论文部分内容阅读
高性能矢量控制系统都需要对转速进行闭环控制,但在许多场合都不方便安装转速编码盘等测速装置,因此对无速度传感器矢量控制系统的研究具有很重要的现实意义。速度辨识是无速度传感器矢量控制系统的重要环节,速度辨识的精度直接关系着矢量控制系统的整体性能。传统的基于模型参考自适应的速度辨识由于其PI自适应规律自身的不足,使得速度辨识误差较大,辨识精度不高。同时电机参数的变化也会严重影响速度辨识的效果。本文针对上述问题,在模型参考自适应速度辨识方法的基础上提出了基于神经网络MRAS的速度辨识方法。该方法用神经网络BP算法代替模型参考自适应速度辨识的PI自适应机构,有效的克服了PI自适应规律存在的不足,提高了速度辨识精度。同时为了减少电机参数变化对神经网络MRAS速度辨识精度的影响,提出了基于MRAS的转子时间常数在线辨识,并设计了带转子时间常数在线辨识的无速度传感器矢量控制系统。通过加入转子时间常数在线辨识改进了神经网络MRAS速度辨识在转子时间常数变化时的辨识效果。对上述算法进行了仿真验证,首先对以上两种速度辨识方法进行仿真对比研究,结果表明基于神经网络MRAS的速度辨识收敛速度更快,辨识精度更高。其次,通过仿真分析了转子时间常数变化对神经网络速度辨识的影响,并仿真验证了基于MRAS转子时间常数在线辨识的正确性。最后,对设计的带转子时间常数在线辨识的无速度传感器矢量控制系统进行仿真研究。结果表明,加入转子时间常数在线辨识可以有效抑制转子时间常数变化对速度辨识的影响,改进了基于神经网络MRAS速度辨识效果。最后以TI公司的TMS320F2808DSP为核心,进行了硬件电路设计。主要包括主回路,开关电源,驱动电路,检测电路,保护电路等。并进行了初步的软件设计。