基于改进T-S模糊神经网络的PMSM控制策略研究

摘要

永磁同步电机相对于传统电机，由于结构简单，转矩脉动小，效率高等优点，所以交流永磁同步电机在大量的领域中都得到应用。永磁同步电机一个非线性、参数变化、动态性能的差异较明显的系统，从而建立电机控制过程准确的动态数学模型较为困难。随着模糊神经网络的发展，由于模糊神经网络这种不赖于系统模型，有着较强的非线性映射、自学习、容错的能力、使得模糊神经网络系统在目前的控制领域得到广泛研究。
　　本文研究了一种基于模糊神经网络的永磁同步电机矢量控制策略。通过深入研究模糊神经网络模型，针对前人提出的T-S模糊神经网络模型其网络模型参数自动寻优效果不理想，参数稳定域难确定、以及隐层节点数选择较为局限的缺点，通过先确定参数稳定域、而后引入粒子群优化算法自动寻找最优参数与最优的模型隐层节点数，从而加快网络收敛速度，提高网络逼近精度。另外，由于传统的矢量控制模块中的速度环与电流控制环均采用的是PID控制，而PID控制虽然目前应用广泛，然而其控制的动静态性能与人工智能控制策略的差距，使得基于模糊神经网络控制的矢量控制策略得到大量研究。因而本文通过对这种控制策略的深入研究，并将T-S模糊神经网络模型引入矢量控制中作为速度环，以提高永磁同步电机控制系统的动静态性能。最后在MATLAB／SIMULINK上建立永磁同步电机矢量控制仿真模型，仿真结果表明，基于改进T-S模糊神经网络的永磁同步电机矢量控制系统的控制效果要好于优化之前的模型。

目录

声明

第1章绪论

1.1国内外研究现状

1.2研究目标及内容

1.3论文主要内容的安排

1.4本章小结

第2章交流永磁同步电机矢量控制系统

2.1交流永磁同步电机

2.2永磁同步电机矢量控制方法

2.3 id =0时的矢量控制理论

2.4 SVPWM模块原理

2.5电流环与转速环

2.6交流永磁同步电机矢量控制系统

2.7本章小结

第3章控制策略设计

3.1模糊神经网络

3.2 T-S模糊神经网络

3.3 T-S模糊神经网络的优化

3.4离线网络训练样本选取

3.5优化算法步骤

3.6本章小结

第4章控制系统仿真结果的分析对比

4.1 MATLAB下simulink实验平台

4.2系统仿真图

4.3仿真结果

4.4本章小结

第5章总结与展望

参考文献

附录

发表论文和科研情况说明

致谢