提高控制系統(tǒng)的魯棒性和靜動態(tài)特性。
　　 本論文研究的方法是在BDFM的結(jié)構(gòu)分析、電磁關系分析和運行原理的深入理解的基礎上，對BDFM模型建立方法、電機參數(shù)辨識方法和智能控制方法進

3、行理論研究。由于BDFM的模型建立的不確定性和部分電機參數(shù)的時變性，為了得到較好的BDFM調(diào)速系統(tǒng)的控制特性，一些智能控制算法，如模糊控制、神經(jīng)網(wǎng)絡控制、滑模變結(jié)構(gòu)控制、預測控制和支持向量機等，通過計算機仿真進行應用研究。
　　 本論文各章的研究工作概述如下：
　　 第1章介紹了BDFM的發(fā)展現(xiàn)狀、構(gòu)成、運行原理和應用前景，綜述了BDFM建模、電機參數(shù)計算方法和控制策略的研究現(xiàn)狀，指出了無刷雙饋電機設計和運行中存在的不足

4、和問題，明確本學位論文的研究目的、意義和內(nèi)容。
　　 第2章介紹了BDFM定子功率繞組和控制繞組以及轉(zhuǎn)子繞組的電感計算方法，針對難于測量的轉(zhuǎn)子參數(shù)和轉(zhuǎn)子磁鏈等信息，主要研究利用神經(jīng)網(wǎng)絡模型來進行電機參數(shù)辨識。首先對神經(jīng)網(wǎng)絡參數(shù)辨識問題的基本理論進行了介紹，指出了神經(jīng)網(wǎng)絡技術(shù)已經(jīng)成為系統(tǒng)辨識的一種新方法。提出了基于系統(tǒng)的數(shù)學模型來構(gòu)造神經(jīng)網(wǎng)絡的方法，以及將網(wǎng)絡權(quán)值或網(wǎng)絡模型輸出作為待辨識參數(shù)作的思想。在BDFM調(diào)速系統(tǒng)實際應用中，

5、給出了利用電機參數(shù)辨識的數(shù)學模型來構(gòu)造神經(jīng)網(wǎng)絡，并進行仿真實驗驗證，結(jié)果表明了該方法的有效性。
　　 第3章基于BDFM的理想化物理模型和假設，根據(jù)BDFM的電磁關系，建立了三相靜止坐標系下的數(shù)學模型，并利用坐標變換理論建立了BDFM的三相轉(zhuǎn)子速dq坐標系下的數(shù)學模型和雙同步速坐標下的數(shù)學模型。基于雙同步速數(shù)學模型，推導出轉(zhuǎn)子磁場定向控制方程，實現(xiàn)電機的動態(tài)轉(zhuǎn)矩控制，并進行了仿真實驗。仿真結(jié)果表明，該控制策略適用于BDFM調(diào)速系

6、統(tǒng)的控制，可達到與感應電機的轉(zhuǎn)子磁場定向控制的效果，具有較好的動態(tài)特性。
　　 第4章針對BDFM建模過程的不確定性和模型的非線性特性，為了提高BDFM調(diào)速系統(tǒng)的控制特性，應用了模糊自適應滑模變結(jié)構(gòu)非線性控制算法控制BDFM的轉(zhuǎn)速，并用MATLAB/SIMULINK工具和軟件進行了仿真實驗研究。引入模糊自適應和遺傳算法控制算法，實現(xiàn)滑模切換控制中的切換速率和滑模等效控制中的反饋增益的自適應調(diào)節(jié)，減弱了滑模變結(jié)構(gòu)系統(tǒng)引起的抖振影響

7、，并維持了BDFM運行過程的穩(wěn)定性和動態(tài)性能。仿真實驗結(jié)果表明，應用的控制算法既保持了滑模變結(jié)構(gòu)控制的魯棒性，又具有響應速度快、無超調(diào)、無靜態(tài)誤差等優(yōu)點。
　　 第5章應用基于徑向基(RBF)神經(jīng)網(wǎng)絡模糊預測控制算法進行了BDFM調(diào)速控制的仿真實驗研究。利用RBF神經(jīng)網(wǎng)絡進行了BDFM模型的辨識，并采用模糊自適應的多步推理和性能測量方法計算性能評價指標，用模糊預測控制算法實施BDFM的速度控制。因為通過對未來系統(tǒng)輸出量的預測能達

8、到對復雜過程的有效控制，所以，對BDFM這樣的非線性被控對象能獲得較好的控制效果。應用MATLAB/SIMULINK軟件的仿真實驗結(jié)果表明，應用的控制方法能有效地實現(xiàn)BDFM非線性系統(tǒng)的優(yōu)化控制。
　　 第6章將機器學習領域的支持向量機(SVM)引入BDFM的建模與控制研究中，探討了基于SVM的建模方法在BDFM建模和控制中的應用。通過支持向量機與模糊控制技術(shù)相結(jié)合，設計的基于支持向量機的模糊推理控制器，實現(xiàn)了BDFM調(diào)速系統(tǒng)具