论文部分内容阅读
电动汽车体现了当前新能源汽车的发展方向,永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)因为其高效节能、可靠、功率密度大、控制简单等特点,在电动汽车电机领域得到了成功的应用,并且存在巨大的发展空间。现代控制理论是自适应控制的理论基础,自适应控制可以根据系统参数的变化情况,以反馈控制方式动态调整系统控制器的参数,从而使系统达到预期的控制目标。目前,永磁同步电机的自适应控制主要存在以下问题。一方面,永磁同步电机的双闭环采用串级控制,采用传统PI控制器待整定参数多,整定过程复杂,且整定得到的速度环与电流环PI控制器参数没有明显的物理含义。另一方面,永磁同步电机的参数受温度、磁饱和等因素影响,会降低系统的动态性能,且其控制系统是一个强非线性、时变和多变量系统,精确的电机参数对于实现PMSM高性能控制系统至关重要。因此,需要在线辨识电机控制系统所需要的参数。针对以上两个问题可以从以下几个方面解决:(1)通过采用粒子群优化的径向基函数(Radial Basis Function,RBF)神经网络算法调整PI控制器参数,减少了PI控制器待整定参数数量,推导了RBF神经网络实现PID参数整定的公式,极大的方便和加快了永磁同步电机速度环控制器参数的整定,实现永磁同步电机速度环自适应控制。(2)通过带遗忘因子的递推最小二乘法实现电机电感、电阻及永磁体磁链的参数辨识。该方法辨识精度高,消耗时间短,抗干扰能力好,其电感辨识误差、磁链辨识误差、电阻辨识误差均较小。(3)通过将带遗忘因子的递推最小二乘法参数估计与电流环PI控制器结合,简化PI控制器的参数整定过程,实现了永磁同步电机电流环自适应控制,提高了永磁同步电机控制的控制品质和鲁棒性。最后本文基于神经网络与参数辨识算法对永磁同步电机控制系统进行了软硬件设计,给出了整个控制系统的软硬件实现方案,搭建了实验台架进行算法验证,并对实验结果进行比较与分析,实验结果证明了算法的可行性。