用于永磁同步电机驱动器的自适应SDRE非线性无传感器速度控制(Matlab&Simulink实现)

简介: 用于永磁同步电机驱动器的自适应SDRE非线性无传感器速度控制(Matlab&Simulink实现)

💥1 概述

本文方法基于状态依赖的里卡蒂方程(SDRE)控制技术及其梯度型神经网络的实时计算方法,允许在线控制PMSM。


为了实现用于永磁同步电机驱动器的自适应 SDRE(State-Dependent Riccati Equation)非线性无传感器速度控制,按照以下步骤进行。


1. 确定系统的动态模型:首先,获得永磁同步电机的动态模型。该模型通常由磁链方程、电流方程和机械方程等组成。根据电机的具体参数和特性,推导出系统的状态空间表达式。


2. 设计自适应 SDRE 控制器:基于系统的状态空间表达式,采用自适应 SDRE 控制策略进行设计。自适应 SDRE 控制是一种基于 Riccati 方程调节器的非线性控制方法,它通过自适应参数来优化控制器的性能。具体设计步骤包括:设置控制器结构、定义控制误差目标和性能指标、计算状态反馈增益矩阵和 Riccati 方程解。


3. 实现无传感器速度估计器:由于无传感器速度控制,需要通过估计器来获取电机转速的信息。可以采用滑模观测器或者其他速度估计器来实现,以获得无传感器的速度测量。


4. 连接控制器和估计器:将自适应 SDRE 控制器和无传感器速度估计器与电机的动态模型相连接。确保控制器能够接收估计到的速度信号,并提供相应的控制输出。


5. 仿真和调试:在 Simulink 环境中建立仿真模型,并进行仿真验证。通过逐步参数调整和性能评估,对控制系统进行调试和优化。


📚2 运行结果

matlab程序:

clc
clear all
Rs=0.625
Ld=0.036
Lq=0.051
phi=0.545
J=7.5e-4
F=0.036
P=2
% a1=R/Ld
a2=P*Lq/Ld
a3=P*Ld/Lq
% a4=R/Lq
a5=P*phi/Lq
a6=3/2*P*phi/J
a7=F/J
B=[1 0;0 1;0 0]
Qc=[1 0 0;0 1 0;0 0 1]
 R=[1 0;0 10]
x2dot=0
x3dot=0
gama=0.1
% syms  a1 a2 a3 a4 a5 a6 a7 x1 x2 x3 R
% f=[-a1*R*x1+a2*x2*x3; -a3*x1*x3-a4*R*x2-a5*x3; a6*x2-a7*x3-1/J*Tl;0]
% jacobian(f,[x1 x2 x3 R ])
% E=4300170000*[1e-6 0 0 0   ;0 1e-6 0 0   ;0 0 1e-6 0   ;0 0 0 1e-6 ]
Rk=0.09*[1 0;0 1]
E=4300180000*[1e-6 0 0 0 0  ;0 1e-6 0 0  0 ;0 0 1e-6 0  0 ;0 0 0 1e-2 0; 0 0 0 0 1e-5]


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。


[1]刘伟波,邢佳丽,赵向禹等.双三相多相永磁同步电机驱动器混合直接转矩控制策略[J].科学技术与工程,2022,22(09):3564-3575.


[2]黄义红,张峻涛,刘丹. 机载永磁同步电机驱动器电流重构设计[C]//中国航空学会.第五届中国航空科学技术大会论文集.北京航空航天大学出版社(BEIHANG UNIVERSITY PRESS),2021:592-596.DOI:10.26914/c.cnkihy.2021.064916.


[3]凌峰. 无轴承异步电机非线性解耦控制与无传感器控制研究[D].江苏大学,2021.DOI:10.27170/d.cnki.gjsuu.2021.001911.


[4]江俊. 基于非线性估计理论的永磁同步电机无传感器控制方法的研究[D].江南大学,2006.


🌈4 Matlab代码&Simulink仿真实现

相关文章
|
2月前
|
存储
MATLAB - 使用 MPC Designer 线性化 Simulink 模型
MATLAB - 使用 MPC Designer 线性化 Simulink 模型
37 1
|
3月前
|
传感器 算法
基于无线传感器网络的MCKP-MMF算法matlab仿真
MCKP-MMF算法是一种启发式流量估计方法,用于寻找无线传感器网络的局部最优解。它从最小配置开始,逐步优化部分解,调整访问点的状态。算法处理访问点的动态影响半径,根据带宽需求调整,以避免拥塞。在MATLAB 2022a中进行了仿真,显示了访问点半径请求变化和代价函数随时间的演变。算法分两阶段:慢启动阶段识别瓶颈并重设半径,随后进入周期性调整阶段,追求最大最小公平性。
基于无线传感器网络的MCKP-MMF算法matlab仿真
|
2月前
|
机器学习/深度学习
MATLAB - 机翼摇摆过程中飞机的模型参考自适应控制
MATLAB - 机翼摇摆过程中飞机的模型参考自适应控制
27 0
|
2月前
MATLAB - 卫星自旋的模型参考自适应控制(MRAC)
MATLAB - 卫星自旋的模型参考自适应控制(MRAC)
32 0
|
2月前
|
机器学习/深度学习 数据建模 调度
MATLAB - 自适应 MPC(Adaptive MPC)
MATLAB - 自适应 MPC(Adaptive MPC)
40 0
|
2月前
|
机器学习/深度学习 资源调度 算法
MATLAB - 模型参考自适应控制(Model Reference Adaptive Control)
MATLAB - 模型参考自适应控制(Model Reference Adaptive Control)
32 0
|
3月前
|
传感器 监控 算法
基于虚拟力优化的无线传感器网络覆盖率matlab仿真
**摘要:** 本文探讨了基于虚拟力优化提升无线传感器网络(WSNs)覆盖率的方法。通过在MATLAB2022a中仿真,显示了优化前后网络覆盖率对比及收敛曲线。虚拟力优化算法模拟物理力,以优化传感器节点布局,防止重叠并吸引至目标区域,同时考虑墙壁碰撞。覆盖计算利用平面扫描法评估圆形和正方形传感器的覆盖范围。算法通过迭代优化网络性能,以提高WSNs的监控能力。
|
3月前
|
算法 vr&ar
基于自适应波束成形算法的matlab性能仿真,对比SG和RLS两种方法
```markdown - MATLAB2022a中比较SG与RLS自适应波束成形算法。核心程序实现阵列信号处理,强化期望信号,抑制干扰。RLS以其高效计算权重,而SG则以简单和低计算复杂度著称。[12345] [6666666666] [777777] ```
|
3月前
|
传感器 算法
基于无线传感器网络的LC-DANSE波束形成算法matlab仿真
摘要: 此MATLAB程序对比了LC-DANSE与LCMV波束形成算法在无线传感器网络中的性能,基于SNR和MSE指标。测试在MATLAB 2022a环境下进行。核心代码涉及权重更新迭代,用于调整传感器节点权重以增强目标信号。LC-DANSE是分布式自适应算法,关注多约束条件下的噪声抑制;LCMV则是经典集中式算法,侧重单个期望信号方向。两者在不同场景下各有优势。程序结果显示SNR和MSE随迭代变化趋势,并保存结果数据。
|
2月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
123 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码

热门文章

最新文章

下一篇
无影云桌面