【正文】 速波形圖，根據(jù)圖形分析數(shù)據(jù)。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，實現(xiàn)了矢量控制系統(tǒng)，并介紹了 SVPWM技術(shù)實現(xiàn)原理和調(diào)制方法。 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)無傳感器智能控制系統(tǒng)中 ， 降低系統(tǒng)成本 的 同時 ，還可以獲得穩(wěn)定的誤差 較 小的精確控制方法。 (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)。這種方法動態(tài)性能好，穩(wěn)定性高、參數(shù)魯棒性強(qiáng)，然而算法復(fù)雜，計算量很大，受到計算機(jī)和微處理器計算速度的限制。 (3) 基于各種觀測器技術(shù)的位置辨識方法 該方法首先將輸出變量定義為觀測器的狀態(tài)量，觀測器的輸出與實際電機(jī)檢測值作比較，用其誤差來糾正觀測器的估計值。將眾多方法歸類如下 [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，因而具有計算簡單，動態(tài)響應(yīng)快的優(yōu)點，然而它對電機(jī)參數(shù)特別是定子電阻特別敏感，隨著電機(jī)運行狀態(tài) 的變化 (例 如溫度升高 )，電機(jī)參數(shù)會發(fā)生一定的變化，導(dǎo)致估計的轉(zhuǎn)速和位置收斂于錯誤的值。首次將無速度傳感器應(yīng)用于感應(yīng)電機(jī)矢量控制是在 1983 年由 完成的，這使得交流傳動技術(shù)的發(fā)展又上了一個新的臺階 [29]。 1975 年， 等人推導(dǎo)出了基于穩(wěn)態(tài)方程的轉(zhuǎn)差頻率估計方法，在感應(yīng)電機(jī)的無速度傳感器控制領(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，動態(tài)性能和調(diào)速精度難以保證。 (4) 將智能控制方法引入電機(jī) 無速度 傳感器控制系統(tǒng)。 (2) 實現(xiàn)全速范圍內(nèi)平穩(wěn)運行，特別是零速時的位置估計技術(shù)，低速時的估計精度問題的研究，采用同時辨識電機(jī)狀態(tài)和電機(jī)參數(shù)的方法提高低速性能。ω 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（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，可以針對網(wǎng)絡(luò)材料和功能結(jié)構(gòu)，研究更簡潔高效的網(wǎng)絡(luò)結(jié)構(gòu)，同時擴(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)化從理論到實際的實現(xiàn)；人類與計算機(jī)的自然口譯、流暢的談話、音頻檢索甚至用自然語言與計算機(jī)對話也是其發(fā)展實現(xiàn)的方向之一。 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展有如下趨勢：人工神經(jīng)網(wǎng)絡(luò)正向模擬人類認(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，形成計算智能，成為人工智能的一個重 ΣF （ 人工神經(jīng)網(wǎng)絡(luò)或許無法代替人類的大腦，但是它拓展了人們對外部環(huán)境的認(rèn)識與控制能力。 每個神經(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（論文） 第一章 緒論 6 存在許多 （ 多重 ） 輸出連接方法 ， 每種連接方法對應(yīng)一個權(quán)系數(shù)。 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]。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)。 (4) 非凸性 。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，非線性動力系統(tǒng)本身也在不斷變化。 (3) 非常定性 。通過單元之間的大量連接模擬大腦的非局限性。 一個神經(jīng)網(wǎng)絡(luò)通常由多個神經(jīng)元廣泛連接而成。具有閾值的神經(jīng)元構(gòu)成的網(wǎng)絡(luò)具有更好的性能，可以提高容錯性和存儲容量。大腦的智慧就是一種非線性現(xiàn)象。人工神經(jīng)網(wǎng)絡(luò)具有四個基本特征： (1) 非線性 。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)。它是一門涉及醫(yī)學(xué)、神經(jīng)生理學(xué)、信息學(xué)、人工智能、數(shù)理學(xué)、計算機(jī)學(xué)等多個領(lǐng)域的新興前沿學(xué)科，它具有復(fù)雜的非線性動力學(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]。在日本的 “ 真實世界計算（ RWC） ” 項目中，人工智能的研究成了一個重要的組成部分 [21]。 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。 1982 年，美國加州工學(xué)院物理學(xué) 提出了 Hopfield 神經(jīng)網(wǎng)格模型，引入了 “ 計算能量 ” 概念，給出了網(wǎng)絡(luò)穩(wěn)定性判斷。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)，同時進(jìn)行了神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)理論的研究。 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，指出感知器不能解決高階謂詞問題。 1949年，心理學(xué)家提出了突觸聯(lián)系強(qiáng)度可變的設(shè)想。 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，稱為 MP 模型。它從信息處理角度對人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象，建立某種簡單 的 模型，按不同的連接方式組成不同的網(wǎng)絡(luò) [19,20]。 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)元的電生理過程等的研究取得突破性進(jìn)展，人們對人腦的結(jié)構(gòu)、組成及最基本工作單元有了越來越充分的認(rèn)識，在此基本認(rèn)識的基礎(chǔ)上，綜合數(shù)學(xué)、物理學(xué)以及信息處理等學(xué)科的方法對人腦神經(jīng)網(wǎng)絡(luò)進(jìn)行抽象，并建立簡化的模型，稱為人工神經(jīng)網(wǎng)絡(luò) [18]。 自動控制理論與人類社會的發(fā)展密切相關(guān)。 神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用 在現(xiàn)實生活中，任何一個實際系統(tǒng)都具有不同程度的不確定性，這些不確定性表現(xiàn)在被控過程或?qū)ο蟮奶匦詴r刻發(fā)生變化，變化規(guī)律難以掌握，同時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)測的。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。近年來由于環(huán)境問題 ， 各個領(lǐng)域?qū)﹄姍C(jī)的效率和節(jié)能的要求逐漸提高。近幾十年來 ， 隨著永磁材料的發(fā)展 ， 計算機(jī)輔助設(shè)計技術(shù)的進(jìn)步 ， 以及控制技術(shù)和驅(qū)動電路等技術(shù)的進(jìn)步 ， 永磁同步電機(jī)的性能有了很大的提高。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)帶來了生機(jī)。 利用永磁體作磁勢源 來 制造電機(jī)已有 100 多年歷史 ， 1831 年由巴洛 (Barlow)發(fā)明的世界上第一臺電機(jī)就是永磁電機(jī)。然而 ， 隨著電力電子技術(shù)的快速發(fā)展 ， 永磁同步電機(jī)的調(diào)速方法及工業(yè)應(yīng)用得到了迅猛的發(fā)展。 20 世紀(jì) 70 年代學(xué)者們便開始著手交流調(diào)速系統(tǒng)的研究。 同時功率因數(shù)、效率的提高，可減小系統(tǒng)、線路的容量，減少系統(tǒng)成本。 永磁同步電機(jī)的發(fā)展現(xiàn)狀 永磁同步電機(jī)是由電勵磁同步電機(jī)發(fā)展而來的，兩者的結(jié)構(gòu)和運行原理基本相同。如何獲得精確的轉(zhuǎn)子位置和速度信號就成為實現(xiàn)磁場定向和速度控制的關(guān)鍵。 這樣，電機(jī)的轉(zhuǎn)矩便只和磁通、電流有關(guān)，與直流電機(jī)的控制方法相似，可以得到很高的控制性能。因此，無速度 傳感器控制成為永磁同步電機(jī)研究的一個重要內(nèi)容 [9,10]。在傳統(tǒng)的運動控制系統(tǒng)中，通常采用旋轉(zhuǎn)變壓器或光電編碼器來檢測轉(zhuǎn)子的位置和速度。這其中高精度控制與無傳感器控制是近年來的主要研究方向 [8]。 (3)不可逆退磁問題。 (2)控制問題。 模糊控制等智能控制策略，都具有不依賴于對象的數(shù)學(xué)模型、魯棒性強(qiáng)的優(yōu)點，能夠很好地克服伺服系統(tǒng)中模型參數(shù)變化和非線性等不確定因素，從而實現(xiàn)系統(tǒng)的高品質(zhì)控制性能 [6]。 傳統(tǒng)永磁同步電機(jī)控制器的設(shè)計方法一般要求對系統(tǒng)參數(shù)精確了解以便對控制規(guī)律進(jìn)行整定，然而在實際運行中，系統(tǒng)的參數(shù)會經(jīng)常變化，要保證優(yōu)良的系 統(tǒng)性能必須對控制器進(jìn)行相應(yīng)的調(diào)整。 永磁同步電動機(jī)由稀土永磁材料來產(chǎn)生磁場，是永磁電機(jī)家族中的重要一員，永磁電機(jī)的發(fā)展與永磁材料的發(fā)展密切相關(guān) [5]。 尤其在近十年來，現(xiàn)代交流調(diào)速技術(shù)不斷成熟，并朝著數(shù)字化、智能化方向發(fā)展，因此，對交流驅(qū)動系統(tǒng)進(jìn)行深入研究就顯得十分重要 [3]。 關(guān)鍵詞 ： 永磁同步電機(jī)，無 速度 傳感器控制，神經(jīng)網(wǎng)絡(luò)，自適應(yīng)控制 東北大學(xué) 本科畢業(yè)設(shè)計（論文） Abstract III Neural NetworkBased Adaptive Sensorless Control of Permanent Mag Synchronous Machines Abstract Permanent mag synchronous machines (PMSM) have good prospects in various applications areas of industrial production because of high efficiency and energy density. However, in the PMSM speed control system， there are some problems in the traditional mechanical sensor, such as making the system reliability worse， costs increased and maintenance plex． At the same time, since the system is a strongly nonlinear, timevarying and multivariable system， the permanent mag synchronous motor does not work well in the highprecision environment. In this paper, an adaptive neural work sensorless control scheme is studied for permanent mag synchronous machines. This control method does not depend on the exact mathematical model of controlled object, and has learning, adaptability and robustness characteristics under the changing circumstance. Firstly, the mathematical model of PMSM is analyzed in the thesis. According to the spatial coordinate transformation theory, the threephase stationary coordinate system is transformed into two rotating coordinate system, and a permanent mag synchronous motor rotating in the two coordinates department under the mathematical model and its corresponding equation of motion. According to the space vector pulse width modulation principle, the required drivesignal is obtained through the inverter and using the sixchannel PWM signal. Then a speed controller is designed through the model reference adaptive control method. The speed controller can adjust parameters by itself and reduce the error, so that the output can meet the expectations. Then the weights of neural work make sure the stability. According to the design of the neural work, the control system of PMSM is designed. Then, it is proved that the error of entire system is bounded according to the Lyapunov function. Thus, the tracking speed can achieve the desired results. At last, the entire system is simulated by MATLAB. Through the simulation graphs some conclusions are obtained. Key words： PMSM； Sensorless con