总结直接转矩控制-滞环控制总结.docVIP

蓝色部分还未看 关于近期对直接转矩控制技术的学习总结 直接转矩控制的基本原理 直接转矩控制是通过磁链观测器确定定子磁链在在空间中的位置及其磁链大小，并且能够保证定子磁链的大小在一定的范围之内，且估算电磁转矩的大小，通过给定转矩和实际转矩以及给定的定子磁链和实际的定子磁链的误差，去选择适当的电压矢就可以控制电机定子磁链的旋转速度，从而改变负载角的大小，达到迅速控制电机输出转矩的目的。 2.3　直接转矩控制的发展方向 直接转矩控制也并不是十全十美的控制策略，传统的直接转矩控制同样存在着缺点。它要将给定转矩与实际转矩的误差和给定定子磁链与实际定子磁链的误差输入到滞环比较器中。由于滞环比较器存在一个阀值，而且电压逆变器只有八种状态可选择。当转矩或者定子磁链从一个很小的值变化到另一个很小的值，即电机运行在低速状态，如在启动阶段时，电压逆变开关没来得及改变，导致电压矢量继续作用，直至给定转矩与实际转矩的误差和给定定子磁链与实际定子磁链的误差达到滞环比较器的阀值，电压逆变器才开始改变状态，终止电压矢量的作用。因此，在此过程中，会使电机的转矩和定子磁链产生较大的波动。 为了解决传统的直接转矩控制在低速时转矩响应慢，动态性能不足这个缺点，目前专家提出了几种解决方法。这就确定了直接转矩控制在今后的发展方向。 一、对传统的直接转矩控制的空间电压矢量开关表进行改进。以永磁同步电机的直接转矩控制为例，可以在原有的开关表的基础上加上两个零矢量，即000和111，把开关表从4行扩充到6行。插入了零矢量后，有效地把转矩的变化维持在一定的范围内。这样，转矩的脉动频率和电压逆变器的开关次数就相应减少了。此外，有专家提出了把空间电压矢量细分的方法。把原来的6等份扩大到12等份或者24等份，从而减小转矩的脉动。但是这两种方案还是存在不足，插入零矢量虽然能有效把转矩维持在一定范围内，却同时使转矩响应变慢了。这样一来就失去了直接转矩控制转矩响应快的优势。细分电压矢量法虽然能有效抑制转矩的脉动，但其效果与细分的程度成正比，要想得到理想的效果，就要大大增加运算量。 2)用空间矢量脉冲宽度调制的方法去代替空间电压矢量开关表，从而得到恒定的开关频率。以定子的磁链为参考系，把检测到的定子电压和定子电流进行3/2变换。把变换后的定子电流和定子电压通过全速度磁链模型去计算，从而得到定子磁链值Ψs 、电磁转矩值与磁链位置角。给定转矩与实际转矩的误差不再经过滞环比较器，而是经PI 调节后得到磁链增量角。然后通过对参考电压的预测计算可以得出期望的参考电压矢量，再经空间矢量脉宽调制得到所需要的开关控制信号。 3)神经网络和模糊控制与传统的直接转矩控制相结合。神经网络像人一样有这很强的自我学习能力。但它不能处理已有的有规则的知识，所以在对神经网络进行训练时，不能运用已有的经验和知识，只能重新给他一个初始值，这样就使训练时间大大增加，效率很低。模糊控制，主要在传统的直接转矩控制的基础上，模糊调节给定转矩与实际转矩的误差以及误差的变化率。但这种方法要经过模糊推理和模糊判断，大幅增加了计算的复杂程度，所以目前还得不到广泛的应用。把神经网络以及模糊控制与传统的直接转矩控制相结合，把模糊集合所定义的模糊概念应用到神经网络的学习和计算之上，这样就能在普通的神经网络的基础上产生了各种各样的模糊神经网络。一方面利用了模糊控制去提高神经网络的学习能力，缩短了训练时间；另一方面利用神经网络的强大的学习能力去调整模糊化的精度函数，加强模糊推理的能力，提高模糊判断的能力，实现并行推理。可见，如果能把模糊控制以及神经网络和传统的直接转矩控制有机地结合起来，博取众长，就能建立一种比单独将模糊控制或者单独将神经网络与直接转矩控制结合的控制策略都更优的控制策略。 永磁同步电动机的数学模型 三相永磁同步电机在a-b-c坐标下的电压和磁链方程可以写成如下形式： 上式中的为定子电压，为定子电流，为定子电阻，为定子磁链，为定子电感，为转子磁链。 永磁同步电机在a-b-c坐标下的电压方程的矩阵形式如下： 永磁同步电机在a-b-c坐标下的磁链方程的矩阵形式如下： 以下是正弦波永磁同步电机在转子dq坐标系下，电机的磁链、电压、转矩的表达式为 永磁同步电机直接转矩控制原理 从式(3-15)可以看出，在M-T坐标下，电磁转矩分成了两部分：第一部分与转子磁链有关，属于励磁转矩；第二部分是由转子的不均匀，即凸极性引起的，属于磁阻转矩。方程中的磁极数，d轴电感和q轴电感都是常量，因此转矩只与转子磁链，定子磁链和定子磁链与转子磁链夹角的正弦值有关。在控制过程中，假若忽略了定子电阻，定子磁链和转子磁链的夹角就等于负载角。根据同步电机的特点，我们可以