[发明专利]基于神经网络逼近的异步电动机动态面离散容错控制方法有效

专利信息
申请号: 201910788111.6 申请日: 2019-08-26
公开(公告)号: CN110492809B 公开(公告)日: 2020-09-04
发明(设计)人: 于金鹏;田新诚;雷启鑫;张国斌;胡成江;王博 申请(专利权)人: 青岛大学
主分类号: H02P21/00 分类号: H02P21/00;H02P21/06;H02P25/02;H02P27/08
代理公司: 青岛锦佳专利代理事务所(普通合伙) 37283 代理人: 朱玉建
地址: 266071 山东省*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 神经网络 逼近 异步电动机 动态 离散 容错 控制 方法
【说明书】:

发明属于异步电动机位置跟踪控制技术领域,具体公开了一种基于神经网络逼近的异步电动机动态面离散容错控制方法。该方法针对异步电动机驱动系统中容易出现的执行器故障问题,建立执行器故障模型,同时结合欧拉方法建立异步电动机系统离散故障模型;在传统的反步法中引入动态面控制技术,克服了离散系统的反步控制算法中存在的“计算爆炸”和“因果矛盾”问题;利用径向基函数神经网络处理异步电动机离散系统中的非线性项,结合自适应控制方法解决了系统中存在的参数未知和执行器故障问题,构造了基于神经网络逼近的异步电动机动态面离散容错控制器;本发明方法能够克服执行器故障的影响并且保证理想的控制效果,实现对转速的快速、稳定地响应。

技术领域

本发明属于异步电动机位置跟踪控制技术领域,尤其涉及一种基于神经网络逼近的异步电动机动态面离散容错控制方法。

背景技术

异步电机(induction motors,简称IMs)是一种交流电机,也叫感应电机,主要作为电动机使用。异步电动机广泛应用于工农业生产中,例如机:床、水泵、冶金、矿山设备与轻工业机械等都用异步电动机作为原动机。然而由于异步电动机数学模型具有高度非线性、强耦合、多变量等特点,同时易受电动机参数变化及外部负载扰动等不确定因素的影响,因此,要实现异步电动机的高性能控制是一项具有挑战性的工作。

近些年来,非线性控制方法的研究取得了巨大的进展,如滑模控制、动态面控制、哈密顿控制、反步法控制和其它的一些控制方法。然而,这些技术多数基于异步电动机连续系统,针对其离散系统的控制算法较少。由于实际的工程系统大多采用离散控制技术,而且离散的控制算法在可实现性和稳定性上优越于连续算法。因此,针对异步电动机离散系统构建控制方法有着十分重要的现实意义。此外,以上控制方法均没有考虑异步电动机在运行过程中执行器故障造成的影响。异步电动机运行过程中,由于其长时间不间断地执行控制任务,系统执行机构发生故障的可能性也随之增加,一旦系统执行机构发生故障又没有及时处理,会导致控制系统性能下降,甚至对设备及人身安全造成严重的损害。

反步法是一种有效的非线性系统控制方法,核心思路是将复杂的非线性系统分解成多个简单低阶的子系统,通过引入虚拟控制函数来逐步进行控制器设计,最终确定真实控制律,从而实现对高阶非线性系统的有效控制。然而,反步法应用到离散系统中时,对虚拟控制函数进行连续求差分的过程,会引起“计算爆炸”和“因果矛盾”问题。此外,对于一些具有高度非线性和参数不确定的高阶系统,非线性项会导致控制器变得十分复杂,加重了在线计算的负担,不利于计算机控制系统的在线控制,且传统反步法难以处理参数不确定问题。

发明内容

本发明目的在于提出一种基于神经网络逼近的异步电动机动态面离散容错控制方法,综合考虑电机运行中易出现的执行器故障问题,实现对异步电动机快速稳定的位置跟踪控制。

本发明为了实现上述目的,采用如下技术方案:

基于神经网络逼近的异步电动机动态面离散容错控制方法,包括如下步骤:

a.建立异步电动机的离散动态数学模型

在同步旋转坐标系下,按转子磁链定向,异步电动机驱动系统模型能够表示为:

式中,np表示异步电动机的磁极对数,TL表示负载转矩,J表示转动惯量,Lm表示互感系数,ω表示转子角速度,Θ表示转子角度,ψd表示转子磁链;id表示d轴电流,iq表示q轴电流,ud表示d轴电压,uq表示q轴电压;Rs表示定子的电阻,Ls表示定子的电感;Rr表示转子的电阻,Lr表示转子的电感;

为简化异步电动机的离散动态数学模型,定义新的变量如下:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于青岛大学,未经青岛大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910788111.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top