英语原文共 15 页,剩余内容已隐藏,支付完成后下载完整资料
二阶滑动模式MRAS
基于观察器的无传感器矢量控制
中低档直线感应电机驱动器
速度磁悬浮应用
摘要:本文提出了一种将二阶滑模观测器(SMO)和模型参考自
适应系统(MRAS)相结合的无传感器矢量控制的线性感应电机(LIM)
I.介绍
作为新一代城市轨道交通系统,由线性感应电机(LIM)
驱动器的速度估计方案。对考虑动态端效应的LIM状态空间向量
模型进行了重新排列,以超扭转算法(STA)的形式表示。然后,
设计了一个基于Popov超稳定性理论的LIM定子电流观测器,用以
代替基于MRAS的方案的参考模型。相应地,将实际的定子电流模
型视为MRAS的速度估计的自适应模型。同时,由于与定子温度相
关的定子电阻变化可能导致较大的估计误差,甚至系统不稳定,
该速度估计方案采用并联定子电阻在线识别方案,以减少速度误
差,提高无传感器控制系统的稳定性。与基于带有MRAS的卢尔伯
格观测器和单流形SMO的速度估计方案相比,所提出的速度估计方
驱动的中低速磁悬浮是满足速度、可靠性、稳定性和环境
影响要求的合适选择。
此外,与轮轨系统相比,没有连接的机电产生推进力有更好的优越性质。
的中低速磁悬浮,如小转弯半径,爬坡能力强,维护成本低,[1],[2]。在磁悬浮车辆的运行中,需要将LIM
的速度信息准确地反馈给控制系统。速度通常由机械传感器
案表现出更好的估计性能。通过仿真和硬件循环测试,验证了所提 检测,这自然增加了系统成本,降低了系统的可靠性。因此
出的速度估计方案的有效性和可行性。
,由于上述困难[3]的驱动,对LIM驱动系统采用合适的无
速度传感器方案的需求逐渐增加。
指标术语——动态端效应、直线感应电机(LIM)、中低速磁悬
浮、模型参考自适应系统(MRAS)、二阶滑动模式观测器、无速度
传感器驱动系统。
近年来,基于非理想现象的速度估计方案和基于模型的
速度估计方案已成为感应电机(IM)驱动系统的高性能无速
度传感器控制策略中的两类流行策略。前者主要涉及转子
槽谐波[4]和高频信号注入技术[5]、[6],由于常见的计算
负担沉重,需要高性能处理器。然而,实际上,基于信号
注入的速度估计方案[27]难以应用于LIM的无速度传感器矢
量控制
稿件于2017年8月30日收到;2018年1月7日和2018年2月12日修订;
2018年3月4日接受。出版日期2018年3月22日;当前版本日期2018年7月30
日。国家自然科学基金资助项目51677156,基金资助项目61733015。(通
讯作者:赖葛。)
驱动器由于LIM的结构而没有了
插槽和大气隙[29],[30]。
H.王和X。他就职于中国西南交通大学磁悬浮技术和磁悬浮汽车教育部
重点实验室,成都610031(电子邮件:王华民@my。swjtu.edu.cn;
xlgee@163.com).
基于演示的进度调整方案,其中
准确地数学模型 IM,比较相对简单和灵活。然而,对参数变化的敏感性被认为是一个需要解决的
[7]-[23]的棘手问题。在过去的几年里,许多显著的努力
提高基于模型的方案的性能,如自适应全阶观察者()[7]–
[9],减少阶观察者()[7]–[9],)[10],[11],模型参考
自适应系统(MRAS)[12],[13],扩展卡尔曼滤波器[14],
[15],和滑模观察者(SMOs)[16]–[19].此外,与相当可观
的
Y.-C.刘就职于贝尔福特理工学院FEMTO-ST(UMRCNRS6174),贝尔福特-
蒙贝理工大学,勃艮第弗朗奇大学,90010(电子邮件:cn。
yongchao.liu@ieee.org).
为了提高中央处理单元(CPU)的性能,基于智能控制算法的
针对中低速磁悬浮中采用的无速度传感器矢量控制LIM驱
速度估计方案,如人工神经网络[20]、遗传算法[21]、模糊 动器,提出了一种基于STA-SMO和MRAS的速度估计方案。首
控制算法[22]和预测控制算法[23],已应用于无速度传感器 先,考虑了考虑动态端效应的LIM状态空间向量模型,并将
IM驱动器。与在旋转IM驱动器中应用的无速度传感器技术相 LIM的状态方程重新排列为STA的形式。在此基础上,设计了
比,正确估计LIM驱动器的速度的问题是相当具有挑战性的
。动态端效应显著增加了LIM驱动器的速度估计技术的复杂
性。到目前为止,已有几种速度估计方案应用于LIM驱动器
基于STA的LIM的定子电流模型,并提出了相应的取代参考模型MRAS-Based 速度的估计方案。将基于sta的电流观测器与波波夫的
[25]-[36]的无速度传感器矢量控制中。在[27]和[28]中提 超稳定性理论相结合,最终得到了速度估计算法。考虑到
出的LIM的速度估计方案分别由闭环MRAS观测器和传统的滑
模MRAS观测器完成。在[29]中,提出了一种基于神经的
MRAS观察器,其中使用线性神经网络来代替自适应模型
基于MRAS的方案。另一个成功的线性案例
定子温度引起的定子电阻变化可能导致转速估计误差甚至
低速系统不稳定,对速度估计方案采用并联定子电阻在线
识别方案,消除速度误差,提高无速度传感器控制系统的
稳定性。此外,还将所提出的速度估计方案与基于mras(LO-
MRAS)和基于流形-SM-SMO)的速度估计方案的卢恩伯格观测
器进行了比较。通过仿真和硬件循环(HIL)测试结果,验证
了所提出的速度估计方案的有效性和可行性。
神经网络显示在[30]中。在该方案中,利用线性神经网络,
利用估计在[7]和[8]之间原来提出的方案,和估计速度,得到了一个伦伯格自适应速度
观测器。此外,其他基于智能控制的速度估计方案也应用
于LIM驱动器的速度跟踪,如模糊控制算法[32]-[35]和非
线性预测控制算法[36]。
微光考虑END效应的lim的状态空间向量模型
通过考虑定子电流i,建立了LIM的状态空间矢量方程s
转子通量Psi;r作为静止参考系[29]-[31],[38]中的状态变
量,可以写成
滑模控制理论被认为是一种对抗外部干扰和非模型动力
学的强大控制方法,适用于具有高性能要求的[40]-[42]的
应用。由符号函数引起的颤振行为被认为是高级问题。
与之相联系的SMO.高阶滑模算法被认为是解决[43]-[46]抖振行为的良好途径。因此,将基于超扭转算法的二阶SMO(STA-SMO)算法应用于IM驱动器的无传感器控制。在[17]和[18]中,基于sta-smo
的并行定子电阻在线估计方案分别应用于旋转IM和PMSM驱
动器的无传感器控制。然而,关于基于sta-smos的无速度
传感器技术的LIM驱动器的研究仍有待扩展。
A
B
0
11 12
A
u
s
=
A21A22
(1
Psi; r
i
s
y
=
C X =I
0
⎩
在哪里
定子电阻的变化会导致-
速度估计性能甚至系统不稳定性。由于实际值变化复杂,
因此执行定子电阻的离线估计是不够的。因此,定子电阻
的在线识别在速度估计方案中具有重要的作用。在[9]中,
同时进行的速度和定子重新启动
A
= a
I = minus;
minus; R
R
R 1 minus;
s
11
r 11
I
r
基于AFO的无传感器IM驱动器的位置估计器
提出了保证速度估计方案在低速条件下的稳定性。在[10]
中,为了提高无传感器IM驱动器在低速下的性能,研究了
一种基于定子电阻自适应的基于RFO的速度估计方案。提出
了一种基于MRAS的定子电阻在线估计器,用于适应[21]中
LIM的在线反馈线性化控制作用。
A 12= a r 12I
ai12J
=
I minus; omega;
minus; R
J
r
A21= ar 21I =
r I A22= ar 22I
=
minus; I omega; rJ
ai22J
(4)的全局边界如下:
|rho; | le; m |x |
1
B = bI = I I = J =
0
0
1
1
sigma;
minus;
0 .5
L 0
1
1
0
1
1
1
(5)
T
is=
us=
isalpha;isbeta;Psi;r=
Psi;ralpha;Psi;rbeta;
rho;2= 0
T
其中m1是一个适当的正常数。
T
usalpha;usbeta;
根据(4)的形式,LIM(1)的状态空间向量方程可以重
新排列为
其中我salpha;, isbeta;, Psi;ralpha;, Psi;rbeta;, usalpha;,和usbeta;分别表示
定子电流、转子通量和定子电压的alpha;、beta;分量。 L、R
pisalpha;= minus;Rsk1isalpha; k2Psi;ralpha;minus; k3pPsi;ralpha;
k4usalpha;
、L、L、T、sigma;分别表示考虑动态端效应的磁化电感、等效
涡流电阻、定子电感、转子电感、转子时间常数和LIM的泄
漏系数。
pisbeta;= minus;Rsk1isbeta; k2Psi;rbeta;minus; k3pPsi;rbeta; k4usbeta; pPsi;ralpha;=
(6
ar 21isalpha; ar 22Psi;ralpha;minus; ai22Psi;rbeta;
⎪
pPsi;rbeta;= ar 21isbeta; ai22Psi;ralpha; ar 22Psi;rbeta;
考虑到LIM、L、R、L、L、T和sigma;的动态端效应,可以重新
定义如下:
在哪里
k
k
1= 1/ (sigma; L
k2= L / (sigma; L L )
即进行变量替换
3
= R / (sigma; L L )
r
R r= Rr f (Q)
L = L L
L = (1 minus; f (Q)) Lm
L = L L T = L / (R
r
k = b
4
ls
lr
2
Rr)sigma; = 1 minus; L /LL
x
x
x
1= isalpha; 3= Psi;ralpha; 5= minus;pPsi;ralpha;
x2= isbeta;x4= Psi;rbeta;x6= minus;pPsi;rbeta;
将(7)替换为(6)的产量
px
(7
(8
wheref (Q), Rr, Lm, Lls,和Llr分别表示LIM的动态端
效应因子、转子电阻、磁化电感的初始值、定子泄漏电感
和转子泄漏电感。
动态末端效应因子f(Q)可以定义为
1= minus;Rsk1x1 k2x3 k3x5 k4usalpha;
px2= minus;Rsk1x2 k2x4 k3x6 k4usbeta;
minus;Q /Q
f (Q) = 1 minus; e
根据(4)和(8),基于STA的定子电流观察器重构如下
q=博士r/ [(Lm Llr) v]
:
(2)
p 1= minus;Rsk1 1 k2 3 k3 5 k4usalpha;
⎨
⎨
(9
其中,D和v表示主核的长度和
p
= delta; sgn (x minus;
)
1
5
1
1
LIM的速度。
LIMv的速度与
角频率omega;r是
p 2= minus;Rsk1 2 k2 4 k3 6 k4usbeta;
0 .5
(10
mu; |x minus;
|
· sgn (x minus;
)
2
2
2
2
2
<p
剩余内容已隐藏,支付完成后下载完整资料</p
资料编号:[591498],资料为PDF文档或Word文档,PDF文档可免费转换为Word
以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。