教学课程资源库 更多>>

关键词： 伺服系统   长线电缆   过电压抑制   矢量控制  

摘要： 在当今的工业自动化和精确控制系统中，电机驱动技术扮演着核心角色。随着系统需求的不断提升，驱动技术面临着越来越多的挑战，其中之一便是长线电缆在连接逆变器和电机时产生的过电压问题。这一问题不仅影响系统的稳定运行,也对电机的寿命和性能构成威胁。　　本文研究聚焦于使用长线电缆连接逆变器和电机时的电机端过电压现象。首先，讨论了电缆过电压的产生机理，电缆末端的反射和折射现象，波在无损电缆上的传播过程，波在无损且末端接大电阻的电缆上的传播过程，电缆的分布参数对过电压的影响，以及驱动系统实际工作时出现超两倍过电压的原因。本文还提出了一个基于传输线和电路频域分析理论的过电压计算程序，该程序能够准确计算长线电缆末端的过电压值。　　通过理论分析、仿真和实验，本文对比了两电平和三电平PWM调制方式在抑制长线电缆末端过电压方面的效果，并指出三电平技术能够显著降低过电压的原因在于其谐波含量少和谐波幅值低。此外，通过设计基于两电平和三电平技术的长线电缆矢量控制系统仿真模型和实验，验证了三电平技术的有效性。　　进一步地，设计了基于FPGA的三电平矢量控制的核心程序。　　综合来看，本研究不仅降低了电机端过电压，并且对于以长线电缆为传输介质的驱动系统的设计和优化具有重要的理论和实际应用价值。

关键词： 驱动电机   矢量控制   改进模型参考自适应   迭代学习控制  

摘要： 国际能源问题不断恶化,国内外油价飙升,燃油车出行成本偏高,电动汽车逐渐成为出行的首选。国家大力发展新能源,电动汽车顺应发展逐步成为汽车行业的发展重点。驱动电机作为电动汽车的核心动力部件,研究驱动电机控制稳定性和鲁棒性,对于发展电动汽车具有重要作用。 本文从驱动电机入手,对比主流驱动电机的性能,突出了永磁同步电机高效率、高功率因数以及高功率密度的优点,并建立永磁同步电机三相坐标系数学模型,通过Park变换和Clark变换建立理想化旋转坐标系数学模型,根据此数学模型研究永磁同步电机矢量控制方式,对于永磁同步电机空间电压矢量控制原理进行了详细的推导分析,阐述了空间矢量脉宽调制的基本原理,在矢量控制方式基础上加入模型参考自适应控制,根据波波夫超稳定理论建立转速的辨识模块以及基于模型参考的自适应控制系统,利用MATLAB/Simulink进行仿真模拟。并通过改进模型参自适应控制(MRAS)以及迭代学习算法(ILC)的融合,进一步提高了控制系统的性能,同时为了验证改进方法的效果,与粒子群算法以及多目标差分算法进行转速辨识效果比对,通过收敛速度的不同,体现出所用方法的优越性能,进一步证明了该控制系统的有效性。 通过驱动电机自适应控制性能的研究,为驱动电机转速稳定性控制提出了一个完善的控制策略,对于驱动电机控制性能的提升以及电动汽车运行稳定性的发展做出了贡献。

关键词： 三电平逆变器   过电压   共模电压   矢量控制  

摘要： PWM型伺服驱动系统在工业中的应用十分广泛,通过脉宽调制技术来控制电机运行,显著提升了系统的性能。然而,这种系统在实际应用中也面临诸多挑战。例如在核电厂反应堆这种对可靠性要求极高的应用场合,由于伺服驱动器与电机距离较远,当PWM信号通过长线电缆传输至电机时,会由阻抗不匹配而引起电压反射,造成电机端过电压,损害电机和电缆的绝缘性能。因此,针对长线电缆驱动系统中电机端过电压的抑制尤为重要,需采取有效抑制措施,保护电机和电缆,提升系统的可靠性与稳定性。三电平调制算法相较于传统的两电平调制算法,可以减小电压跳变,改善输出电压波形。通过推导两电平脉冲波以及三电平脉冲波在电机端过电压的时域表达式,分析三电平技术抑制电机端过电压的机理,并通过仿真验证了其正确性。 此外,伺服驱动器采用PWM控制时,输出的三相电压不平衡,逆变器输出一侧会产生共模电压,损害电机轴承,产生电磁干扰,影响了电机的工作可靠性。因此,对共模电压抑制技术进行探究具有重要的意义。因此,提出基于三电平逆变器共模电压抑制的混合调制策略,通过调制比把三电平空间矢量划分为两个区域,选取产生共模电压较低的电压矢量,有效降低共模电压的同时保证三电平逆变器输出电流的总谐波失真低于6%,并通过仿真验证策略的可行性。 搭建基于三电平矢量控制系统的仿真模型以及实验平台,仿真表明矢量控制系统具有良好的稳态精度,对逆变器输出电压以及电机端线电压进行测量,证明三电平逆变器对电机端过电压抑制效果良好。 图57幅;表9个;参51篇。

关键词： 多芯片IGBT模块   宽频振荡问题   振荡表征平台   寄生电感提取算法   受迫振荡模型   PETT振荡模型   封装抑制方法  

摘要： 大功率多芯片绝缘栅双极型晶体管(Insulated Gate Bipolar Translator,IGBT)模块是大容量高效功率变换装备的核心部件,广泛应用于新能源发电、电气化交通和柔性直流输配电等重要领域。上述领域的蓬勃发展对功率变换装备提出了高运行效率、高输出功率、高功率密度的发展需求,因此,IGBT模块朝着低通态损耗、高开关速度、多芯片并联、高密度封装的趋势发展,引发了高幅值高频激励、低阻尼系数与高频振荡回路等振荡触发条件,从而诱发了模块内部的宽频振荡,严重影响功率变换装备的运行性能和可靠性。IGBT模块内部宽频振荡类型多、频率范围宽、振荡机理复杂,如何实现融合芯片运行特征和封装分布参数的宽频振荡建模及抑制是确保其可靠运行的关键挑战。然而,现有宽频振荡方面的研究面临着表征不清、机理不明、抑制边界不明的问题,难以快速准确地对模块内部宽频振荡问题进行分析及抑制。为此,本文聚焦于IGBT模块内部宽频振荡问题的分析及抑制方法,着重开展表征平台构建、特征参数提取、受迫振荡与等离子体抽取渡越时间(Plasma Extraction Transit Time,PETT)振荡建模与抑制方法等方面的研究,为大功率多芯片IGBT模块内部芯片与封装优化提供理论指导,提升功率模块的运行可靠性。论文的主要研究内容和创新成果如下: 首先,针对IGBT模块内部宽频振荡频带宽、难表征的难题,搭建基于空间近磁场的宽频振荡表征平台。借助空间磁场中蕴含模块内部高频振荡信息的特征,建立基于高带宽近磁场探头表征内部宽频振荡的方法。考虑到近磁场仅发生在功率模块换流过程,探究功率模块连续工况解耦为离散开关工况的测试方法以及前提条件,在此基础上利用工况离线测试、探头位置操纵、后期数据处理等多功能协同方式详细描述振荡表征平台构建方法,该平台近磁场探头带宽高达2.3GHz,远高于现有功率模块宽频振荡频率范围。进一步基于实验结果验证了不同频率范围的多类型振荡表征、高频振荡触发阶段定位、空间近磁场时空/频空分布绘制等平台功能,为探究功率模块内部宽频振荡机理提供新工具。 其次,针对IGBT模块内部寄生电感数值小、提取误差大的挑战,建立基于多数据点线性拟合的寄生电感高精度提取方法。通过对功率模块开关过程不同阶段的分析,结合电流快速变化阶段对模块运行安全产生的影响,探明适合用于寄生电感提取的阶段。揭示现有提取方法精度低的原因是仅采用开关过程中两采样点进行计算,易受测量噪声的影响,在此基础上构建基于开关过程多采样点拟合的线性拟合算法,利用数据处理残差与测量误差均服从正态分布的特点从而消除测量误差的影响。进一步基于不同工况下实验数据提取模块内部寄生电感,提取结果表明与现有方法相比,所提方法将误差从7.6%～11.2%降至2.2%～3.5%范围内,且一致性较好。 再次,针对多芯片并联IGBT模块受迫振荡谐振频率多、封装分布参数复杂的难题,提出基于多端口网络模型的受迫振荡建模方法和抑制手段。考虑到多芯片并联功率模块内部复杂的寄生参数分布,提出一种将模块内部芯片特征与封装参数解耦的多端口网络模型,基于该模型探究多芯片功率模块内部不同芯片端口对应的阻抗特征,在此基础上量化寄生电感和芯片寄生电容对端口阻抗的影响,通过与实验结果相比,构建模型可准确预测模块内部多谐振频率特征且主导频率误差小于3%。进一步,基于实验结果探究受迫振荡阶段近磁场分布特征与母线电压、负载电流以及运行结温之间的相关性,并依据构建模型分别从芯片和封装布局角度提出受迫振荡抑制方法,实验结果表明增加芯片栅极内阻的方式可将低频振荡幅值从73.77d BμV抑制到55.25d BμV,降低25%,优化芯片和封装布局的方式可有效抑制幅值为50.71d BμV的高频振荡。 随后,针对多芯片并联IGBT模块PETT振荡机理复杂、耦合因素多的难题,提出融合器件运行特性-封装分布参数的PETT振荡建模方法和抑制手段。基于振荡阶段器件半导体微观载流子运行规律,提出融合器件特征-封装参数的二极管反向恢复过程PETT振荡物理解析模型,揭示器件负阻特征是引发PETT振荡的先决条件,在此基础上,探究母线电压、负载电流、运行结温及驱动电阻对PETT振荡特征参数的影响,提出封装抑制方法将回路寄生电感调整至优化范围内,从而避免回路负阻以抑制PETT振荡的出现,并基于实验结果验证所提方法有效性。进一步,将二极管PETT振荡分析方法延申至IGBT短路关断过程PETT振荡机理与敏感性分析,并针对短路PETT振荡提出相应封装抑制方法,实验结果表明所提抑制方法可有效消除PETT振荡,且不影响器件动态特征。 最后对本文的研究工作进行总结,简述本文的主要贡献,并对后续研究做出展望。

关键词： 多模块永磁电机   矢量控制   容错控制   模块投切  

摘要： 当下在矿用传动设备中依然较多地采用了异步电机,并且需要结合相关标准来对其起动转矩等参数进行设置,以满足额定负载的要求。然而这种方式的灵活度不高,难以根据负载情况进行调节,这导致在轻载工况下电机效率极低。除了该问题之外,大功率电机在运输以及部署等方面也面临着诸多难题。为了解决此类问题,很多学者投入到相关的研究中,有学者设计出了矿用定子多模块永磁电机,相对于传统永磁电机显示出一定的优势。实际工程中,除电机工作效率外,系统可靠性也是必须考虑的重要因素。为此,本课题将对定子多模块永磁电机(Stator Multi-Module Permanent Magnet Motor,SMMPMM)的容错控制策略开展研究,具体的内容如下所示: 首先,针对多模块永磁同步电机的构成以及运行原理等进行了阐述,建立定子多模块永磁电机模型,并针对这种多模块电机构建了一种适合多模块电机的矢量控制系统,便于后续开展容错机制的研究。 其次,重点对电机运行过程中容易出现的故障问题进行了分析,主要涉及了开路故障、匝间短路故障以及退磁故障,探讨了各个故障的成因以及特征,并提出了对应的容错控制机制以及优化方法。主要通过模块间协同补偿策略解决独立单元的开路故障问题,减小电机系统损耗与压力;针对独立单元的匝间短路问题,采取以磁势不变为原则,同时借助相邻绕组互感作用进行弱磁的容错控制策略,减轻了短路故障导致的电枢绕组电流过大问题。 然后,针对切除单个子模块以及切除相邻子模块容错控制方法进行深入探讨,分析切除单个子模块、非对向子模块等各种策略在实施时的具体情况,并对其运行性能进行分析,分析了其高效率工作点所在位置,同时提出了一种协同控制方法,即效率优化分配策略,使电机始终工作在效率较高的工作点,有效减小电机损耗。 最后,结合仿真方法以及电机实验验证了所设计容错策略的有效性,为本课题的现实意义提供了有力支撑。

关键词： 强化学习   随机系统   最优控制   维纳和泊松噪声  

摘要： 随着对复杂系统和随机现象的深入研究,许多实际系统不仅具有马尔科夫跳变的特性,同时还受到维纳和泊松噪声的影响,而且系统的数学模型往往难以获得甚至根本无法建立,这也为系统的分析和控制带来了巨大的挑战。不同于其他控制方法,强化学习方法不需要系统的具体知识,而是使用系统的状态信息来学习和调整控制策略。因此,针对带有多噪声的连续和离散时间随机系统的最优控制问题,本文基于数据驱动方法设计新的策略迭代学习算法来获得系统最优解,具体内容如下: (1)对于连续时间的随机系统,研究了包含维纳和泊松噪声的随机马尔科夫跳变系统的最优控制。首先,通过It?-Levy公式和完全平方技术推导了系统的随机耦合代数黎卡提方程。然后,利用子系统转换技术和积分强化学习方法,设计了一个部分无模型的强化学习算法,该算法能够在只知道部分系统特性情况下找到最优解。其次,通过系统重构和方程转换,提出了一个无模型的强化学习算法,仅使用状态轨迹信息就能得到最优解,且不受泊松跳跃强度变化的影响。最后通过数值仿真验证了算法的效果。 (2)对于离散时间的随机系统,通过构建Bellman方程和Hamilton函数证明了离散系统的随机代数黎卡提方程。然后,利用系统重构和方程转换,设计了一个无模型的强化学习算法,该算法同样仅利用状态轨迹信息来找到最优解,且不受泊松跳跃强度变化的影响。最后通过数值仿真验证了算法的有效性。 (3)对于所给出的带有泊松跳跃强度λ的随机代数黎卡提方程,设计了一个搜索算法来求解在不同的收敛精度和方程误差下λ的最大值。该算法基于所得到的策略迭代优化方法,不断调整λ值,并根据预设的阈值条件来判断是否找到了最优解。 总之,通过对带有多噪声的随机系统的最优控制研究,不仅拓展了随机代数黎卡提方程解的范围,也为实际系统的分析和控制提供了有效的理论支持。

关键词： 下肢外骨骼阻抗控制   自适应阻抗控制   评价神经网络   事件触发评价学习   最优控制  

摘要： 外骨骼机器人在医工交叉康复领域得到了广泛研究和应用,智能化和精准化康复需求不断提升,基于人机交互的外骨骼机器人智能控制理论与方法成为近些年的研究热点。现有外骨骼机器人控制方法忽略了人-机-环境之间物理相互作用的动态变化特性,无法根据该变化动态调节相应的重要控制参数,直接影响患者使用外骨骼康复训练过程中的穿戴舒适性、人机运动协调性以及康复训练效果。阻抗控制方法通过调节物理交互力与机器人运动的内在关系,是实现人机柔顺交互的重要方法之一。然而,当前的外骨骼机器人阻抗控制方法仍然面临精确系统动力学模型依赖、参数人工预设、在线学习能力弱、环境适应性差等问题与挑战。针对上述问题,本文开展了面向下肢外骨骼的阻抗控制方法研究,通过建立一种新的物理人-机-环共融交互模型、设计基于神经网络的自适应学习阻抗控制算法,最终提升了下肢外骨骼人机交互的舒适性和柔顺性。本文的主要研究内容如下: （1）针对现有下肢外骨骼自适应阻抗控制算法依赖传感器测量交互力的问题,开展了面向刚性外骨骼机器人的阻抗控制方法研究,提出了一种基于交互力参数估计的下肢外骨骼自适应阻抗控制策略,设计了一种在线神经网络权重更新律,能够实现在交互力发生变化情况下自适应调整阻抗参数,同时保证参数估计精度。最后,结合Lyapunov理论证明了外骨骼闭环控制系统的稳定性。 （2）现有描述人机交互的阻抗模型仅考虑了机器人-环境之间交互力,缺乏外骨骼-人-环境三者之间的交互阻抗模型。针对刚性外骨骼与人以及环境之间的交互,本文构建了一种人-外骨骼-环境交互阻抗模型,然后将阻抗控制问题转化为一种最优控制问题,提出了事件触发评价学习阻抗控制算法对该优化问题进行有效求解。所提出的事件触发机制降低了通信代价,同时评价神经网络增强了外骨骼机器人系统学习能力。针对神经网络参数学习问题,本文在梯度下降方法基础上,通过引入一种改进的辅助项来降低初始容许控制的要求。同时,将历史和瞬态状态数据同时应用于参数更新律,放松了持续激励条件。最后,采用Lyapunov理论严格证明了闭环系统稳定,数值仿真分析验证了算法的有效性。 （3）针对外骨骼系统在康复训练或辅助人类行走过程中,机器人应当在安全范围内稳定运行,并满足关节运动范围、力矩大小等状态约束。本文通过引入状态误差转换技术,将状态约束系统转换为等效的无状态约束系统,设计了一种融合上层运动轨迹规划器和下层评价学习控制器的分层评价学习最优控制算法,该算法不仅能够识别人的运动意图,还通过在评价网络权值更新率中引入辅助项,放宽了初始控制条件的限制。采用Lyapunov稳定性理论分析了无状态约束系统的稳定性。最后,数值仿真验证了提出的学习阻抗控制算法的有效性。 （4）针对刚性下肢外骨骼模型阻抗控制策略无法直接适用于柔性驱动外骨骼模型的问题,本文研究了一种柔性驱动外骨骼自适应阻抗控制策略。首先,提出了一种柔性执行器模型以实现对外骨骼刚度调节,降低了电机谐波减速器产生的振动。然后,构建了阻抗模型,将阻抗控制模型整合到柔性外骨骼模型中,提出了自适应阻抗控制器,并采用Lyapunov稳定性理论分析了柔性驱动外骨骼系统稳定性。 （5）针对不确定环境下柔性外骨骼机器人控制问题,提出了一种融合阻抗扰动观测器、动态事件触发、H∞以及经验回放技术的混杂控制方法。提出的动态事件触发机制可灵活调整控制器的更新时间,弱化了静态事件触发机制的保守性,节约能耗。提出了一种单评价网络框架估计代价函数、事件触发最优控制策略以及时间触发扰动策略。此外,利用历史数据和瞬态数据相结合的方法放宽了持续激励条件。采用Lyapunov稳定性理论分析了不确定柔性外骨骼系统稳定性,仿真结果验证了不确定环境下混杂控制方法的有效性。