无轴承异步电动机悬浮子系统独立鲁棒控制研究

作     者：钱忠波 

作者单位：江苏大学 

学位级别：硕士

导师姓名：孙宇新

授予年度：2016年

学科分类：080801[工学-电机与电器] 0808[工学-电气工程] 08[工学] 

主      题：无轴承异步电动机 悬浮子系统 独立鲁棒控制 HJI不等式 径向基函数网络 数字控制系统 

摘      要：依靠转矩绕组和悬浮力绕组磁场的共同作用,无轴承异步电动机(Bearingless Induction Motor,BIM)可以实现鼠笼转子的稳定悬浮,非常适合应用于高速精密数控机床等高速驱动领域,符合国家高新技术发展的未来趋势,因而具有极高的科研与应用价值。然而BIM内部多套绕组之间存在复杂的电磁关系,使得解耦控制成为实现BIM稳定悬浮和转矩输出的关键问题。为此,在国家自然科学基金(61174055)的资助下,以二自由度BIM为研究对象,本文采用BIM悬浮子系统独立控制方法以增强BIM的实用性,分析了传统BIM悬浮子系统独立控制方法存在的U-I磁链辨识模型的纯积分环节问题和鲁棒性差等缺陷,针对以上缺陷提出BIM独立鲁棒控制方法及改进磁链辨识方法,并通过仿真、实验进行验证,其主要内容如下:在悬浮子系统独立控制理论基础上,为了提高系统的抗干扰能力并增强鲁棒性,本文提出BIM悬浮子系统独立鲁棒控制方法。根据BIM悬浮子系统数学模型,基于H∞控制理论和Hamilton-Jaeobi-Issaes(HJI)不等式原理建立鲁棒控制器替代传统PID控制器以增强控制系统的鲁棒性。悬浮绕组侧控制内环加入PID电流滞环,以加快控制的反应速度。应用气隙磁链观测辨识出气隙磁链值,使实现独立控制成为可能,转矩子系统则可以使用通用变频器控制,增强了BIM的实用性。最后通过仿真实验验证方法的可行性及控制性能。针对U-I磁链辨识模型的纯积分环节问题,应用径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)具有较强的自学习和自适应能力,提出一种新型气隙磁链辨识方法。为了获得精确气隙磁链数据,通过对BIM进行气隙磁场定向控制,经带高通滤波器和坐标变换环节的气隙磁链观测器辨识得出气隙磁链数据,并记录在各个状态下的气隙磁链在α、β轴分量。通过对离散的数据进行处理分析,选取若干组稳定数据按步骤进行RBFNN训练,训练至误差满足要求时训练完成的RBFNN即为气隙磁链的辨识器。最后通过仿真比较分析其应用于BIM独立控制系统中的性能。最后以TMS320F2812为数字控制器主体以及实验室中的BIM样机为研究对象,设计并制造了一套数字控制系统。硬件系统主要包括主电路、控制电路、保护电路等,并通过在硬件系统上编写软件程序,完成相关理论的验证性实验。