← 返回
控制与算法 PWM控制 机器学习 深度学习 ★ 4.0

针对具有扰动和电压饱和的部分未知永磁同步电机

PMSM)的神经网络观测器与无传感器鲁棒最优控制

作者 Luy Nguyen Tan · Thanh Pham Cong · Duy Pham Cong
期刊 IEEE Transactions on Power Electronics
出版日期 2021年10月
技术分类 控制与算法
技术标签 PWM控制 机器学习 深度学习
相关度评分 ★★★★ 4.0 / 5.0
关键词 神经网络 PMSM 无传感器控制 鲁棒最优控制 反电动势 抗扰动 电压饱和
语言:

中文摘要

本文提出了一种基于神经网络(NN)的观测器方案及无传感器鲁棒最优控制策略,用于解决存在扰动和电压饱和的部分未知永磁同步电机(PMSM)控制问题。通过设计NN观测器估计反电动势,放宽了对旋转或静止坐标系下数学模型的依赖,有效提升了电机在复杂工况下的控制精度与鲁棒性。

English Abstract

This article proposes neural network (NN) based observer schemes and a sensorless robust optimal control scheme for partially unknown permanent magnet synchronous motors with disturbances and saturating voltages. First, an NN-observer scheme is designed to estimate back-electromotive force (EMF), for which the mathematical model in rotary or stationary reference frames is relaxed. The NN weight tu...
S

SunView 深度解读

该技术对阳光电源的电机驱动类业务具有重要参考价值。在风电变流器及储能系统中的辅助电机控制场景中,无传感器控制技术可降低硬件成本并提高系统可靠性。神经网络观测器能够有效应对电机参数不确定性及电网扰动,提升变流器在弱电网下的动态响应能力。建议研发团队关注该算法在风电变流器主控逻辑中的应用,通过引入AI辅助观测,优化电机转矩控制性能,并提升系统在极端电压波动下的稳定性。