简介:摘要-本文探讨了感应电动机传动装置直接场取向控制(FOC)之闭环转子磁通观测仪和参考模型自适应系统(MRAS)的实施和实验结果。该电动机是通过一个以MDS控制的可控硅(MCT)为基础的双向换流器,从一个高频(20kHz)交流谐振全连线获得电力的。本文介绍了多种电动机控制功能的硬件和软件实现方式。闭环观测仪通过一种依赖转速的增量(SDG)将电流和电压模型结合起来。电流模型确定后在转子参考系中运行,并且只要求有一个编码器角度,而不是实现用的实际转子转速。该闭环观测仪允许使用一个纯模拟积分器来计算适当的定子磁通。使用交流谐振连线,使定子磁通的全数字计算更加复杂。在一台400Hz2马力的感应电动机上,对观测仪和自适应控制器进行了低速和高速试验。在低速时,闭环观测仪显示出了对起因于电流模型转子磁通估算的转子电路时间常数的敏感性。在高速时,闭环观测仪追踪到了电压模型转子磁通估算特性。MRAS能够通过校正电流模型转子磁通观测仪在估算其参数时的误差,以改进整个转速响应。
简介:本文论述感应电动机中的断裂导条检测问题。作为检测之根据的假设时,当转子导条断裂时,感应电动机的转子表观电阻将会增加,为了检测断裂导条,定子电压和电流的测量是通过一个用于转速和转子电阻同时估测的扩展卡尔曼滤波器进行的,特别是,对转子电阻进行估测并与它的正常值作比较,以检测断裂导条,在所建议的扩展卡尔曼滤波器方法中,状态协方差矩阵补充分加权。导致一个比较好的动态状态估测,它的主要优点是,甚至对一台空载的感应电动机,也能作出正确的转子电阻估测,作为该估测过程的一个部分,有必要对转子电阻中的热变化加以补偿,对于一台4-kW4极鼠笼型感应电动机所进行的计算机模拟,令人鼓舞地证实了所建议的无传感器断条检测技术的有效性。
简介:BP神经网络分类器在信号识别领域得到了比较广泛的应用,针对其低信噪比环境下识别率相对较低的问题,引入人工蜂群算法(ABC),将求解BP神经网络各层权值、阂值的过程向蜜蜂寻找最优蜜源的过程转变,最后阐述了一种以人工蜂群算法为基础的神经网络分类器设计方法(ABCBP算法),并以2ASK,2FSK,2DPSK信号为例,对信号进行小波包分解后,将信号各频段的能量值数据作为实验样本,对其进行了信号分类。仿真结果表明:基于人工蜂群算法的优化BP神经网络分类器,即使在5dB的信噪比环境下,仍可达到94%以上的识别率,并具有较好的稳定性,这为信号识别领域中分类器的设计提供了一个很好的理论依据。