本文選題：永磁同步電機(jī)　切入點(diǎn)：伺服調(diào)速　出處：《蘭州交通大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：PMSM(Permanent Magnet Synchronous Motor,永磁同步電機(jī))具有效率高、轉(zhuǎn)矩脈動小、動態(tài)響應(yīng)好、調(diào)速范圍寬等優(yōu)點(diǎn),因而在國防、工業(yè)、交通以及生活等領(lǐng)域運(yùn)用廣泛。PMSM伺服調(diào)速控制系統(tǒng)通常采用VC(Vector Control,矢量控制)和DTC(Direct Torque Control,直接轉(zhuǎn)矩控制)方法。VC轉(zhuǎn)矩響應(yīng)速度慢,還受轉(zhuǎn)子參數(shù)變化的影響,DTC方法簡單,但存在較大轉(zhuǎn)矩脈動。PMSM伺服調(diào)速控制系統(tǒng)中,傳統(tǒng)的PI控制器參數(shù)魯棒性較差,無法滿足系統(tǒng)動態(tài)響應(yīng)速度和穩(wěn)態(tài)精度的要求。目前非線性系統(tǒng)的MPC(Model Predictive Control,模型預(yù)測控制)理論研究比較活躍,本文采用神經(jīng)網(wǎng)絡(luò)(Neural Network,NN)、支持向量機(jī)(Support Vector Machine,SVM)分別與MPC相結(jié)合,在矢量控制基礎(chǔ)上,研究設(shè)計PMSM伺服調(diào)速控制系統(tǒng)的MPC結(jié)構(gòu)與算法,充分發(fā)揮MPC的優(yōu)勢,以提高PMSM伺服調(diào)速控制系統(tǒng)的整體性能。本文研究內(nèi)容主要包括以下幾個方面:(1)針對常規(guī)PI控制的PMSM調(diào)速系統(tǒng)中,PI參數(shù)魯棒性差的問題,對其進(jìn)行改進(jìn)。第一,針對工程設(shè)計方法整定PI控制器參數(shù)不是最優(yōu)的缺點(diǎn),采用SOA(Seeker Optimization Algorithm,人群搜索算法)算法對速度控制器參數(shù)進(jìn)行優(yōu)化;第二,采用神經(jīng)網(wǎng)絡(luò)PI控制。當(dāng)系統(tǒng)的運(yùn)行狀態(tài)發(fā)生變化時,利用神經(jīng)網(wǎng)絡(luò)自動調(diào)節(jié)PI控制器的參數(shù),通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、加權(quán)系數(shù)的調(diào)整,使PI控制的參數(shù)達(dá)到最優(yōu)。(2)考慮到PMSM伺服調(diào)速系統(tǒng)的非線性和不確定性,根據(jù)MPC的基本原理,利用RBF(Radial Basis Function,徑向基函數(shù))神經(jīng)網(wǎng)絡(luò)建立PMSM的預(yù)測模型,在矢量控制基礎(chǔ)上,研究設(shè)計RBF神經(jīng)網(wǎng)絡(luò)預(yù)測控制的PMSM調(diào)速系統(tǒng)。根據(jù)多步預(yù)測控制的方法建立PMSM的預(yù)測模型,采用梯度下降法優(yōu)化求解最優(yōu)控制量,提高了伺服調(diào)速系統(tǒng)的魯棒性和動態(tài)性能。(3)利用LS-SVM(Least Square Support Vector Machine,最小二乘支持向量機(jī))建立PMSM的預(yù)測模型,在矢量控制基礎(chǔ)上,研究設(shè)計LS-SVM預(yù)測控制的PMSM調(diào)速系統(tǒng)。研究分析LS-SVM用于回歸預(yù)測的原理和方法,采用牛頓法設(shè)計非線性控制器,從而提高了PMSM伺服調(diào)速系統(tǒng)的響應(yīng)速度和穩(wěn)態(tài)精度。(4)分析研究數(shù)控機(jī)床伺服進(jìn)給系統(tǒng)組成結(jié)構(gòu),建立機(jī)械傳動部分的動力學(xué)模型。將PI控制和RBF神經(jīng)網(wǎng)絡(luò)預(yù)測控制的PMSM速度控制系統(tǒng)應(yīng)用于CK6136型數(shù)控車床進(jìn)給伺服系統(tǒng),實(shí)現(xiàn)了工作臺位置的精確控制。
[Abstract]:PMSM(Permanent Magnet Synchronous Motor (PMSM) has the advantages of high efficiency, small torque ripple, good dynamic response and wide speed range. VC(Vector control (vector control) and DTC(Direct Torque control (direct torque control) methods are usually used in traffic and daily life. The torque response speed of VC is slow, and it is simple to be affected by rotor parameters. However, in the large torque ripple. PMSM servo speed control system, the traditional Pi controller has poor robustness. The theory of MPC(Model Predictive control (model predictive control) for nonlinear systems is active at present. In this paper, neural network and support Vector machine are used to combine with MPC, respectively. On the basis of vector control, the MPC structure and algorithm of PMSM servo speed control system are studied and designed to give full play to the advantages of MPC. In order to improve the overall performance of PMSM servo speed control system, this paper mainly includes the following aspects: 1) aiming at the problem of poor robustness of Pi parameters in conventional Pi controlled PMSM speed control system, we improve it. Aiming at the disadvantage that the parameter of Pi controller is not optimal in engineering design method, SOA(Seeker Optimization algorithm (crowd search algorithm) algorithm is used to optimize the parameters of speed controller. When the running state of the system changes, the parameters of the Pi controller are automatically adjusted by the neural network, and the weighting coefficient is adjusted by the self-learning of the neural network. Considering the nonlinearity and uncertainty of PMSM servo speed control system, according to the basic principle of MPC, using RBF(Radial Basis function (radial basis function) neural network to establish the prediction model of PMSM, and on the basis of vector control, the prediction model of PMSM is established. The PMSM speed regulation system based on RBF neural network predictive control is studied and designed. According to the method of multistep predictive control, the prediction model of PMSM is established, and the optimal control quantity is optimized by gradient descent method. The robustness and dynamic performance of servo speed control system are improved. The prediction model of PMSM is established by using LS-SVM(Least Square Support Vector Machine (LS-SVM). This paper studies and designs the PMSM speed regulating system based on LS-SVM predictive control, analyzes the principle and method of LS-SVM used in regression prediction, and designs a nonlinear controller by Newton method. Thus, the response speed and steady-state precision of PMSM servo speed control system are improved. The PMSM speed control system based on Pi control and RBF neural network predictive control is applied to the feed servo system of CK6136 NC lathe, and the precise control of the position of the worktable is realized.
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP273;TM341

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周佳;盧少武;周鳳星;;基于RBF神經(jīng)網(wǎng)絡(luò)的永磁同步電機(jī)速度PI-IP控制[J];組合機(jī)床與自動化加工技術(shù);2017年01期

2 王菲;任正;羅忠;柳洪義;;交流伺服進(jìn)給系統(tǒng)的模型仿真與參數(shù)辨識[J];組合機(jī)床與自動化加工技術(shù);2016年10期

3 張德隆;李建林;惠東;;基于模型預(yù)測控制的儲能平抑光伏波動的控制策略[J];電器與能效管理技術(shù);2016年14期

4 王炳萱;李國勇;王艷暉;;基于LM-PSO算法和BP神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測控制[J];太原理工大學(xué)學(xué)報;2016年02期

5 符曉玲;劉旭東;;電動汽車用永磁同步電機(jī)滑模預(yù)測控制[J];微特電機(jī);2015年11期

6 路小娟;董海鷹;;太陽能熱發(fā)電集熱系統(tǒng)終端受限非線性模型預(yù)測控制[J];熱力發(fā)電;2015年10期

7 孔小兵;劉向杰;;永磁同步電機(jī)高效非線性模型預(yù)測控制[J];自動化學(xué)報;2014年09期

8 鄧永停;李洪文;王建立;陰玉梅;吳慶林;;基于預(yù)測函數(shù)控制和擾動觀測器的永磁同步電機(jī)速度控制[J];光學(xué)精密工程;2014年06期

9 唐賢倫;李洋;李鵬;張毅;;基于多Agent粒子群優(yōu)化的多步SVR模型預(yù)測控制[J];系統(tǒng)工程與電子技術(shù);2014年05期

10 何棟煒;彭俠夫;蔣學(xué)程;;永磁同步電機(jī)模型預(yù)測控制的電流控制策略[J];哈爾濱工程大學(xué)學(xué)報;2013年12期

相關(guān)博士學(xué)位論文 前5條

1 樊兆峰;神經(jīng)網(wǎng)絡(luò)預(yù)測控制中的滾動優(yōu)化方法研究[D];中國礦業(yè)大學(xué);2015年

2 黃華娟;孿生支持向量機(jī)關(guān)鍵問題的研究[D];中國礦業(yè)大學(xué);2014年

3 PHAM CONG DUY;無速度傳感器永磁同步電機(jī)驅(qū)動系統(tǒng)單位功率因數(shù)控制[D];湖南大學(xué);2012年

4 楊建飛;永磁同步電機(jī)直接轉(zhuǎn)矩控制系統(tǒng)若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2011年

5 劉斌;非線性系統(tǒng)建模及預(yù)測控制若干問題研究[D];浙江大學(xué);2004年

相關(guān)碩士學(xué)位論文 前6條

1 樊小利;永磁同步電機(jī)模型預(yù)測控制的研究與實(shí)現(xiàn)[D];西南交通大學(xué);2015年

2 夏超;基于神經(jīng)網(wǎng)絡(luò)的永磁同步電機(jī)直接速度控制[D];哈爾濱工業(yè)大學(xué);2014年

3 王輝;CK6136數(shù)控車床交流伺服進(jìn)給系統(tǒng)的分析與仿真[D];浙江工業(yè)大學(xué);2009年

4 佟哲瓊;基于神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測控制的研究[D];大連理工大學(xué);2006年

5 李睿;神經(jīng)網(wǎng)絡(luò)在非線性預(yù)測控制中的應(yīng)用研究[D];西安理工大學(xué);2005年

6 劉華煜;基于支持向量機(jī)的機(jī)器學(xué)習(xí)研究[D];大慶石油學(xué)院;2005年

，

本文編號：1559857