【文章內(nèi)容簡(jiǎn)介】 利用永磁體作磁勢(shì)源 來(lái) 制造電機(jī)已有 100 多年歷史 ， 1831 年由巴洛 (Barlow)發(fā)明的世界上第一臺(tái)電機(jī)就是永磁電機(jī)。早期的永磁材料磁性能很低 ， 永磁電機(jī)很快被電勵(lì)磁電機(jī)所取代。本世紀(jì) 30 年代和 50 年代 ， 具有高剩磁 Br 的鋁鎳鈷 (AlNiCo)和具有較高矯頑力 Hc 的鐵氧體 (Ferrite)永磁材料的先后出現(xiàn) ， 給永磁電機(jī)帶來(lái)了生機(jī)。但 AlNiCo的 Hc 值很低 ， 易失滋 ， Ferrite 的 Br 值很小 ， 不能為電機(jī)提供高的工作磁密 ， 并且逆變器這樣的 電力電子裝置還沒(méi)有廣泛應(yīng)用 ， 所以永磁同步電機(jī)的應(yīng)用是非常有限的。近幾十年來(lái) ， 隨著永磁材料的發(fā)展 ， 計(jì)算機(jī)輔助設(shè)計(jì)技術(shù)的進(jìn)步 ， 以及控制技術(shù)和驅(qū)動(dòng)電路等技術(shù)的進(jìn)步 ， 永磁同步電機(jī)的性能有了很大的提高。 如今永磁同步電機(jī)得到了廣泛的應(yīng)用 ， 因?yàn)樗哂芯S護(hù)方便、可控性強(qiáng)、受環(huán)境影響小、電機(jī)效率高以及具有高功率因數(shù)等諸多優(yōu)點(diǎn)。近年來(lái)由于環(huán)境問(wèn)題 ， 各個(gè)領(lǐng)域?qū)﹄姍C(jī)的效率和節(jié)能的要求逐漸提高。除了環(huán)境問(wèn)題 ， 高性能永磁材料的發(fā)展及成本的減少也擴(kuò)大到永磁同步電機(jī)應(yīng)用的各個(gè)領(lǐng)域。釹、鐵、硼永磁材料是目前磁性能最強(qiáng)的永磁材料 ， 它具有高剩 磁密度、高矯頑力和高磁能積等特點(diǎn)。通過(guò)開(kāi)發(fā)能經(jīng)受高溫及不易退磁的永磁材料 ， 釹、鐵、硼永磁同步電機(jī)已經(jīng)在工廠自動(dòng)化、壓縮機(jī)及交通工具等領(lǐng)域的應(yīng)用中大大進(jìn)步 [15]。 神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用 在現(xiàn)實(shí)生活中，任何一個(gè)實(shí)際系統(tǒng)都具有不同程度的不確定性，這些不確定性表現(xiàn)在被控過(guò)程或?qū)ο蟮奶匦詴r(shí)刻發(fā)生變化，變化規(guī)律難以掌握，同時(shí)還有各種各樣的隨機(jī)干擾作用在系統(tǒng)上，這些影響通常是不可預(yù)測(cè)的。如何設(shè)計(jì)適當(dāng)?shù)目刂谱饔?，通過(guò)輸入、輸出信息，實(shí)時(shí)的掌握被控對(duì)象和系統(tǒng)誤差的動(dòng)態(tài)特性，并根據(jù)其變化情況及時(shí)掌握調(diào)東北大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 第一章 緒論 4 節(jié)控制量，使系統(tǒng)性能指標(biāo) 達(dá)到并保持最優(yōu)或者近似最優(yōu)，這就是自適應(yīng)控制所要研究解決的問(wèn)題 [16]。 自動(dòng)控制理論與人類(lèi)社會(huì)的發(fā)展密切相關(guān)。電子計(jì)算機(jī)的出現(xiàn)和迅速發(fā)展 ， 計(jì)算和信息處理水平的不斷提高 ， 促使自動(dòng)控制理論朝著更復(fù)雜、更嚴(yán)密的方向發(fā)展 [17]。 自 20 世紀(jì) 40 年代，隨著神經(jīng)解剖學(xué)、神經(jīng)生理學(xué)以及神經(jīng)元的電生理過(guò)程等的研究取得突破性進(jìn)展，人們對(duì)人腦的結(jié)構(gòu)、組成及最基本工作單元有了越來(lái)越充分的認(rèn)識(shí)，在此基本認(rèn)識(shí)的基礎(chǔ)上，綜合數(shù)學(xué)、物理學(xué)以及信息處理等學(xué)科的方法對(duì)人腦神經(jīng)網(wǎng)絡(luò)進(jìn)行抽象，并建立簡(jiǎn)化的模型，稱(chēng)為人工神經(jīng)網(wǎng)絡(luò) [18]。 人工神 經(jīng)網(wǎng)絡(luò)（ Artificial Neural Network，即 ANN），是 20 世紀(jì) 80 年代以來(lái)人工智能領(lǐng)域興起的研究熱點(diǎn)。它從信息處理角度對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象，建立某種簡(jiǎn)單 的 模型，按不同的連接方式組成不同的網(wǎng)絡(luò) [19,20]。最近十多年來(lái)，人工神經(jīng)網(wǎng)絡(luò)的研究工作不斷深入，已經(jīng)取得了很大的進(jìn)展，其在模式識(shí)別、智能機(jī)器人、自動(dòng)控制、預(yù)測(cè)估計(jì)、生物、醫(yī)學(xué)、經(jīng)濟(jì)等領(lǐng)域已成功地解決了許多現(xiàn)代計(jì)算機(jī)難以解決的實(shí)際問(wèn)題，表現(xiàn)出了良好的智能特性。 1943 年，心理學(xué)家 和數(shù)理邏輯學(xué)家 建立了神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型，稱(chēng)為 MP 模型。他們通過(guò) MP 模型提出了神經(jīng)元的形式化數(shù)學(xué)描述和網(wǎng)絡(luò)結(jié)構(gòu)方法，證明了單個(gè)神經(jīng)元能執(zhí)行邏輯功能，從而開(kāi)創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)研究的時(shí)代。 1949年，心理學(xué)家提出了突觸聯(lián)系強(qiáng)度可變的設(shè)想。 60 年代，人工神經(jīng)網(wǎng)絡(luò)的到了進(jìn)一步發(fā)展，更完善的神經(jīng)網(wǎng)絡(luò)模型被提出，其中包括感知器和自適應(yīng)線性元件等。 等仔細(xì)分析了以感知器為代表的神經(jīng)網(wǎng)絡(luò)系統(tǒng)的功能及局限后，于 1969 年出版了《 Perceptron》一書(shū)，指出感知器不能解決高階謂詞問(wèn)題。他們的論點(diǎn)極大地影響了神經(jīng)網(wǎng)絡(luò)的研究，加 之當(dāng)時(shí)串行計(jì)算機(jī)和人工智能所取得的成就，掩蓋了發(fā)展新型計(jì)算機(jī)和人工智能新途徑的必要性和迫切性，使人工神經(jīng)網(wǎng)絡(luò)的研究處于低潮。在此期間，一些人工神經(jīng)網(wǎng)絡(luò)的研究者仍然致力于這一研究，提出了適應(yīng)諧振理論（ ART 網(wǎng)）、自組織映射、認(rèn)知機(jī)網(wǎng)絡(luò)，同時(shí)進(jìn)行了神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)理論的研究。以上研究為神經(jīng)網(wǎng)絡(luò)的研究和發(fā)展奠定了基礎(chǔ)。 1982 年，美國(guó)加州工學(xué)院物理學(xué) 提出了 Hopfield 神經(jīng)網(wǎng)格模型，引入了 “ 計(jì)算能量 ” 概念，給出了網(wǎng)絡(luò)穩(wěn)定性判斷。 1984 年，他又提出了連續(xù)時(shí)間 Hopfield 神經(jīng)網(wǎng)絡(luò)模型，為神經(jīng)計(jì) 算機(jī)的研究做了開(kāi)拓性的工作，開(kāi)創(chuàng)了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計(jì)算的新途徑，有力地推動(dòng)了神經(jīng)網(wǎng)絡(luò)的研究， 1985 年，又有學(xué)者提出了波耳茲曼模型，在學(xué)習(xí)中采用統(tǒng)計(jì)熱力學(xué)模擬退火技術(shù)，保證整個(gè)系統(tǒng)趨于全局穩(wěn)定點(diǎn)。 1986 年進(jìn)行認(rèn)知微觀結(jié)構(gòu)地研究，提出了并行分布處理的理論。人工神經(jīng)網(wǎng)東北大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 第一章 緒論 5 絡(luò)的研究受到了各個(gè)發(fā)達(dá)國(guó)家的重視，美國(guó)國(guó)會(huì)通過(guò)決議將 1990 年 1 月 5 日開(kāi)始的十年定為 “ 腦的十年 ” ，國(guó)際研究組織號(hào)召它的成員國(guó)將 “ 腦的十年 ” 變?yōu)槿蛐袨?。在日本?“ 真實(shí)世界計(jì)算（ RWC） ” 項(xiàng)目中，人工智能的研究成了一個(gè)重要的組成部分 [21]。 神經(jīng)網(wǎng)絡(luò)控制 人工神經(jīng)網(wǎng)絡(luò)反應(yīng)了人腦功能的基本特性，但并不是人腦的真實(shí)描述，只是人腦的抽象、簡(jiǎn)化與模擬。它是一門(mén)涉及醫(yī)學(xué)、神經(jīng)生理學(xué)、信息學(xué)、人工智能、數(shù)理學(xué)、計(jì)算機(jī)學(xué)等多個(gè)領(lǐng)域的新興前沿學(xué)科，它具有復(fù)雜的非線性動(dòng)力學(xué)特性、并行處理機(jī)制、學(xué)習(xí)、聯(lián)想和記憶功能，以及高度自組織、自適應(yīng)能力和靈活性 [22]。 人工神經(jīng)網(wǎng)絡(luò) （ 簡(jiǎn)稱(chēng)神經(jīng)網(wǎng)絡(luò) ） 是由大量簡(jiǎn)單的信息處理單元 （ 神經(jīng)元 ） 廣泛連接而成的復(fù)雜網(wǎng)絡(luò) ， 用來(lái)模擬人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能 ， 是一種簡(jiǎn)化的人腦數(shù)學(xué)模型 [23]。人工神經(jīng)網(wǎng)絡(luò)是一種由大量處理單元互聯(lián)組成的非 線性、自適應(yīng)信息處理的系統(tǒng)。它是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出的，試圖通過(guò)模擬大腦神經(jīng)網(wǎng)絡(luò)處理、記憶信息的方式進(jìn)行信息處理。人工神經(jīng)網(wǎng)絡(luò)具有四個(gè)基本特征： (1) 非線性 。 非線性關(guān)系是自然界的普遍特性。大腦的智慧就是一種非線性現(xiàn)象。人工神經(jīng)元處于激活或抑制二種不同的狀態(tài)，這種行為在數(shù)學(xué)上表現(xiàn)為一種非線性關(guān)系。具有閾值的神經(jīng)元構(gòu)成的網(wǎng)絡(luò)具有更好的性能，可以提高容錯(cuò)性和存儲(chǔ)容量。 (2) 非局限性 。 一個(gè)神經(jīng)網(wǎng)絡(luò)通常由多個(gè)神經(jīng)元廣泛連接而成。一個(gè)系統(tǒng)的整體行為不僅取決于單個(gè)神經(jīng)元的特征，而且可能主要由單元之間 的相互作用、相互連接所決定。通過(guò)單元之間的大量連接模擬大腦的非局限性。聯(lián)想記憶是非局限性的典型例子。 (3) 非常定性 。 人工神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、自組織、自學(xué)習(xí)能力。神經(jīng)網(wǎng)絡(luò)不但處理的信息可以有各種變化，而且在處理信息的同時(shí)，非線性動(dòng)力系統(tǒng)本身也在不斷變化。經(jīng)常采用迭代過(guò)程描寫(xiě)動(dòng)力系統(tǒng)的演化過(guò)程。 (4) 非凸性 。 一個(gè)系統(tǒng)的演化方向，在一定條件下將取決于某個(gè)特定的狀態(tài)函數(shù)。例如能量函數(shù)，它的極值相應(yīng)于系統(tǒng)比較穩(wěn)定的狀態(tài)。非凸性是指這種函數(shù)有多個(gè)極值，故系統(tǒng)具有多個(gè)較穩(wěn)定的平衡態(tài)，這將導(dǎo)致系統(tǒng)演化的多樣性。 人 工神經(jīng)網(wǎng)絡(luò)由神經(jīng)元模型構(gòu)成 ， 這種由許多神經(jīng)元組成的信息處理網(wǎng)絡(luò)具有并行分布和結(jié)構(gòu) [24]。 作為人工神經(jīng)網(wǎng)絡(luò)的基本處理單元，人工神經(jīng)元的功能是：對(duì)每個(gè)輸入信號(hào)進(jìn)行處理以確定其強(qiáng)度（加權(quán)）；確定所有輸入信號(hào)的組合效果（求和）；確定其輸出（轉(zhuǎn)移特性）。 每個(gè)神經(jīng)元 （ 如圖 ） 具有單一輸出 ， 并且能夠與其他神經(jīng)元連接 ；東北大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 第一章 緒論 6 存在許多 （ 多重 ） 輸出連接方法 ， 每種連接方法對(duì)應(yīng)一個(gè)權(quán)系數(shù)。嚴(yán)格地說(shuō) ， 人工神經(jīng)網(wǎng)絡(luò)具有下列特 性的有向圖： (1)對(duì)于每個(gè)節(jié)點(diǎn) i，存在一個(gè)狀態(tài)變量 Xi； (2)從節(jié)點(diǎn) j 至節(jié)點(diǎn) i，存在一個(gè)連接權(quán)系統(tǒng)數(shù) Wij； (3)對(duì)于每個(gè)節(jié)點(diǎn) i，存在一個(gè)閾值 ? i； (4)對(duì)于每個(gè)節(jié)點(diǎn) i，定義一個(gè)變換函數(shù) f i(Xi， Wij， ? i)， i? j；對(duì)于最一般的情況，此函數(shù)取 f i(? ， WijXi? i)形式。 人工神經(jīng)網(wǎng)絡(luò)或許無(wú)法代替人類(lèi)的大腦，但是它拓展了人們對(duì)外部環(huán)境的認(rèn)識(shí)與控制能力。它特有的非線性適應(yīng)性信息處理能力 [25]，使之在智能控制、組合優(yōu)化、預(yù)測(cè)等領(lǐng)域得到成功應(yīng)用，成為一門(mén)獨(dú)具特色的信息處理學(xué)科。 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展有如下趨勢(shì)：人工神經(jīng)網(wǎng)絡(luò)正向模擬人類(lèi)認(rèn)知的道路上深入發(fā)展，與模糊系統(tǒng)、遺傳算法、進(jìn)化機(jī)制等結(jié)合，形成計(jì)算智能，成為人工智能的一個(gè)重 ΣF （ ） 1θx 1x 2x iω i 1ω i 2w i jy jjF ( Σ x i w i j )x 0 = 1w 0 jx 1x 2x n... 圖 神經(jīng)元結(jié)構(gòu) 東北大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 第一章 緒論 7 要方向；在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上，試圖用模擬神經(jīng)網(wǎng)絡(luò)加工、記憶信息的方式，制造各種智能機(jī)器；神經(jīng)元網(wǎng)絡(luò)的實(shí)現(xiàn)是其廣泛應(yīng)用的前提，是軟件與硬件的有效結(jié)合，可以針對(duì)網(wǎng)絡(luò)材料和功能結(jié)構(gòu)，研究更簡(jiǎn)潔高效的網(wǎng)絡(luò)結(jié)構(gòu)，同時(shí)擴(kuò)大神經(jīng)元芯片的作用范圍；利用光電結(jié)合的神經(jīng)計(jì)算機(jī)，創(chuàng)造出功能更全，應(yīng)用更廣的人工神經(jīng)網(wǎng)絡(luò)，提高其信息處理能力，進(jìn)一步優(yōu)化從理論到實(shí)際的實(shí)現(xiàn)；人類(lèi)與計(jì)算機(jī)的自然口譯、流暢的談話、音頻檢索甚至用自然語(yǔ)言與計(jì)算機(jī)對(duì)話也是其發(fā)展實(shí)現(xiàn)的方向之一。 無(wú) 速度 傳感器控制的發(fā)展現(xiàn)狀 永磁同步電機(jī) 無(wú) 速度 傳感器技術(shù)將呈現(xiàn)如下的發(fā)展趨勢(shì) [26]： (1) 利用易于檢測(cè)的電機(jī)電壓和電流來(lái)估計(jì)電機(jī)位置和速度的研究，不斷改進(jìn)估計(jì)算法，結(jié)合具有高速信息處理能力的 DSP 技術(shù)，使得估計(jì)速度更快，估計(jì)結(jié)果更精確。 (2) 實(shí)現(xiàn)全速范圍內(nèi)平穩(wěn)運(yùn)行，特別是零速時(shí)的位置估計(jì)技術(shù)，低速時(shí)的估計(jì)精度問(wèn)題的研究，采用同時(shí)辨識(shí)電機(jī)狀態(tài)和電機(jī)參數(shù)的方法提高低速性能。 (3) 基于估計(jì)器的精密魯棒控制算法研究，實(shí)現(xiàn)高精度 、 高魯棒性的 無(wú)速度 傳感器控制性能，提高調(diào)速精度 、 拓寬調(diào)速范圍。 (4) 將智能控制方法引入電機(jī) 無(wú)速度 傳感器控制系統(tǒng)。 國(guó)外在 20 世紀(jì) 70 年代就開(kāi)始了無(wú)傳感器控制技術(shù)的研究工作 [27,28]。 1975 年， 等人推導(dǎo)出了基于穩(wěn)態(tài)方程的轉(zhuǎn)差頻率估計(jì)方法，在感應(yīng)電機(jī)的無(wú)速度傳感器控制領(lǐng)域做出了首次嘗試，調(diào)速比可達(dá) 10： 1，但其調(diào)速范圍比較小，動(dòng)態(tài)性能和調(diào)速精度難以保證。在此之后， 1979 年， 等學(xué)者利用轉(zhuǎn)子齒諧波來(lái)檢測(cè)轉(zhuǎn)速，限于監(jiān)測(cè)技術(shù)和控制芯片的實(shí)時(shí)處理能力，僅在大于 300r/min 的轉(zhuǎn)速范圍內(nèi)取得了較為滿意的效果，但這種思想令人耳目一新。首次將無(wú)速度傳感器應(yīng)用于感應(yīng)電機(jī)矢量控制是在 1983 年由 完成的，這使得交流傳動(dòng)技術(shù)的發(fā)展又上了一個(gè)新的臺(tái)階 [29]。 在 無(wú)速度 傳感器技術(shù)方面，很多學(xué)者作出了研究，提出了切實(shí)可行的方法。將眾多方法歸類(lèi)如下 [30]： (1) 基于 永磁同步電機(jī) 基本電磁關(guān)系估算位置和轉(zhuǎn)速的方法 由于這種方法直接基于電機(jī)的 物理模型進(jìn)行估算，因而具有計(jì)算簡(jiǎn)單，動(dòng)態(tài)響應(yīng)快的優(yōu)點(diǎn)，然而它對(duì)電機(jī)參數(shù)特別是定子電阻特別敏感，隨著電機(jī)運(yùn)行狀態(tài) 的變化 (例 如溫度升高 )，電機(jī)參數(shù)會(huì)發(fā)生一定的變化，導(dǎo)致估計(jì)的轉(zhuǎn)速和位置收斂于錯(cuò)誤的值。 (2) 基于對(duì)電機(jī)特殊特性分析基礎(chǔ)上的估計(jì)方法 東北大學(xué) 本科畢業(yè)設(shè)計(jì)（論文） 第一章 緒論 8 電流諧波分析法、 高頻注入法或根據(jù)磁路結(jié)構(gòu)和磁飽和特性，通過(guò)測(cè)量轉(zhuǎn)子空間凸極來(lái)得到轉(zhuǎn)子位置的方法等是這類(lèi)方法的代表。 (3) 基于各種觀測(cè)器技術(shù)的位置辨識(shí)方法 該方法首先將輸出變量定義為觀測(cè)器的狀態(tài)量，觀測(cè)器的輸出與實(shí)際電機(jī)檢測(cè)值作比較，用其誤差來(lái)糾正觀測(cè)器的估計(jì)值。常用的有全階狀態(tài)觀測(cè)器 、滑模變結(jié)構(gòu)觀測(cè)器、卡爾曼濾波器等。這種方法動(dòng)態(tài)性能好，穩(wěn)定性高、參數(shù)魯棒性強(qiáng)，然而算法復(fù)雜，計(jì)算量很大，受到計(jì)算機(jī)和微處理器計(jì)算速度的限制。近年來(lái)隨著微型計(jì)算機(jī)技術(shù)的發(fā)展尤其是高性能 DSP 的出現(xiàn)，大大推動(dòng)了這一方法在無(wú)速度傳感器矢量控制系統(tǒng)中的應(yīng)用。 (4) 人工智能理論基礎(chǔ)上的估算方法 進(jìn)入 20 世紀(jì) 90 年代，人們提出了基于人工智能的無(wú)傳感器控制方法，它們不需要系統(tǒng)精確的數(shù)學(xué)模型，并且可被應(yīng)用于非線性系統(tǒng)。雖然這些方法對(duì)參數(shù)變化和測(cè)量噪聲具有較強(qiáng)的魯棒性，但是復(fù)雜的算法、繁重的計(jì)算量及對(duì)系統(tǒng)控制所需的專(zhuān)家知識(shí)卻大大限制了這些方法在實(shí)際中的應(yīng)用。 本文主要工作 本文 的 主要內(nèi)容 就是提供了一種在 模型觀測(cè)器原理的基礎(chǔ)上把基于李雅普諾夫函數(shù)的神經(jīng)網(wǎng)絡(luò)應(yīng)用于 永磁同步電機(jī)無(wú)傳感器智能控制系統(tǒng)中 ， 降低系統(tǒng)成本 的 同時(shí) ，還可以獲得穩(wěn)定的誤差 較 小的精確控制方法。 下面會(huì)重點(diǎn) 研究 以下四個(gè)方面： 首先 建立了永磁同步電機(jī)的數(shù)學(xué)模型，并實(shí)現(xiàn)了永磁同步電機(jī)的矢量控制。主要內(nèi)容包括，闡述了坐標(biāo)變換理論，推導(dǎo)出永磁同步電機(jī)在三相靜止坐標(biāo)系下變換到兩相旋轉(zhuǎn)坐標(biāo)系下的數(shù)學(xué)模型，實(shí)現(xiàn)了矢量控制系統(tǒng)，并介紹了 SVPWM技術(shù)實(shí)現(xiàn)原理和調(diào)制方法。 然后根據(jù)模型參考自適應(yīng)系統(tǒng)以及神經(jīng)網(wǎng)絡(luò)工作原理，建立無(wú)傳感器的永磁同步電機(jī)的控制系統(tǒng)，并利用李雅普諾夫函數(shù)證明此系統(tǒng)的穩(wěn)定性。 接著在 MATLAB中的 SIMULINK建立該系統(tǒng)所需要的模塊，對(duì)系統(tǒng)進(jìn)行仿真，達(dá)到轉(zhuǎn)速波形圖，根據(jù)圖形分析數(shù)據(jù)。 最后對(duì)本課題的工作進(jìn) 行總結(jié)