永磁同步電機神經(jīng)網(wǎng)絡自校正速度控制系統(tǒng).pdf

1、永磁同步電機由于具有體積小、重量輕、轉(zhuǎn)速平穩(wěn)、動態(tài)響應較快、轉(zhuǎn)矩控制簡單以及過載能力強等一些優(yōu)點而受到廣大研究者的青睞并被廣泛運用到現(xiàn)代交流調(diào)速系統(tǒng)中。然而永磁同步電機本身是一個非線性、多變量、強耦合的控制系統(tǒng)，傳統(tǒng) PID速度控制器很容易受到電機的參數(shù)變化與負載干擾等一些不確定因素影響。因此在速度控制精度要求較高且負載波動大的情況下，傳統(tǒng) PID控制器已經(jīng)難以達到永磁同步電機系統(tǒng)的高性能控制要求。
　　神經(jīng)網(wǎng)絡具有自學習自適應能

2、力，通常用于解決非線性系統(tǒng)的復雜控制問題。隨著神經(jīng)網(wǎng)絡控制理論的日益成熟與發(fā)展，神經(jīng)網(wǎng)絡在電機控制領(lǐng)域的應用越來越廣泛。BP網(wǎng)絡是發(fā)展較早的一種神經(jīng)網(wǎng)絡控制方法，但是因其訓練速度慢等問題，難以滿足系統(tǒng)的實時控制要求，因此其應用受到一定的限制。而RBF神經(jīng)網(wǎng)絡采用合適的訓練算法時，能達到學習速度快、泛化能力強、實時性高的要求。基于以上原因，本文重點研究一種基于RBF神經(jīng)網(wǎng)絡自校正PID的永磁同步電機轉(zhuǎn)速控制方法，滿足對永磁同步電機系統(tǒng)的高

3、性能控制要求。本文將 RAN學習算法與梯度下降學習算法結(jié)合訓練 RBF神經(jīng)網(wǎng)絡，以得到學習速度快，動態(tài)性能好的網(wǎng)絡結(jié)構(gòu)，然后通過訓練好的RBF神經(jīng)網(wǎng)絡的自學習自適應能力來校正 PID的三個參數(shù)，實現(xiàn)PMSM的速度高性能跟蹤控制。
　　為了驗證該方案的可行性，本文在 MATLAB/SIMULINK仿真環(huán)境下建立基于RBF神經(jīng)網(wǎng)絡自校正的永磁同步電機矢量控制系統(tǒng)仿真模型，對電機在負載擾動以及轉(zhuǎn)速突變的情況下進行仿真研究，并與傳統(tǒng) PI