基于主元分析神经网络补偿的感应电动机逆解耦控制

对于具有多变量、非线性、强耦合、慢时变等特征的异步电动机调速系统,实现定子磁链与电磁转矩的高精度动态解耦是提高系统性能的关键。首先通过非线性状态反馈建立感应电动机的α阶积分逆模型,并分析非线性状态反馈的误差对其逆模型精度的影响。在此基础上提出了一个基于主元分析神经网络补偿的感应电动机逆解耦控制方法,将补偿后的α阶积分逆模型串联到对象的输入端建立广义被控对象。复杂的感应电动机调速系统被解耦成电磁转矩与定子磁链的两个独立回路,利用线性系统理论分别对独立回路进行综合设计,实现定子磁链和电磁转矩对各自给定值的渐进跟踪。实验结果验证了建议方案的有效性和可行性。