热门标签 | HotTags
当前位置:  开发笔记 > 后端 > 正文

【转载】永磁同步电机矢量控制的相关研究内容

【转载】一个阶段的学习结束了,整理了之前的过程中的学习成果,已经过了工作的年纪,在这里稍微出一下自己做的一套永磁同步电机的教程࿰

【转载】一个阶段的学习结束了,整理了之前的过程中的学习成果,已经过了工作的年纪,在这里稍微出一下自己做的一套永磁同步电机的教程,从基础的矢量控制,到应用性较强的MTPA、弱磁控制等,最后深入到无速度传感器的控制,搜集了三种无速度的方法,足够大家从基础到深入整个过程的学习。



第一部分:从双闭环矢量到无速度传感器控制教程

总的来说,仿真的分为两类,


  • 第一类,id=0矢量控制,基于矢量控制的MTPA,基于矢量控制的弱磁控制,基于矢量控制的三闭环控制。
  • 第二类,无速度传感器,滑膜控制,模型参考自适应控制,高频注入控制。

第二部分:基于DSP28335的程序框架

第二部分是一个基于DSP28335的位置控制三闭环控制程序,且已在实际平台上验证了可行性。程序内部注释较多,CLAKR变换模块、PARK变换模块、SVPWM模块、转速调节器PI、位置调节器PI和电流环PI调节器,都有独立的算法模块。即使芯片不是DSP28335,里面的算法都是源码,移植起来比较方便。


 


第三部分:PMSM 双闭环控制系统仿真实现与调参详解

另外一些是对于初学者的,对于基础入门的FOC有点困难的同学,这部分由于之间给学弟补过课,所以写的比较的详细,有具体的调试过程和参数计算公式,以及一些我手写的推导过程,书籍推荐资料等。文档内公式和VISO图什么的都比较完全,可以直接复制粘贴到论文和演讲PPT中,对于做课程设计和毕设的同学而言是比较好的资料。




第四部分:基于模糊PI调节器的PMSM双闭环控制实现与分析详解


此部分是在基础的双闭环控制的基础上进行的深入研究,有可能对于一些同学或者学校来说,只是纯粹的双闭环还无法满足老师的要求,增加模糊PI调节器,这种自整定调节器,不仅能够有效解决双闭环控制中定PI参数调节器在高速和低速的不通用问题,还能提高理论的深度和广度,模糊PI调节器是一个非常值得深入研究的智能控制方式,有需要的同学或者只是想讨论的都可以加我。


第五部分:MTPA+弱磁 控制多方法实现详解专题

此部分将MTPA和弱磁控制结合,在基础MTPA控制的基础上,实现了直接计算法(公式法)和变交轴电压单电流调节器弱磁控制方法,从基础的超前角弱磁——公式法——变交轴电压单电流调节器法逐步深入,且在实现弱磁的基础上,持续优化系统的动态性能,其中变交轴单电流调节器法动态性能最为优越。


 


第六部分:基于模糊PI调节器的永磁同步电机MTPA+弱磁控制实现与分析详解

此部分相当于时上面双闭环控制、MTPA、弱磁控制和模糊PI的综合设计。如果只是单个实现一个功能其实是相对简单的,如果想要将这些东西全结合在一起,需要同学们具备比较深厚的基础,如果老师上来就让你做这个,可能就无从下手,所以我也在此把这些内容整合在了一起,我做出来了之后也是非常值得庆祝了一番,对此方面有兴趣的可以找我探讨。


第七部分:无速度传感器控制——模型参考自适应控制实现与分享详解

在基础的控制理论得到夯实之后,可以试着进军无速度控制领域,对于无速度控制,模型参考自适应是一个非常好的入门方法,可以让你对如何实现无速度传感器控制的概念有一个基本的了解,所以我做了一个模型参考自适应详解供大家打基础。需要深入探究无速度控制的同学建议以此方法入门,然后深入了解其他方法,进军低速域高速域。基于数学模型的注入法,基于现代控制理论的各种观测器法都是解决无速度问题的深层次控制理论,希望大家加油,我也在往这方面努力。

最近准备把之前未整理出来的专题补上。拿到资料的同志们对我提出了非常宝贵的建议,大家都会想要从初始开始到结果,系统且完整的掌握知识,因此对自己的资料进行了一些偏向性的更改,对原理推导过程以及仿真搭建过程更详细的阐述。资料还在逐步的扩展中,还请大家多加支持,多加指正,我还会继续更新,感谢大家!!!


第八部分:无位置传感器控制——滑模观测器无位置控制详解

此部分是对一种基础的无位置传感器控制方法——滑模观测器(SMO)专题进行讲解。

文档内具备以下内容:


  1. 滑模观测器仿真搭建过程+SMO仿真
  2. 滑模观测器公式原理推导解释(手写)
  3. 滑模参数与双闭环PI参数设计与调节过程
  4. 参考论文
  5. 电机基本参数说明
  6. 波形记录及其简要分析

文档内较为详细的介绍了滑模观测器的数学原理,以及滑模观测器模块的仿真搭建过程,这个过程以一个文档的形式单独记录下来。另外关键的PI调节器与滑模观测器的参数,也以一个专门的文档记录其理论设计过程,与根据波形现象调节参数的过程,可以有助于大家深入理解理论的同时,能够结合仿真模型的结果进行调参,深入的理解整个系统各个物理量之间的内在联系。另外,将滑模观测器封装为mask模块,可以在换个电机时,外部更改即可。


第九部分:矢量控制优化——MTPA控制专题详解

此部分是对基于id=0的双闭环矢量控制的一种优化提升的控制策略——MTPA控制的专题详解。

文档具备以下内容:


  1. MTPA控制仿真搭建过程+MTPA+对比的id=0仿真
  2. MTPA公式推导+原理解释
  3. PI调节器设计与调节过程
  4. 参考论文
  5. 波形记录及其详细分析(对比分析MTPA效果)

文档主要以双闭环为基础介绍了一种对于凸极性电机而言更加优越的控制策略——MTPA控制,详细的介绍了MTPA控制的基本原理和公式推导过程,在公式推导的基础上,以独立的文档讲解MTPA控制器在simulink内的搭建实现过程。另外关键的PI调节器的参数,也以一个专门的文档记录其理论设计过程,与根据波形现象调节参数的过程,可以有助于大家深入理解理论的同时,能够结合仿真模型的结果进行调参。最后波形的分析,着重分析MTPA与id=0的效果对比,从现象阐述为什么MTPA可以实现电流利用率提升的问题。


第十部分:矢量控制提升——三闭环位置控制详解

此部分是对一种不同控制目标的控制策略——三闭环位置控制进行专题详解。

文档具备以下内容:


  1. 三闭环位置控制仿真搭建过程 + 三闭环位置控制仿真
  2. 位置控制原理推导及其解释
  3. 重点:位置环+转速环+电流环PI调节器设计与调试过程
  4. 波形记录及其分析
  5. 参考论文
  6. 三闭环提升:加入前馈控制器仿真+搭建过程

文档主要介绍了三闭环位置控制具体的实现过程,详细介绍了三闭环位置控制的基本原理及其与双闭环之间的不同之处。在公式推导与双闭环的基础上,详细介绍了三闭环位置控制在simulink内的搭建过程。本文档除了以上内容,最重要的是详细介绍了三个环也就是三个调节器的理论设计及其调试过程,我相信搭建过的同学知道,这是一个复杂的过程,需要一些调参的经验和时间,所以三环的每个环我都把理论设计和调参过程以单独的文档记录下来,以供同学们能够了解其中来由,而不是一个仿真。最终对三闭环也进行了一个提升,加入了前馈控制器。具体如下图


 

 


 

 

 


推荐阅读
  • 阿里Treebased Deep Match(TDM) 学习笔记及技术发展回顾
    本文介绍了阿里Treebased Deep Match(TDM)的学习笔记,同时回顾了工业界技术发展的几代演进。从基于统计的启发式规则方法到基于内积模型的向量检索方法,再到引入复杂深度学习模型的下一代匹配技术。文章详细解释了基于统计的启发式规则方法和基于内积模型的向量检索方法的原理和应用,并介绍了TDM的背景和优势。最后,文章提到了向量距离和基于向量聚类的索引结构对于加速匹配效率的作用。本文对于理解TDM的学习过程和了解匹配技术的发展具有重要意义。 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 浏览器中的异常检测算法及其在深度学习中的应用
    本文介绍了在浏览器中进行异常检测的算法,包括统计学方法和机器学习方法,并探讨了异常检测在深度学习中的应用。异常检测在金融领域的信用卡欺诈、企业安全领域的非法入侵、IT运维中的设备维护时间点预测等方面具有广泛的应用。通过使用TensorFlow.js进行异常检测,可以实现对单变量和多变量异常的检测。统计学方法通过估计数据的分布概率来计算数据点的异常概率,而机器学习方法则通过训练数据来建立异常检测模型。 ... [详细]
  • 提升Python编程效率的十点建议
    本文介绍了提升Python编程效率的十点建议,包括不使用分号、选择合适的代码编辑器、遵循Python代码规范等。这些建议可以帮助开发者节省时间,提高编程效率。同时,还提供了相关参考链接供读者深入学习。 ... [详细]
  • 用友深耕烟草行业25年,提出数字化转型建议
    本文介绍了用友在烟草行业深耕25年的经验,提出了数字化转型的建议,包括总体要求、主要任务、发展阶段和六位一体推进举措。通过数字化转型,烟草行业将注入新动能,实现高质量发展。 ... [详细]
  • 云原生边缘计算之KubeEdge简介及功能特点
    本文介绍了云原生边缘计算中的KubeEdge系统,该系统是一个开源系统,用于将容器化应用程序编排功能扩展到Edge的主机。它基于Kubernetes构建,并为网络应用程序提供基础架构支持。同时,KubeEdge具有离线模式、基于Kubernetes的节点、群集、应用程序和设备管理、资源优化等特点。此外,KubeEdge还支持跨平台工作,在私有、公共和混合云中都可以运行。同时,KubeEdge还提供数据管理和数据分析管道引擎的支持。最后,本文还介绍了KubeEdge系统生成证书的方法。 ... [详细]
  • CSS3选择器的使用方法详解,提高Web开发效率和精准度
    本文详细介绍了CSS3新增的选择器方法,包括属性选择器的使用。通过CSS3选择器,可以提高Web开发的效率和精准度,使得查找元素更加方便和快捷。同时,本文还对属性选择器的各种用法进行了详细解释,并给出了相应的代码示例。通过学习本文,读者可以更好地掌握CSS3选择器的使用方法,提升自己的Web开发能力。 ... [详细]
  • 本文介绍了Java工具类库Hutool,该工具包封装了对文件、流、加密解密、转码、正则、线程、XML等JDK方法的封装,并提供了各种Util工具类。同时,还介绍了Hutool的组件,包括动态代理、布隆过滤、缓存、定时任务等功能。该工具包可以简化Java代码,提高开发效率。 ... [详细]
  • JavaScript设计模式之策略模式(Strategy Pattern)的优势及应用
    本文介绍了JavaScript设计模式之策略模式(Strategy Pattern)的定义和优势,策略模式可以避免代码中的多重判断条件,体现了开放-封闭原则。同时,策略模式的应用可以使系统的算法重复利用,避免复制粘贴。然而,策略模式也会增加策略类的数量,违反最少知识原则,需要了解各种策略类才能更好地应用于业务中。本文还以员工年终奖的计算为例,说明了策略模式的应用场景和实现方式。 ... [详细]
  • 计算成像的原理与应用研究
    本文探讨了计算成像的原理与应用研究。首先介绍了小孔成像实验和软件方面的相关内容。随后从傅里叶光学的角度简单谈了成像的过程。成像是观测样品分布的一种方法,通过成像系统接收光的强度来呈现图像。视网膜作为接收端接收到的图像实际上是由像元组成的矩阵,每个元素代表相应位置像元接收光的强度。大脑通过对图像的分析,得出一系列信息,如识别物体、判断距离等。计算成像是一种采集记录系统,通过处理数据得到样品分布与像的对应关系,用于后续问题的分析。 ... [详细]
  • Go语言实现堆排序的详细教程
    本文主要介绍了Go语言实现堆排序的详细教程,包括大根堆的定义和完全二叉树的概念。通过图解和算法描述,详细介绍了堆排序的实现过程。堆排序是一种效率很高的排序算法,时间复杂度为O(nlgn)。阅读本文大约需要15分钟。 ... [详细]
  • 词袋模型的通俗介绍
    词,袋, ... [详细]
  • 在2022年,随着信息化时代的发展,手机市场上出现了越来越多的机型选择。如何挑选一部适合自己的手机成为了许多人的困扰。本文提供了一些配置及性价比较高的手机推荐,并总结了选择手机时需要考虑的因素,如性能、屏幕素质、拍照水平、充电续航、颜值质感等。不同人的需求不同,因此在预算范围内找到适合自己的手机才是最重要的。通过本文的指南和技巧,希望能够帮助读者节省选购手机的时间。 ... [详细]
  • 从高级程序员到CTO的4次能力跃迁!如何选择适合的技术负责人?
    本文讲解了从高级程序员到CTO的4次能力跃迁,以及如何选择适合的技术负责人。在初创期、发展期、成熟期的每个阶段,创业公司需要不同级别的技术负责人来实现复杂功能、解决技术难题、提高交付效率和质量。高级程序员的职责是实现复杂功能、编写核心代码、处理线上bug、解决技术难题。而技术经理则需要提高交付效率和质量。 ... [详细]
  • Learning to Paint with Model-based Deep Reinforcement Learning
    本文介绍了一种基于模型的深度强化学习方法,通过结合神经渲染器,教机器像人类画家一样进行绘画。该方法能够生成笔画的坐标点、半径、透明度、颜色值等,以生成类似于给定目标图像的绘画。文章还讨论了该方法面临的挑战,包括绘制纹理丰富的图像等。通过对比实验的结果,作者证明了基于模型的深度强化学习方法相对于基于模型的DDPG和模型无关的DDPG方法的优势。该研究对于深度强化学习在绘画领域的应用具有重要意义。 ... [详细]
author-avatar
xwt4818386
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有