没有合适的资源?快使用搜索试试~ 我知道了~
基于水循环算法的开关磁阻电机性能优化.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 92 浏览量
2022-11-04
16:42:25
上传
评论
收藏 784KB DOCX 举报
温馨提示
试读
16页
基于水循环算法的开关磁阻电机性能优化.docx
资源推荐
资源详情
资源评论
0 引言
近年来,开关磁阻电机(switched reluctance motor,SRM)以其制造成本低、鲁棒性强、可靠性高
等特点在一些变速电机应用中吸引了越来越多的关注.除此之外,SRM 还具有很大的起动转矩及很高的容
错率,能在一些恶劣的环境下使用,这使得其在电动汽车、冶金及航空航天等领域都得到了广泛的应用.
然而,由于其本身特有的双凸极结构,使得它是一个多变量、强耦合、非线性的复杂系统.在电机运行的
过程中,由于各相的开关器件会频繁地导通和关断,这使得电机在换相期间产生较大的转矩脉动,并伴随
着相对较大的噪声.与此同时,由于 SRM 的转矩是由一系列脉冲转矩叠加而成,受到电机本身特有的双凸
极结构和磁路饱和非线性特性的影响,合成转矩并不是一个恒定转矩,具有较大的谐波分量.为此,研究
人员对于如何进行 SRM 性能优化做了大量研究.
文[1-6]利用不同的优化算法,将速度控制器和电流控制器的 PI(proportional integral)参数最优值及
导通角、关断角的求取问题作为一个多目标优化问题,最优参数由算法迭代寻优后得到.但是该方法存在
迭代时间过长,无法应对未知参数变化及外部负载扰动等问题,实验方法有待完善. SRM 本身是一个复杂
多变的系统,其磁链特性具有高度的非线性,构建一个精确的模型也可以在一定程度上减小转矩脉动.文
[7-11]分别利用不同的神经网络对 SRM 的磁链特性及转子位置特性进行拟合,通过优化电机相应的磁链
模型和转子位置模型来减小控制偏差及转矩脉动.上述方法虽然提高了 SRM 的模型精度,减小了转矩脉
动,但是无法有效应对出现在系统中的扰动.文[12-13]为解决 SRM 控制系统中未知参数变化及外部负载扰
动等情况,设计了一种自适应 RBF 神经网络控制器,对于系统中出现的误差进行在线补偿.自适应律的引
入使得 RBF 神经网络能够有效对抗外部扰动,但是在参数多变的情况下系统应对扰动并不灵敏.文[14]利
用 WCA 优化由积分时间绝对误差(ITAE)、电机转矩平滑因子(TSF)、每安培转矩比(TAR)三个部分组成的
多目标函数,并将优化后的结果用来构建 ANN(artificial neural network)控制器以达到自适应调节的效果.
该方法是将离线训练和在线训练相结合,显然离线训练的时间将会很长,而且以上述 3 个性能指标作为优
化目标时得到的并不一定是最优结果.
本文以开关磁阻电机为研究对象,针对算法调节参数时迭代时间过长且无法有效应对外部扰动及神
经网络训练过程中对于扰动反应灵敏性不高的情况,提出了一种基于转速控制的水循环算法优化的小波神
经网络控制器,其中考虑了参数变化、外部负载扰动和输入饱和度约束.基于提出的神经网络控制器,首
先在 Matlab/Simulink 中搭建仿真模型验证,然后根据实际电机参数在 Maxwell 中搭建电机模型,利用
Simulink 及 Maxwell 的联合仿真进一步验证算法的有效性.结果表明,相对于其它方法,本文提出的方法
减少了转矩脉动,当出现突加外部负载扰动时能够快速反应并迅速达到稳态.
1 开关磁阻电机的模型 1.1 开关磁阻电机的数学模型
开关磁阻电机的定子转子的双凸极结构是其区别于其它电机的显著特点之一.本文以 8/6 SRM 为例
来介绍所提出的方法.在建立模型前需要提出假设:
1) 忽略每相之间的互感;
2) 电机工作在其电磁特性的线性区域.
假设 SRM 的相电压为 u,在某一相导通时该相的电压平衡方程为
(1)
其中,R
s
为相电阻,i 为相电流,ψ 为相磁链,θ 为转子位置角.
电感 L 和电流 i 的乘积即为磁链:
(2)
因此,式(1)可改写成:
(3)
其中,ω 为角速度,等式的右边分别为电阻压降、电感压降及电动势压降.式(4)表示每一相的电磁
转矩:
(4)
基于磁线性简化的假设,忽略互感的影响,总的电磁转矩为
(5)
其中,m 为所选开关磁阻电机的相数.因此,SRM 对应的机械特性方程为
(6)
其中,T
total
为总的电磁转矩,T
L
为负载转矩,J 为惯性常量,μ 为粘性摩擦系数.
从上述公式可以看出,转矩是电感的导数及相电流的平方的乘积,转矩的产生与电流的符号无关,
但是正转矩只在 dL/dθ 为正的时候产生.
1.2 开关磁阻电机的动态模型
本文搭建一个双闭环系统组成开关磁阻电机的控制系统,如图 1 所示.内环由改进转矩分配函数的
直接瞬时转矩控制策略进行控制,提高了系统实时调节转矩的能力,使实际输出转矩能够更好地跟随期望
转矩.转速外环基于提出的 WCA-WNN 控制器对转速偏差进行控制,使其能够输出相对应的期望转矩,基
于优化后的期望转矩进行下一步的直接瞬时转矩控制.其中 WCA-WNN 控制器利用 WCA 对 WNN 的权值
选取过程进行了优化,提高了 WNN 的训练精度、稳定性和速度.
图 1 SRM 控制系统框图 Fig.1 Block diagram of SRM control system
图选项
2 水循环算法优化小波神经网络 2.1 水循环算法(WCA)
WCA 是一种生物启发的优化算法,它模拟自然界中的水循环过程,在种群中设定 3 类个体:海洋
Sea、河流 River 及溪流 Stream.海洋为当前种群的最优个体,河流为一定数量的仅次于海洋的个体,剩
余较差的个体即为溪流. WCA 已成功应用在不同的优化领域,具体内容见文[15-19],这证明了其在解决
多目标优化工程问题上的有效性.
算法开始之前需要生成大小为 N
pop
×D 的初始总群体,其中 N
pop
是种群的总数量,D 是设计变量的
个数,因此这个随机矩阵为
(7)
其中,N
sr
是海洋 Sea(数量为 1)及河流 River 的数量之和,这是在初始化的时候自行定义的,其余
流入海洋和河流的溪流 Stream 的数量为 N
streams
,其表达式为
(8)
紧接着,根据式(9)计算当前种群中流向海洋的溪流数量及流向对应河流的溪流数量:
(9)
完成上述过程后,即可进行汇流过程,汇流过程如图 2 所示.汇流过程中,溪流、河流和海洋的位
置根据式(10)随机更新:
(10)
图 2 WCA 汇流过程 Fig.2 WCA confluence process
图选项
其中,t 是迭代数;1≤C≤2,C 的最优值可以选为 2;rand 是 0 和 1 之间均匀分布的随机数;
X
stream
t
及 X
stream
t+1
分别表示第 t 次及第 t+1 次迭代时溪流的位置;X
river
t
及 X
river
t+1
分别表示第 t 次及第 t+1
次迭代时河流的位置;X
sea
t
及 X
sea
t+1
分别表示第 t 次及第 t+1 次迭代时海洋的位置.式(10)中分别为流向河
流的溪流、流向海洋的溪流及流向海洋的河流的位置更新公式.溪流在每次更新过后,计算出相应的适应
度值,若该值优于与其相连的河流的适应度值,则将该溪流的位置与该河流的位置进行交换.河流与海
洋、溪流与海洋之间也有类似的交换.在没有满足设定要求之前,海洋、河流和溪流的位置将根据相应的
公式不断地更新.
所有的寻优算法都要考虑收敛过快而陷入局部最优的问题,水循环算法引入蒸发过程来避免该问题
的发生.在水循环过程中,那些流速过慢还有无法达到大海的溪流和河流最终都会蒸发,蒸发过程的出现
会引来新的降水.因此,必须检查河流及溪流是否足够靠近海洋,若距离较远则进行蒸发过程,蒸发过程
的判断条件为
(11)
剩余15页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3714
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- SIMATIC-WinCC-UnifiedRT-V18-Upd3-更新包-链接地址.txt
- 树状图控件,用来展示一个树状图形,数据结构类似TreeView 在企业信息系统里经常会用到,比如公司组织架构,产品BOM"
- RVO2-Unity-master
- 基于Python和OpenCV开发的材料缺陷检测程序
- 储能系统液冷机组选型设计参考,供储能设计研发人员参考使用
- 基于 C++实现对材料内部缺陷进行无损检测
- 一些 html、bootstrap框架的后台模板集合
- SIMATIC-WinCC-Unified-PC-V18-安装包-链接地址.txt
- 关于代码移植的初步探讨与类似经验02-以stm32的SDIO接口同SD卡(tf卡/SDHC)的交互为例
- 基于 python利用bert预训练的中文模型进行文本分类 数据集中文情感分析语料
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功