無傳感器永磁同步電動機伺服系統(tǒng)的智能自適應魯棒控制研究.pdf

1、無傳感器控制是永磁同步電動機(PMSM)控制系統(tǒng)的重要研究方向，省去了位置和速度傳感器，簡化了系統(tǒng)的結(jié)構，提高了可靠性，降低了成本，但這些優(yōu)勢是以增加計算復雜性和犧牲控制性能為代價的，因此目前尚處于研究階段，只能在要求不太高的場合中應用。準確地估計轉(zhuǎn)子位置與轉(zhuǎn)子轉(zhuǎn)速，以及找到理想的控制器設計方法是無傳感器PMSM控制研究的重要問題。然而，系統(tǒng)參數(shù)不確定性和外界擾動會導致估計與控制結(jié)果的非收斂性或振動。神經(jīng)網(wǎng)絡、模糊邏輯系統(tǒng)等智能控制方法

2、為解決被控對象存在復雜性、時變性和不確定性而獲得高性能控制效果提供了有力技術支撐。當前很多學者提出了多種基于神經(jīng)網(wǎng)絡、模糊邏輯系統(tǒng)等實現(xiàn)無傳感器PMSM的自適應魯棒估計及控制的方法，但還沒解決下面的幾個問題:當神經(jīng)網(wǎng)絡用在控制器與估計器的設計時，消除神經(jīng)網(wǎng)絡重構誤差對控制結(jié)果的不良影響;當利用系統(tǒng)模型進行魯棒位置和速度估計時，不是針對一兩個參數(shù)不確定性的魯棒性，而是實現(xiàn)針對整個參數(shù)不確定性的魯棒性;當利用粒子群算法優(yōu)化模糊PI控制器的參

3、數(shù)時，避免該算法容易陷入局部最優(yōu);當神經(jīng)網(wǎng)絡用在控制器設計時，找到對無傳感器PMSM最合適的自適應魯棒控制律，并計算最佳學習速率。為了解決以上問題，并實現(xiàn)智能自適應魯棒控制的無傳感器PMSM伺服系統(tǒng)，本文主要工作如下：
　　1.針對無傳感器PMSM的自適應魯棒轉(zhuǎn)子速度估計問題，提出了一種基于神經(jīng)網(wǎng)絡自適應觀測器的速度估計方案。此方案通過自適應觀測PMSM控制系統(tǒng)的動態(tài)，消除系統(tǒng)參數(shù)不確定性和負載擾動對速度估計的影響。當神經(jīng)網(wǎng)絡用于

4、構成自適應觀測器時在一定程度上具有重構誤差，其對速度估計結(jié)果會產(chǎn)生振動與非收斂性，因此提出了自適應律和魯棒補償方法來消除神經(jīng)網(wǎng)絡重構誤差對速度估計的影響。神經(jīng)網(wǎng)絡魯棒速度估計器利用神經(jīng)網(wǎng)絡自適應觀測器辨識出來的系統(tǒng)狀態(tài)變量來估計轉(zhuǎn)子速度。轉(zhuǎn)子位置是通過積分速度估計得到的。仿真結(jié)果表明，所提出的速度和位置估計方案不僅能有效、快速地估計轉(zhuǎn)子速度和轉(zhuǎn)子位置，而且能滿足魯棒性和漸近收斂性。
　　2.針對無傳感器PMSM的魯棒轉(zhuǎn)子位置估計問

5、題，提出了一種基于PMSM復數(shù)模型的魯棒位置估計方案。該方案通過復數(shù)分析把位置估計結(jié)果分離成實部和虛部的特性，消除整個系統(tǒng)不確定性對位置估計的影響。本方法是一種基于電動機物理模型的魯棒位置估計方法。所估計的位置值被實部與虛部分開，實部表示的是實際位置估計值，虛部表示的是由于系統(tǒng)不確定性產(chǎn)生的位置估計誤差值。為了使估計誤差為零，位置型PI控制器應用于位置估計器的虛部，因此估計誤差收斂到零。此方法只能在包括低速的額定速度領域里滿足魯棒性，因

6、為弱磁通區(qū)域的退磁影響整個估計策略。為了保證此方案在弱磁通區(qū)域里的可行性和魯棒性，引入擴展卡爾曼濾波器作為自適應控制方法對永磁磁鏈進行辨識。轉(zhuǎn)子速度是通過微分位置估計得到的。仿真結(jié)果表明，所提出的方案在整個控制領域內(nèi)能夠有效、快速地估計轉(zhuǎn)子位置和轉(zhuǎn)子速度。
　　3.針對基于模糊理論的無傳感器PMSM的自適應魯棒速度控制器設計問題，提出了一種基于自適應粒子群算法的模糊PI控制器參數(shù)優(yōu)化的方法。為了避免模糊隸屬函數(shù)參數(shù)的約束條件使粒子

7、群搜索空間變小，并粒子群算法容易陷入局部最優(yōu)，本文提出了一種新的粒子構成方法。此粒子在范圍[0，1]內(nèi)完全具有遍歷性，這時通過本文提出的參數(shù)決定方法，模糊隸屬函數(shù)的參數(shù)不需要任何計算負擔，而直接滿足模糊隸屬函數(shù)的參數(shù)所需滿足的順序條件，還為找到最優(yōu)的隸屬函數(shù)參數(shù)提供了最大的粒子群搜索空間。為了提高參數(shù)優(yōu)化的自適應率，提出了一種改進的自適應PSO算法。仿真結(jié)果表明，所提出的優(yōu)化方案使PMSM控制系統(tǒng)能夠?qū)崿F(xiàn)高的動態(tài)響應和魯棒性。
　

8、　4.針對基于神經(jīng)網(wǎng)絡理論的無傳感器PMSM的自適應魯棒速度控制器設計問題，提出了一種基于遞歸Elman神經(jīng)網(wǎng)絡(RENN)的PMSM速度控制器設計方案。此方案通過改進的RENN結(jié)構和適合于無傳感器PMSM動態(tài)的自適應律，克服系統(tǒng)參數(shù)不確定性和負載擾動對速度跟蹤控制的影響。所提出的自適應魯棒控制器由RENN控制器和補償控制器組成。RENN控制器用于估計理想的PMSM速度控制器。補償控制器用于消除誤差，此誤差包括神經(jīng)網(wǎng)絡近似誤差以及理想控

9、制器輸出與實際神經(jīng)網(wǎng)絡控制器輸出之間的誤差。根據(jù)Lyapunov理論，證明了基于所提出的自適應律的自適應RENN速度控制器的穩(wěn)定性，并跟蹤結(jié)果的漸近收斂性。
　　5.針對提高自適應RENN速度控制器的自適應性能的問題，提出了一種最佳學習速率算法。此方法通過考慮系統(tǒng)跟蹤誤差和RENN重構誤差的現(xiàn)狀，提高RENN的學習速率。首先，提出了一種最適合于RENN的新型在線訓練算法。接下來，為了提高權值學習的精度和速率，提出了一種最佳學習速率