他励直流电动机速度控制文献翻译 (2)

1、他励直流电动机速度控制他励直流电动机速度控制Moleykutty GeorgeFaculty of Engineering and Technology, Multimedia UniversityMelaka Campus, 75450 Melaka, Malaysia摘要本文提出了他励直流电动机电枢电压变化的速度控制。本文的新颖性在于SEDM速度控制中非线性自回归移动平均二级控制器的应用，并讨论了SEDM斩波电路的速度控制。此项设计系统的性能已与使用传统控制器的传统性能进行了比较。整个系统也已使用MATLAB 7.0工具箱建模。经研究发现，利用NARMA-12控制器，PI和磁滞电流控制器都

2、可以被消除淘汰。关键词：斩波电路；NARMA-L2； SEDM；速度控制1 介绍直流电机已被广泛应用于诸多工业应用中，如电动汽车，钢材轧机，电动起重机以及由于具备精确、广泛、简单且连续的控制特性的机械手。从传统上来说，变阻式电枢控制方法已经被广泛用于低功率直流电动机的速度控制。然而，静态功率转换器的可控性，廉价性，高效率和高载流能力给电驱动器的性能带来了重大改变。通过使用 PID 控制器，所需的转矩转速性能得以获取并实现。由于PID控制器要求精确的数字模型，如果存在参数的变化，系统的性能将成为难题。近年来， NNC 已被有效引入，来提高非线性系统的性能。鉴于学习能力，大规模并行性，快速适应性，

3、内在逼近能力和高度兼容性，NNC 在系统辨识和控制上的应用将成为可能。基于负载适应性多输入多输出线性化技术的恒功率弱磁控制器已被提出，用于有效开发高速刻度的他励直流电动机。附带一个能够产生从零刻度到大于输入交流电压最大值的可控直流电压的开关装置可控直流电压。单相一致的 PWM 的 AC-DC 降压升压转换器已被用于他励直流电动机的电枢电压控制，该转换器附带一个能够产生从零刻度到大于输入交流电压最大值的可控直流电压的开关装置。为了提高仿真速度，基于对每个 PWM 周期上的电压和电流的平均值估计的一般模拟方法已被提出、分析和测试驱动器的转速特性的科学计算，该驱动器配置了电流调节性的 PWM 逆变器

4、所产生的多相无刷直流电动机。能够预测包括机械和电子组件的系统的动态特性的开环控制系统已被成功设计并应用于控制直流电动机的速度控制。使用传统控制器的其他几个速度控制技术已被引入。目前，基于控制器的高级人工智能促进电力电子电源系统取代传统的拥有智能速度控制器的调速电路。在此文中， NARMA-L2 控制器被提出应用于他励直流电动机在恒转矩区的速度控制。此文的重点在于他励直流电动机速度控制的 NARMAL2 控制器的应用。本文还讨论了使用斩波电路的 SEDM 速度控制。 SEDM 的速度控制技术详载于本文的第二部分。第三部分的仿真结果表明了利用 NARMA-L2 控制器控制他励直流电动机的速度的成功

5、应用。他励直流电机速度控制技术他励直流电动机的速度主要是通过区分持续转矩区的电枢电压，使其在零和额定转速之间变动。而在恒功率区，实地焊剂应该被减少，以便获得在额定速度以上的速度。电机驱动含有惯量J、摩擦系数Dm和负载转矩TL机械负载。该直流电动机的详细规格如下：表1 直流电动机规格表Shaft power5 hpRated voltage240 VArmature resistance0.6 Armature inductance0.012 HField resistance240 Field inductance120 HTotal inertia (J)1 kgm2Viscous fric

6、tion coefficient (B)0.02 NmsCoulomb friction torque (Tf)0 Nma）基于MATLAB/SimPowerSystems对SEDM的建模和控制：图1显示的是电枢控制采用斩波电路他励直流电动机的速度控制电路，图2是MATLLAB/SimPowerSystems的模型显示。它包括通过斩波电路由直流电源供电的他励直流电动机。单个晶闸管晶闸管，及其控制电路和一个续流二极管组成了斩波电路。电机驱动的机械负荷有惯量J、摩擦系数B、和负载转矩TL。控制电路由速度控制回路和电流控制循环组成。PI控制速度控制回路能够感应电机的实际速度，并与基准速度进行比较，以

7、决定由电动机要求的参考电枢电流。人们可能会注意到，实际速度的任何一个变化是对电动机决定的电枢电流的测量。电流控制回路由一个滞环电流控制器(HCC)组成。图3展示了滞环电流控制器的框图。滞环电流控制器是用于斩波电路在电机的实际电流与额定电流的比较中产生切换效果。如果实际电流小于额定电枢电流，就产生出一个正脉冲；相反如果实际电流大于额定电枢电流，就产生出一个负脉冲。滞环电流控制是一种控制电源电子转换器的方法，这样，输出电流便会遵循额定电流波形而产生。滞环电流控制器由闭环控制实施。励磁电流与被感应电流之间的差异能够控制斩波电路的开关。当误差达到上限，即上迟滞限制时，GTO就被切换，使电枢电流被强制下

8、降。另一方面，当误差达到低滞后极限，正脉冲就产生了，电流也被增加。emin和 emax分别代表错误信号的最小值和最大值。错误的信号范围，即emax-emin，直接控制输出电流的纹波量，也被称为滞后带。因此，电枢电流是不能超出由上下迟滞限制决定的滞后带范围的。图1 他励直流电动机的速度控制电路图2 他励直流电动机速度控制MATLAB/Sim Power Systems模型图3 滞环电流控制器的框图图4 SEDM的速度控制电路仿真图b)采用Simulink模型的SEDM的建模和控制：采用Simulink的SEDM的速度控制电路如4所示。图4中，开关仿照GTO，该开关块有三个输入部分：其他两个输入的

9、中间输入控件连接到输出。如果控制输入是1，240 V就被发送到输出，另一方面，如果控制输入是零，零将被发送到输出。表2 各个物理量含义Vt电源电压(V)Eb反电动势(V)Ra电枢电阻()La电枢电感(H)Rf场阻力()Lf场电感(H)If励磁电流(A)Ia电枢电流(A)Wm转速(rad/s)J电机转子转动惯量(kgm2)Dm电机粘性摩擦(Nms)c) 使用NARMA-L2控制器的SEDM的速度控制NARMA-L2控制器：ANN的学习能力，自适应性以及超高速计算功能使其在许多应用中都能很好地适用于电能系统的控制，比如说电负荷预测，瞬态能力评估，积极电力滤波器（或是正电滤波器），动态电压恢复器和联

10、合电能质量调节器。在学习过程中，神经网络调整其结构，这样它就能遵循主管。学习被不断反复，直到网络输出与主管之间的差异降低。i)系统辨识阶段：NARMA-L2控制器，一个多层神经网络，已成功地应用于动态系统的识别和控制。使用NARMA-L2控制器涉及系统识别和控制设计这两个步骤。在系统识别阶段，将被控制的植物饿神经网络模型得到了发展。图5是系统识别阶段的框图展示。在控制设计阶段，神经网络植物模型用于训练NARMA-L2控制器。在系统识别阶段，神经网络植物模型必须在控制器使用之前得到提高。植物模型能够预测未来的植物输出，它只有一个隐藏层。表1列出了植物模型的说明。图5 系统识别阶段的框图图6 NA

11、RMA-L2控制器表3 植物模型的规格说明隐藏层的规格9采样间隔 (s)6.254e-5输入植物号推迟3工厂的产出推迟号2训练样本40000最大输入植物240最小输入植物0最大间隔值 (s)1最小间隔值 (s)0.5最大输出植物120最低厂输出0训练次数100培训功能训练使用当前的重量s选定使用验证数据未选定使用测试数据未选定ii)控制器设计阶段这种控制模型的中心观点是通过取消非线性动力学来改造非线性系统动力。图6是NARMA-L2控制器的框图表示法。从NARMA-L2控制器获得的范例性能图和训练数据分别如图7和图8所示。i). NARMA-L2控制器的他励直流电动机的Simulink模型图9

12、展示了NARMA-L2控制器的他励直流电动机的Simulink模型。使用PI控制器，以植物模型为基础的Simulink用于产生所需的训练数据。控制器输入的是参考速度和实际速度，输出的是到达电动机的驱动电压。图7 样品NARMA-L2控制器的性能曲线 图8 NARMA-L2 控制器训练数据图9 NARMA-L2 控制他励直流电机Simulink 模型a: wr = 100 rad/s & 120 rad/s; TL = 5 Nm & 17 Nm b. wr = 100 rad/s & 120 rad/s; TL = 20 Nmc. wr = 75 rad/s &1

13、20 rad/s; TL = 0 Nm & 1.5 × TL rated (Nm)图10系统控制器不同使用的反应2 结果和讨论NARMA-L2控制器已成功被模拟和测试，来控制他励直流电动机的速度。MATLAB 7.0工具箱用于模型系统。这种经过提高的系统的工作性能对比于其他两个系统：一个是基于斩波控制直流电动机模型的SimPowerSystems，另一个是使用Simulink模型的SimPowerSystems。在斩波控制电路中，PI控制器用来产生参考电流，HCC用来产生由斩波电路决定的开关模式。据发现，斩波器和其控制电路会因为使用了NARMA- 12控制器而被淘汰。通过使用

14、不同的负载转矩和速度来审查该系统的有效性。图10绘制了仿真结果，图10另外也展示了额定转速，负载转矩，使用SimPowerSystemss的模型（WAP），Simulink仿真模型（WS）的实际电机转速和利用NARMA-L2控制器（wasn）的额定转速，负载转矩。通过对10a，10b，10c的数字进行比较，我们发现，假设有50过载容量被分配，NARMA- 12控制器可以调节远高于额定条件的速度。3 总结通过使用MATLAB来控制他励直流电动机的速度，基于NARMA-12控制器的速度控制系统已被成功地开发。本文的新颖性在于使用NARMA- 12控制器控制他励直流电动机。本文还讨论了使用SimPo

15、werSystems和Simulink模型对SEDM建模与控制，并通过使用不同类型的控制器对该系统的性能进行比较。我们发现，NARMA-12控制器可以调节远高于额定值的速度。参考文献1 Zuo Z. Liu, Fang L. Luo, and Muhammad H. Rasid, “High performance nonlinear MIMO field weakening controller of a separately excited DC motor,” Electric Power Systems Research, vol. 55, issue 3, Sep. 2000, pp

16、. 157-164.2 Nabil A. Ahmed, “Modeling and simulation of ac-dc buck-boost converter fed dc motor with uniform PWM technique,” Electric Power Systems Research, vol.73, issue 3, Mar. 2005, pp. 363-372.3 J. Figueroa, C. Brocart, J. Cros, and P. Viarouge, “Simplified simulation methods for polyphase brus

17、hless DC motors,” Mathematics and Computers in Simulation, vol. 63, issues 3-5, Nov. 2003, pp. 209-224.4 J. Santana, J. L. Naredo, F. Sandoval, I. Grout, and O. J. Argueta, “Simulation and construction of a speed control for a DC series motor,” Mechatronics, vol. 12, issues 9-10, Nov.-Dec. 2002, pp.

18、 1145-1156.5 Charles I. Ume, John Ward, and Jay Amos, “Application of MC68HC11 microcontroller for speed control of a DC motor,” Journal of Microcomputer Applications, vol. 15, issue 4, Oct. 1992, pp. 375-385.6 R. M. Stephan, V. Hahn, J. Dastych, and H. Unbehauen, “Adaptive and robust cascade scheme

19、s for thyristor driven DC-motor speed control,” Automatica, vol. 27, issue 3, May 1991, pp. 449-461.7 Sofyan A. Abdelhay and M. Azharul-haque, “DCmotor control using a minimum-variance selftuner,” Microprocessing and Microprogramming, vol. 19, issue 3, Jun. 1987, pp. 227-231.8 MK Refai, “Microproces

20、sor-based digital controller for DC motor speed control,” Microprocessor and Microsystems, vol. 10, issue 10, Dec. 1986, pp. 543-552.9 M. Pachter, “Speed control of a field controlled D.C. traction motor,” Automatica, vol. 17, issue 4, Jul. 1981, pp. 627-630.10 S. P. Chowdhury, S. K. Basu, and R. Mo

21、ndal, “A laboratory model of microcomputer based speed control of a DC motor with interactive display,” IEEE Tran. Power Systems, vol. 7, issue 1, Feb. 1992, pp. 403-409.11 F. I. Ahmed, A. M. El-Tobshy, A. A. Mahfouz, and M. M. Ibrahim, “(I-P) adaptive controller for DC motor drives: a hardware and

22、software approach,” in Conf. Publ. No. 455, UKACC Int. Conf. Control, 1-4 Sep. 1998, vol. 2, no.455, pp. 1146-1150.12 Y. S. E. Ali, S.B. M. Noor, S. M. Bashi, and M. K. Hassan, “Microcontroller performance for DC motor speed control system,” in national proc. Power Engineering Conf. 2003, pp. 104-10

23、9.13 A. A. El-Samahy, “Speed control of DC motor using adaptive variable structure control,” in Proc. 2000 IEEE 31st Annual Power Electronics Specialists Conf., vol. 3, 18-23 Jun. 2000, pp.1118-1123.14 F. I. Ahmed, A. M. El-Tobshy, A. A. Mahfouz, and M. M. S. Ibrahim, “P-I and I-P controllers in a c

24、losed loop for DC motor drives,” in Proc. Power Conversion Conf.-Nagaoka 1997, vol. 2, pp. 613-618.15 S. E. Gaber and H. A. Yousef, “Efficiency optimized speed control of DC motors based on self tuning regulator,” in Proc. ISIE 1993 IEEE Int. Symposium on Ind. Electronics, pp. 385-390.16 A. S. Awad,

25、 E. A. Mohamed, M. M. Negm, and A. I. Said, “Speed control of DC motor drives based on efficient utilization of energy and optimal performance,” in 14th IEE Intl. Conf. on Electricity Distribution.Part 1. Contributions, publ. no. 438, vol. 5, 2-5 Jun. 1997, pp. 22/1-22/5.17 P. Chevrel, L. Sicot, and

26、 S. Siala, “Switched LQ controllers for DC motor speed and current control: a comparison with cascade control,” 27th Annual IEEE Power Electronics Specialists Conf. 1996, vol. 1, 23-27 Jun. 1996, pp. 906-912.18 M. D. Minkova, D. Minkov, J. L. Rodgerson, and R. G. Harley, “Adaptive neural speed contr

27、oller of a dc motor,” Electric Power Systems Research, vol. 47, issue 2, 15 Oct. 1998, pp. 123-132.19 C. Machbub, A. S. Prihatmanto, and Y. D. Cahaya, “Design and implementation of adaptive neural networks algorithm for DC motor speed control system using simple microcontroller,” Proc. Of 2001 4th I

28、EEE Intl. Conf. Power Electronics and Drive Systems, vol. 2, 22-25 Oct. 2001, pp. 479-483. 20 D. Kukolj, F. Kulic, and E. Levi, “Design of the speed controller for sensorless electric drives based on AI techniques: a comparative study,” Artificial Intelligence in Eng., vol. 14, issue 2, Apr. 2000, p

29、p. 165-174.21 Jui-Hong Horng, “Neural adaptive tracking control of a DC motor,” Information Sciences, 1-4 Sept. 1999, vol. 118, issues 1-4, pp. 1-13.22 Jawad Faiz, M. R. Azizian, and M. Aboulghasemian-Azami, “Simulation and analysis of brushless DC motor drives using hysteresis, ramp comparison and

30、predictive current control techniques,” Simulation Practice and theory, vol.3, issue 6, Jan. 1996, pp. 347-363.23 G. A. Rovithakis and M. A. Christodoulou, “Direct adaptive regulation using dynamic neural networks: Application to dc motors speed control,” Mathematics and Computers in Simulation, vol. 41, issues 1-2, Jun. 1996, pp. 53-62.24 Luiz Eduardo Borges da Silva, Germano Lambert Torres, Ernesto Castillo Saturno, Alexandre P. Alves da Silva, and Xuan Dai Do, “Simulation of a neural net controller for motor drives,” Mathematics a