网站地图985论文网
主要服务:硕士论文,硕士论文写作、论文发表、论文修改服务

异步电动机转速控制及保护研究

来源:985论文网 添加时间:2020-05-12 10:21
摘  要:在工农业生产,国防,交通等领域,电动机被广泛用作电能和机械能的主要转换装置。与直流电机相比,交流电机具有结构简单、制造方便、易于实现高速、大容量、高电压、大电流等优点。然而,由于首先难以解决交流电机磁通控制和转矩控制之间的问题,因此难以实现速度控制。直到20世纪80年代,直流电机调速系统一直是变速驱动领域的主要地位。随着电力电子设备、数字控制器和自动控制技术的发展,交流电机在传动领域逐渐取代了直流电机。其中,交流电机控制理论的发展起着重要的作用。目前流行的交流电机控制方法主要有:场向控制(FOC)和直接转矩控制(D TC)。本文主要概述了研究背景与研究意义、研究内容、国内外研究现状。主要分析了基于模型参考自适应的转速控制,针对系统实验与分析。
关键词:异步电动机;转速辨识;电压模型
 
1  绪  论
1.1  研究背景与研究意义
1.1.1  研究背景
矢量控制首先是德国学者K.Hasse在1969年提出的,然后由西门子工程师f.Brahick在1971年改进和发展形成了一套完善的矢量控制理论和方法。通过改变旋转坐标,矢量控制可以有效地实现转矩控制和磁通控制。目前,随着同步电机制造成本的降低,同步电机的使用越来越多。然而,异步电动机具有结构简单、制造、使用和维护方便、运行可靠、质量低、成本低等优点,是同步电动机无法比拟的,因为异步电动机在变速传动中仍占有重要地位。系统。矢量控制作为转速闭环控制,需要电机转速作为反馈。通常,电机的实际速度由安装在电机轴上的编码器提供。采用编码器获得电机转速困难,需要额外的安装空间,可靠性低,经济性差。在此基础上,RobertJoetten于1983年首次提出了速度识别技术,并将其与矢量控制相结合,克服了使用编码器获得电机速度的不便。速度识别技术利用电机可测量的终端电压和电流来识别电机的速度。解决了使用编码器获取实际速度所带来的诸多问题,其建议具有重要意义。
1.1.2  研究意义
自速度识别技术提出以来,一直受到众多学者的高度重视。自提出以来,速度识别技术已经很快地应用于变频器。1995年,日本Yaskawa电气公司引进了一种速度识别矢量控制逆变器产品US-616-G5。到目前为止,速度识别技术已广泛应用于各种工业和民用变频器中。除了ABB,西门子,三菱等主流变频器厂家采用的速度识别技术外,一些中型变频器厂家也引进了速度识别技术。速度识别技术也应用于船舶和电动汽车领域。在轨道交通方面,2005年通车的广州地铁3号线采用西门子引进的牵引控制系统SITRAC,采用电机速度识别技术。无锡地铁1号线于2013年投入运营,首次采用中国自主研发的速度识别技术。虽然现在的速度识别技术比较成熟,但仍存在一些问题,如低速稳定性差,变频器空载时间影响大,实现全速范围运行困难等。因此,对速度识别技术的研究仍具有重要意义。
1.2  研究内容
本文主要分为四个部分,本文第一部分主要概述了研究背景与研究意义、研究内容、国内外研究现状。本文第二部分主要分析了基于模型参考自适应的转速控制,包括基于转子磁链模型参考自适应转速辨识系统建模、仿真验证及分析、基于瞬时无功模型参考自适应转速控制方法分析。本文第三部分针对系统实验与分析,包括实验台架介绍、一种新的死区补偿策略、实验结果、两种转速辨识方法比较。本文第四部分主要针对全文内容进行概括总结。
1.3  国内外研究现状
在国内测量异步电动机转速的方法有很多,除了原理分类外,从传感器应用的角度,还可以分为接触法、非接触法和无传感器法。根据不同的测试环境和精度要求,选择合适的测量方法。介绍了以下三种测量方法:接触式异步电动机的测速方法主要适用于电动机外露轴端的测速。是指安装传感器或传感器辅助元件(如光电编码器,加速度传感器,电磁钢板,反光纸等)。在电机轴上,将电机的速度信号转换为电脉冲信号,并将其发送到计数和处理系统。这里常用的处理器有微控制器和PLC。测量方法的一般过程模型可归纳为图1-1所示,其中交互模块包括键盘,显示,通信等功能。以光电编码器为传感器的测速方案在图1-1中。
 
图1-1  接触式测量法一般模型
非接触式异步电动机的测速方法主要适用于无曝光轴端潜水轴电动机或潜水电动机的测速。根据GB1032-2005三相异步电动机试验方法中感应线圈方法的原理,通过感应线圈将包括电动机转速在内的漏磁通信信号转换成电信号,通过对电动机进行加工得到电动机转速。处理电信号有两种方法。一种是通过硬件调整电路将有效信号分离,然后将其转换为脉冲信号进行处理。二是通过软件频谱分析提取有效信号频率。测量方法的一般过程模型可概括如图1-2所示。图中的频谱分析处理模块为处理器(高性能单片机,DSP等)。可以进行快速傅里叶变换。
 
图1-2  非接触式测量法一般模型
非接触式异步电动机的测速方法是基于虚拟仪器技术,利用感应线圈引起的转子和定子漏磁的变化将其转化为感应电动机感应电动势的变化。然后收集变化的电动势。利用虚拟仪器LabVIEW软件强大的数据处理能力,可以对采集的数据进行频谱分析,计算转子和定子的子频率,从而获得电机转速。本文研究了第一种非接触方法,即通过硬件调整电路分离有效信号,然后进行处理的方法,将在本文的后面章节中详细介绍。
2  基于模型参考自适应的转速控制
2.1基于转子磁链模型参考自适应转速辨识系统建模
已知模型参考自适应方法识别异步电动机转速的原理图如图所示。基于转子磁链的模型参考自适应速度辨识系统以转子磁链观测到的电压模型为参考模型,电流模型为可调模型。因为电压模型不需要速度信息来观察转子磁通,而电流模型需要速度信息来观察转子磁通。两种模型所观察到的转子磁链,通过一定的自适应定律进行修正。准确识别电机转速的条件是两种模型观察到的转子磁通相同。
2.1.1  异步电机转子磁链观测的电压模型与电流模型
首先给出异步电动机转子磁链的电压模型和电流模型。这两个模型是由两相静态坐标系下异步电动机的数学模型导出的。两相静态坐标系下异步电动机的数学模型如下:
电压方程:
 
磁链方程:
 
将公式带入可以得到转子磁链观测的电压模型:
 
可以看到电压模型中包含积分运算。转子电压在实际异步电机中为零,将式代入可以得到转子磁链观测的电流模型:
 
2.1.2  转速辨识系统动态模型建立
速度识别系统需要利用速度识别自适应定律得到的值,通过PI控制器获得识别速度,因此设计系统时需要考虑PI控制器的参数设计,需要确定动态数学模型。速度识别系统模型。此外,通过波波夫的超稳定律,我们知道速度识别系统可以保证稳定性,但这与我们传统的系统稳定性判断方法不同。系统动力学数学模型的建立使我们能够依靠传统的方法来判断速度识别系统的稳定性。因此,本节依靠小信号建模的方法建立速度识别系统模型的动态小信号线。
用“△”表示每个变量在稳态工作点附近产生的扰动量,对式加入扰动量得到:
 
分离两式的扰动量和稳态量并忽略二阶小量,得到式的小信号模型:
 
做差,于是得到:
 
由式可以得到:
 
对自适应律进行小信号变化得:
 
联立公式可以得到:
 
进而可以得到转速辨识系统动态框图如图3-1。
 
图2-1  转速辨识系统动态框图
通过速度识别系统的动态框图,可以设计PI控制器的参数,得到系统的开环传递函数:
 
2.1.3  转子磁链观测的电压模型积分改进策略
给出了转子磁链观测的电压模型。可见,公式中要求积分运算。纯积分操作会给观察者带来直流偏置误差和初始值积分误差。直流偏置误差来自积分器中的直流分量,这将导致积分结果连续漂移。初始值集成错误是由于选择集成操作的初始时间不准确造成的。图2-2显示了初始值集成误差的示意图,这在实际集成操作中特别常见。
 
图2-2  初始值积分误差示意图
为了消除积分操作引起的误差,常用的方法是用低通滤波器代替积分器。低通滤波器的传递函数是低通滤波器的截止频率。下面从时域的角度解释了为什么低通滤波器可以代替积分运算,消除积分运算引起的误差:这个术语可以看作是操作结果的综合。由此可以看出,积分操作引起的误差会导致操作结果的直流偏置。如果计算中存在直流偏置,则该值不为零,这可能会降低直流偏置。然而,用低通滤波器操作代替积分操作将导致在低频下操作结果的振幅和相位角的偏差,这从图中的积分器和低通滤波器的Bode图可以看出。
 
图2-3  积分运算和低通滤波运算伯德图
在图2-3中,低通滤波器的截止频率为grad/s。可以看出,在低频时,低通滤波器和积分器的伯德图有很大的不同,特别是相位偏移很大,因此用低噪声代替积分操作时需要幅值和相位补偿。穿过过滤器。,转子磁链a轴分量的改进积分公式如下:
 
式中,用低通滤波器代替积分器偏差补偿,要求补偿电机转子磁通。如上所述,给出了补偿转子磁链的选择的许多参考文献。根据简单可行的原理,常用电流模型得到的转子磁来提高积分器的补偿项。改进积分器的结构如图所示。
 
图2-4改进积分器结构框图
选择当前模型中观察到的转子磁链来提高积分器的补偿项,主要考虑获得的方便性,同时避免其他方法获得的转子磁链来补偿诱导延迟。由于在电压模型的最后一次采样时得到的转子磁通量可以用来计算当前采样时的转子磁通补偿,仿真和实验结果证明使用该方法可以得到满意的结果。
2.2  仿真验证及分析
为了验证该方法的性能,本文采用MatlaB/Simulink模块建立了异步电机速度识别矢量控制系统的仿真模型。异步电动机的仿真参数如表2-1所示:
表2-1转速辨识矢量控制仿真模型电机的参数
 
为了尽可能准确地模拟实际数字控制系统,在本文采用的异步电动机速度识别矢量控制仿真模型中,PWM更新依赖于在电压和电流信号采样过程中用C语言编程的嵌入式S函数模型,速度识别算法的执行,电机矢量控制算法的执行和调制算法的执行。系统采样频率为8k Hz,选择开关频率。对于4kHz,采用双线性变化法对系统进行离散化。为了说明所提出的方案在给定转速范围较宽的情况下的有效性,本文分别模拟了电机在低速,中速和额定转速下的运行情况,并直接利用所识别的速度进行矢量控制的速度反馈。模拟控制条件如下:在初始时刻,电机分别加速到40R/min,400R/min和1000R/min,分别对应异步电机的低速,中速和额定转速。负载转矩在a处突然增大,从现在开始突然增大到20N.m操作后,负载转矩突然从20n下降到2S。到20N.m运行后,仿真运行2S并结束。图2-5,2-6分别对应低速,中速和额定转速下的仿真结果。在仿真中,观察给定的速度,观察识别速度和观测系统的实际速度。同时,在改进的电压模型和电流模型的基础上,对转子磁链的行程分量,观测系统的三相定子电流和定子D进行了和比较,提出了方案的可行性。通过q轴电流仿真结果验证。本文仅给出了定子电流和三相定子电流在低速时的D轴和Q轴分量。
 
(a)转速辨识结果及局部放大图
 
(b)电压模型、电流模型转子磁链观测a分量及局部放大图
 
(c)d,q轴电流响应
 
(d)三相定子电流
图2-5基于转子磁链MRAS低速运行仿真结果
图2-5(a)在突然负载时,电机转速突然增减的相对幅度较大,这主要是由于设备转动惯量小,负载转矩急剧变化所致。速度控制的优化可以提高速度的动态误差,但本文的研究重点是速度识别,重点是识别算法在实际速度变化较快时的跟踪能力,因此没有突然增加的目的,并放慢速度。
 
(a)中速转速辨识结果及局部放大图
 
(b)改进电压模型、电流模型转子磁链观测a分量及局部放大图
图2-6  基于转子磁链MRAS中速运行仿真结果
 
(a)额定转速下辨识结果及局部放大图
 
(b)改进电压模型、电流模型转子磁链观测a分量及局部放大图
图2-7  基于转子磁链MRAS额定转速运行仿真结果
从仿真结果可以看出,基于改进的电压模型,转子磁链模型可以参照自适应识别速度很好地跟踪电机的实际转速。确定的转速用于异步电动机矢量控制。电机转速能很好地跟踪给定的转速,具有良好的动态性能。基于改进电压模型的转子磁通与基于电流模型的转子磁通基本相同。电动机在额定转速下运行时,两者有一定的幅值偏差,但相角相同。仿真包括电机的低,中,高速,正负负载,无论系统处于何种运行状态,系统都能保持稳定运行。三相定子电流具有良好的正弦曲线特性,突然变化的负荷系统能迅速稳定在新的状态。仿真结果验证了所提出的改进电压模型转子磁链观测方法的有效性,证明了转子磁链模型参考自适应速度识别系统的全范围稳定性,这与前面的讨论是一致的。
2.3  基于瞬时无功模型参考自适应转速控制方法分析
从基于背电动势模型的参考自适应速度辨识系统中推导出基于瞬时无功模型的参考自适应速度辨识方法。结合可以得到以下结果:
 
视为参考模型,视为可调模型,m为同步旋转频率,对式进行小信号处理,消除稳态值和二次小信号量得到:
 
假设
 
根据公式可以得到瞬时无功参考模型和可调模型的小信号模型:
 
所以
 
只有在分析公式中负载为零时才考虑系统性能是不合理的。根据该公式,进一步分析了基于瞬时无功转速辨识的系统性能。因此,系统动态模型的框图如图2-8所示。
 
图2-8  基于瞬时无功MRAS转速辨识系统动态模型框图
由于分子的表达复杂,很难通过传递函数直接判断系统的稳定性。因此,利用矩阵B求闭环传递函数的极点在复平面上的位置,进而判断系统的稳定性。制作系统的稳定性分布图。控制器采用比例控制,增益为1。电机参数同表3-1。选择系统速度。研究范围为62rad/s<air<62rad/s,滑移频率范围选择Srad/s<ai<Srad/s,系统稳定性如图2-9所示。在此图中,纵坐标表示滑移频率,横坐标表示异步电动机转子的电角速度。
 
图2-9  系统动态模型稳定性分布图
从图中可以看出。图2-9中的系统动态框图。当控制器增益选择为1时,当电机处于能量反馈状态时,系统将不稳定。当r=25rad/s,ass=-Srad/s时,G(S)的根轨迹如图2-10所示。从图中可以分析。在2-10,当电机处于能量反馈状态下运行时,基于瞬时无功模型参考适配的速度识别系统是一个非最小相位系统,通过以下方法难以实现系统稳定性。
 
图2-10  G(s)根轨迹图
从图中可以看出,当增益为0.12时,开环传递函数G(S)的根轨迹经过虚轴,也表明系统在。当Wr=25rad/s,Ws=-5rad/s时,很难保证稳定性。基于瞬时无功模型的参考自适应速度辨识系统仿真模型也证明了当电机处于能量反馈状态运行时,系统难以实现稳定性。
3  系统实验与分析
3.1  实验台架介绍
电动机驱动系统由两台3KW异步电动机及其辅助控制系统组成。一台电机作为主试电机,验证速度识别算法,另一台电机作为主试电机负载。两台电机同轴连接,系统结构图如图3-1所示。在系统中,整流器可以在四个象限中工作,而两个电机可以在能量反馈状态下工作。实验中异步电动机的参数与仿真中的参数相同,如图所示。
 
图3-1传动系统整体结构图
主试电机侧电机驱动系统的控制电路如图3-2所示。由主控板,信号检测板,隔离驱动板和电源板组成。采用主控板执行控制算法,实现整个系统的运行。信号检测板检测电压,电流,速度信号并传送到主控板。将主控板输出的PWM信号传输到隔离驱动板上驱动IGBT,通过主控板将识别出的电机转速和编码器得到的电机转速传输到上位机,电源板提供各模块对应的电压,使各模块正常工作。试验电机侧逆变器为C2000增量式变频器,用于驱动试验电机为主试电机提供正向负载或反向负载。试验电机侧的整流器为台达Reg2000功率反馈单元,可为C2000逆变器的运行提供稳定的直流电压。
 
图3-2电机传动系统的控制框图
3.2  一种新的死区补偿策略
在速度识别系统中,难以直接测量异步电动机的端电压,因此,速度识别策略中使用的异步电动机的端电压通常采用SVPWM调制的给定电压,但由于死区时间通常引入到实际系统中,变频器对异步电动机的实际输出电压不等于SVPWM调制的给定电压,因此速度识别系统中识别速度与电动机的实际速度存在偏差,从而导致系统不稳定。因此,有必要补偿系统的死机时间。关于空载时间补偿方法的文献较多,不同的补偿策略适合不同的应用。在此基础上,本文提出了一种新的空载时间补偿策略。设置死区时间的目的是防止变频器上下开关同时开启。设置死区时间示意图见图3-3,死区时间设置为TZ。死区时间效应会导致逆变器输出电压失真。死区时间的影响如图3-4所示。图中,(a)为调制过程,(b)>(c)分别为带死区时间和不带死区时间的时间开关的驱动信号,(d),(e)和(f)死区时间补偿的目的是保证带死区时间的a相输出电压与不带死区时间的a相输出电压相同,即(e)、(f)和(d)波形相同。
 
图3-3  死区效应示意图
 
图3-4  死区效应影响示意图
从图中可以看出。与u相比,unl的空载时间t/UA2落后于UA电压的上升边缘。电压下降沿滞后于空载时间t,因此适当地将开关动作时间向前或向后移动将上下管的动作时间从t变为t1,t2变为t2,以保证输出电压波形(e)、(f)具有死区时间和(d)无死区时间相同。停滞时间t是前进或后退的时间。正向或后向运动的选择与相电流的方向和三角载流子的上升或下降有关。见表3-1。
表3-1  死区补偿开关时刻移动方向选择表
 
在实际应用中,如果要在开关时向前或向后移动,只需要改变调制波的值,但实际上,调制波的值通常是在三角形的峰谷值加载在载波上,便于修改调制波的值,对死区时间的增加没有影响。如果i a>0在系统中的某一时间,则只有当载流子值在载流子槽处加载时,负载载流子值相应减小时,时间才能向前切换。如果在特定时间系统中<0,则只有当载流子值在载流子峰值处加载时,负载载流子值相应增加时,时间才能向前切换。见图3-4中的(g)和(f)。为了同时解释这两种情况,假设三角形载体的上升沿>为0,三角形载体的下降沿<为0。通过调整加载到调制波中的值,可以补偿死时间效应。在本文提出的空载时间补偿方法中,需要判断相电流的方向,但实际系统中存在零电流夹紧现象,不利于判断相电流的方向。本文采用的方法是在两相旋转坐标系中对采样的定子电流进行滤波,然后将得到的电流转换成三相静态坐标系,从而得到得到的三相电流的正弦特性。取样可以保证实际应用证明了该方法的可行性。
3.3  实验结果
本节给出了感应电机转速识别矢量控制的实验结果,验证了基于转子磁链模型参考自适应识别和基于全阶状态观测器的转速识别性能。实验中采用识别算法得到的速度作为矢量控制的反馈速度。系统启动后,通过斜坡加速(40R/min,中速400R/min,高速800R/min)将电机加速到低速,运行一段时间后,突然施加负载,稳定运行一段时间后,释放负载,观察系统运行情况以及识别速度与编码器计算速度的差异,验证系统性能,实验结果如下:
 
(a)MRAS观测转速及局部放大图
 
(b)MRAS下感应电机实际转速
 
(c)MRAS下转子磁链观测情况
 
(d)MRAS下转子磁链观测局部放大
 
(e)MRAS下定子电流d,q分量情况
 
(f)MRAS下A,B相定子电流及局部放大图
图3-5  MRAS转速辨识下给定转速40r/min,50%负载系统运行示意图
从图中可以看出。改进电压模型和电流模型观察到的3-5(c)和(d)转子磁链振幅不同,这应该是由于实际电机参数与电机参数之间的偏差所致。使用的电机参数。
 
(a)MRAS观测转速及局部放大图
 
(b)MRAS下感应电机实际转速及局部放大
 
(c)MRAS下转子磁链观测情况
 
(d)MRAS下转子磁链观测情况局部放大
 
(e)MRAS下定子电流d,q分量情况
 
(f)MRAS下A,B相定子电流及局部放大图
图3-6 MRAS转速辨识下给定转速40r/min、-50%负载系统运行示意图
 
(a)MRAS观测转速
 
(b)MRAS下感应电机实际转速
 
(c)MRAS下定子电流d,q分量情况
 
(d)MRAS下A,B相定子电流及局部放大图
图3-7 MRAS转速辨识下给定转速400r/min,80%负载系统运行示意图
从图中可以看出,图3-7(a)和(b),确定的转速与电机实际转速存在一定的偏差,这与所用电机参数与实际转速的偏差有关。
 
(a)MRAS观测转速
 
(b)MRAS下感应电机实际转速
图3-8MRAS转速辨识下给定转速800r/min,30%负载系统运行示意图
 
(a)全阶状态观测器观测转速
 
(b)全阶状态观测器下实际转速
 
(c)全阶状态观测器下定子电流d,q分量
 
(d)全阶状态观测器下A,B相定子电流
图3-9  基于全阶观测器转速辨识策略下给定转速40r/min,50%负载系统运行示意图
 
(a)全阶状态观测器观测转速
 
(b)全阶状态观测器下实际转速
 
(c)全阶状态观测器下定子电流d,q分量
 
(d)全阶状态观测器下A,B相定子电流
图3-10  基于全阶观测器转速辨识策略下给定转速40r/min、-50%负载系统运行示意图
从实验结果可以看出,当电机处于低速能量反馈状态时,系统可以保持稳定。在实验中,保证稳定性的策略是改进反馈矩阵策略。
 
(a)全阶状态观测器观测转速
 
(b)全阶状态观测器下实际转速
 
(c)全阶状态观测器下定子电流d,q分量
 
(d)全阶状态观测器下A,B相定子电流
图3-11  基于全阶观测器转速辨识策略下给定转速400r/min,80%负载系统运行示意图
 
(a)全阶状态观测器下观测转速
 
(b)全阶状态观测器下实际转速
图3-12  全阶状态观测器转速辨识下给定转速800r/min,30%负载系统运行示意图
3.4  两种转速辨识方法比较
本文研究了两种基于转子磁链模型参考自适应和全阶状态观测器的速度识别方法,并结合调试难度和实验结果对两种方法进行了比较和分析。首先,比较调试的难度。基于转子磁链模型参考自适应速度识别,需要调整三个参数:PI控制器参数和低通滤波器截止频率。为了获得更好的补偿效果,通常选择低通滤波器的截止频率较小,而PI控制器参数可以根据控制器模型设计,从而可以相对调整参数。基于全阶状态观测器的速度辨识方法应考虑PI控制器和反馈矩阵系数,其中反馈矩阵系数难以选择。当电机在中高速运行时,为了获得良好的速度识别结果,反馈矩阵通常选择极乘的形式。在实验中,极乘倍数的选择对系统有很大的影响,很难找到合适的倍数。此外,为了保证全阶状态观测器的精度,DSP采用离散双线性变换方法实现,大大增加了系统的复杂性,而转子磁链模型参考自适应方法的要求相对较少。计算并占用较少的DSP资源。从实验结果来看,基于全序状态观测器的速度识别效果更好,可以与FIGS进行比较。图3-10(a),(b)和3-11(a),(b)。此外,文献中提出基于全序状态观测器的速度识别方法的参数灵敏度低于基于转子磁链模型的参考自适应方法,与实验结果一致。结合这两点,给出了两种方法的选择原则:对于精度要求较低的应用,考虑了基于转子磁链模型参考的自适应速度识别方法,因为该方法占用DSP资源较少,调试相对容易。因此,如果要求识别精度高,要求系统性能好,则可以采用基于全阶状态观测器的速度识别方法。
4  总结
本文的研究课题是异步电动机的速度识别技术,主要用于工程项目。介绍了一种基于转子磁链模型的参考自适应转速辨识方法,并建立了其动态小信号模型。针对电压模型的集成,在原有方法的基础上提出了一种新的集成运行改进策略。策略易于实施,适用于工程项目的应用。然后给出了该方法的仿真结果,证明了该方法的有效性。此外,分析了基于瞬时无功模型的参考自适应速度辨识模型,证明了该方法难以保证整个系统的稳定性。介绍了一种基于全阶状态观测器的速度识别策略。通过对系统特性矩阵的分析,指出异步电动机在低速能量反馈下运行时,难以实现稳定性。本文介绍了一种改进的全阶观测器反馈矩阵,以实现系统的全范围稳定性。同时,提出了一种改进的速度识别律,以实现全范围稳定性。对两种保证全量程稳定性的策略进行了仿真验证。结果表明该方法的有效性。通过实验验证了两种速度识别方法和所提出的策略,提出了一种新的死区补偿策略。由于作者对科学研究的认识不足,加之工作缺乏严谨,对本课题的研究不足,因此有许多领域需要改进和进一步研究。 
参考文献
[1]丁辉,胡协和.交流异步电动机调速系统控制策略综述%Review of AC asynchronous motor speed control strategy[J].浙江大学学报(工学版),2011,045(001):50-58.
[2]张康.异步电机矢量控制变频调速系统研究[D].兰州交通大学,2013.
[3]刘铮,贾斌,马丽辉.基于交流异步电机变频调速及多种调速系统的对比[J].机电信息,2011(9):74-74.
[4]刘辉,张斌.基于无源控制的无速度传感器异步电机调速控制[J].传感器与微系统,2016,35(6).
[5]刘丽英.线性自抗扰控制策略在异步电机调速系统中的应用研究[D].天津大学,2010.
[6]王立飞.基于ARM的三相交流异步电动机调速系统研究[D].华中农业大学,2010.
[7]刘川来,范坤.Parameter Robustness in Asynchronous Motor Speed Control System Implemented by Auto Disturbance Rejection Controller%采用自抗扰控制器解决异步电动机调速系统参数鲁棒性问题[J].青岛科技大学学报(自然科学版),2012,033(002):193-196.
[8]刘鹏羽.谈三相异步电动机的调速控制分析[J].黑龙江科技信息,2012(35):91-91.
[9]余智勇.三相异步电动机变频调速系统控制探讨[J].内燃机与配件,2019(17).
[10]鲁林.异步电动机直接转矩控制仿真研究[C]//2015年全国智能电网用户端能源管理学术年会.0.
[11]柳黎明,LIULi-ming.基于矢量控制的异步电机转速和转矩调节技术[J].机电工程,2011,28(4):504-508.
[12]梁效忠.单相异步电机变频调速控制策略的研究[D].山东大学,2011.
[13]张笛.基于DSP的三相异步电机变频调速系统优化设计及实现[D].北京印刷学院,2014.
[14]朱威威.基于DSP的异步电机交流调速控制系统研究[D].南京航空航天大学,2013.
[15]杨瑜,杨雪梅.模糊PID矢量控制在异步电机调速中的应用[J].自动化与仪器仪表,2011(5):79-81.
[16]万冬.异步电动机变频调速系统矢量控制的研究[D].2013.
[17]赵鑫.基于DSP的异步电动机矢量控制调速系统的研究与设计[D].北京林业大学,2010.
重要提示:转载本站信息须注明来源:985论文网,具体权责及声明请参阅网站声明。
阅读提示:请自行判断信息的真实性及观点的正误,本站概不负责。
jQuery右侧可隐藏在线QQ客服