感应电机智能调速PDF电子书下载

第1章 绪论 1

1.1 感应电机 1

1.2 感应电机控制 1

1.3 感应电机控制：历史回顾 2

1.3.1 标量控制 3

1.3.2 矢量控制 3

1.3.3 无速度传感器控制 3

1.3.4 感应电机智能控制 3

1.3.5 感应电机控制应用现状和研究趋势 3

1.4 本书研究内容 4

参考文献 6

第2章 感应电机控制原理 7

2.1 引言 7

2.2 感应电机控制理论 7

2.2.1 非线性反馈控制 7

2.2.2 感应电机模型 8

2.2.3 磁场定向控制 10

2.2.4 直接转矩控制 11

2.2.5 加速度控制 11

2.2.6 智能控制的必要性 12

2.2.7 感应电机的智能控制模式 12

2.3 感应电机控制算法 14

2.4 速度估计算法 19

2.5 硬件 20

参考文献 22

第3章 感应电机的建模与仿真 24

3.1 引言 24

3.2 感应电机的建模 24

3.3 感应电机电流输入模型 26

3.3.1 电流（3/2）旋转变换子模型 27

3.3.2 电气子模型 28

3.3.3 机械子模型 28

3.3.4 感应电机电流输入模型仿真 29

3.4 感应电机电压输入模型 31

3.4.1 “电机1”的仿真结果 33

3.4.2 “电机2”的仿真结果 34

3.4.3 “电机3”的仿真结果 35

3.5 感应电机的离散状态模型 36

3.6 正弦PWM的建模与仿真 38

3.7 编码器的建模与仿真 40

3.8 解码器建模 41

3.9 包含PWM逆变器和编码器／解码器的感应电机仿真 42

3.10 MATLAB？/Simulink编程实例 44

3.11 小结 58

参考文献 58

第4章 智能控制仿真基础 60

4.1 引言 60

4.2 模糊逻辑仿真基础 60

4.2.1 模糊逻辑控制 60

4.2.2 实例：模糊PI控制器 61

4.3 神经网络仿真基础 66

4.3.1 人工神经网络 67

4.3.2 实例：利用人工神经网络实现Park变换 68

4.4 卡尔曼滤波器仿真基础 73

4.4.1 卡尔曼滤波器 73

4.4.2 实例：卡尔曼滤波估计含噪声的信号 74

4.5 遗传算法仿真基础 77

4.5.1 遗传算法 77

4.5.2 实例：应用遗传算法优化Simulink模型 79

4.6 小结 85

参考文献 85

第5章 基于专家系统的加速度控制 86

5.1 引言 86

5.2 定子电压矢量和转子加速度之间的关系 87

5.3 电机转子加速度分析 89

5.4 电压矢量比较和保持控制策略 90

5.5 感应电机的专家系统控制 93

5.6 计算机仿真与比较 96

5.6.1 第一个仿真实例 97

5.6.2 第二个仿真实例 99

5.6.3 第三个仿真实例 99

5.6.4 第四个仿真实例 101

5.6.5 第五个仿真实例 102

5.7 小结 103

参考文献 104

第6章 混合模糊／PI两段控制 105

6.1 引言 105

6.2 感应电机两段控制策略 106

6.3 模糊频率控制 107

6.3.1 模糊数据库 109

6.3.2 模糊规则 110

6.3.3 模糊推理 112

6.3.4 去模糊化 112

6.3.5 模糊频率控制器 113

6.4 电流幅值PI控制 113

6.5 用于感应电机的混合模糊／PI两段控制器 115

6.6 7.5kW感应电机仿真研究 115

6.6.1 与磁场定向控制的比较 116

6.6.2 参数变化的影响 117

6.6.3 转速和输入电流测量噪声的影响 118

6.6.4 磁场饱和的影响 118

6.6.5 负载转矩变化的影响 118

6.7 0.147kW感应电机的仿真研究 120

6.8 MATLAB？/Simulink编程实例 124

6.8.1 编程实例1：感应电机电压输入模型 124

6.8.2 编程实例2：模糊／PI两段控制器 127

6.9 小结 129

参考文献 130

第7章 基于神经网络的直接转矩控制 131

7.1 引言 131

7.2 神经网络 132

7.3 DSC神经网络控制器 133

7.3.1 磁链估计子网 134

7.3.2 转矩计算子网 135

7.3.3 磁链角度编码器和磁链幅值计算子网 135

7.3.4 迟滞比较器子网 139

7.3.5 最佳开关表子网 141

7.3.6 神经网络连接 143

7.4 基于神经网络的DSC仿真 144

7.5 MATLAB？/Simulink编程实例 147

7.5.1 编程实例1：直接转矩控制器 147

7.5.2 编程实例2：基于神经网络的最佳开关表 151

7.6 小结 155

参考文献 155

第8章 应用人工神经网络估计感应电机参数 157

8.1 引言 157

8.2 基于“T”型等值电路的积分方程 157

8.3 基于“T”型等值电路的积分方程 160

8.4 应用ANN估计感应电机参数 161

8.4.1 电气参数估计 162

8.4.2 基于ANN的机械模型 163

8.4.3 仿真研究 164

8.5 基于ANN的感应电机模型 168

8.6 训练数据噪声对参数估计的影响 171

8.7 负载、磁链和速度估计 172

8.7.1 负载估计 172

8.7.2 定子磁链估计 174

8.7.3 转子速度估计 178

8.8 MATLAB？/Simulink编程实例 181

8.8.1 编程实例1：磁场定向控制系统 181

8.8.2 编程实例2：感应电机的无传感器控制 184

8.9 小结 189

参考文献 189

第9章 遗传算法优化的扩展卡尔曼滤波速度估算法 190

9.1 引言 190

9.2 感应电机的扩展状态模型 190

9.3 基于扩展卡尔曼滤波器的转子速度估计算法 191

9.3.1 状态预测 191

9.3.2 误差协方差矩阵估算 191

9.3.3 卡尔曼滤波器增益计算 192

9.3.4 状态估算 192

9.3.5 误差协方差矩阵的更新 192

9.4 扩展卡尔曼滤波器的优化 193

9.5 应用遗传算法优化EKF的噪声矩阵 195

9.6 无速度传感器直接转矩控制的速度估算 198

9.7 磁场定向控制器的速度估算 199

9.8 MATLAB？/Simulink编程实例 202

9.8.1 编程实例1：电压频率控制的调速系统 203

9.8.2 编程实例2：基于GA优化的EKF速度估算 206

9.8.3 编程实例3：基于遗传算法优化的EKF无速度传感器电压频率控制 209

9.8.4 编程实例4：基于遗传算法优化的EKF无速度传感器感应电机磁场定向控制 209

9.9 小结 211

参考文献 211

第10章 遗传算法优化的随机PWM策略 212

10.1 引言 212

10.2 PWM性能评估 212

10.2.1 PWM波形的傅里叶分析 214

10.2.2 典型波形的谐波评估 215

10.3 随机PWM方法 219

10.3.1 随机载波频率PWM 220

10.3.2 随机脉冲位置PWM 221

10.3.3 随机脉冲宽度PWM 222

10.3.4 混合随机脉冲位置和随机脉冲宽度的PWM 222

10.3.5 谐波评估结果 223

10.4 遗传算法优化的随机PWM 224

10.4.1 GA优化的随机载波频率PWM 225

10.4.2 GA优化的随机脉冲位置PWM 226

10.4.3 GA优化的随机脉冲宽度PWM 226

10.4.4 GA优化的混合随机脉冲位置和脉冲宽度PWM 228

10.4.5 GA优化的多种随机PWM逆变器评估 230

10.4.6 GA优化的随机单相PWM逆变器的开关损耗 230

10.4.7 GA优化的随机单相PWM逆变器的线性调制范围 230

10.4.8 GA优化的随机单相PWM逆变器的实现 231

10.4.9 GA优化的随机PWM逆变器的参考正弦波频率的限制 232

10.5 MATLAB？/Simulink编程实例 232

10.5.1 编程实例1：单相正弦PWM 232

10.5.2 编程实例2：四脉冲波形评估 235

10.5.3 编程实例3：随机载波频率PWM 236

10.6 不同PWM策略实验 237

10.6.1 PWM的DSP实现 237

10.6.2 实验结果 238

10.7 小结 241

参考文献 242

第11章 实验研究 243

11.1 引言 243

11.2 感应电机控制实验硬件设计 244

11.2.1 硬件描述 245

11.3 软件开发方法 249

11.4 实验1：电机参数的确定 250

11.5 实验2：感应电机启动 250

11.5.1 程序设计 251

11.5.2 程序调试 252

11.5.3 实验研究 255

11.6 实验3：模糊／PI两段控制器的实现 257

11.6.1 程序设计 258

11.6.2 程序调试 263

11.6.3 性能测试 265

11.7 实验4：基于GA优化的扩展卡尔曼滤波器的速度估计 269

11.7.1 程序设计 269

11.7.2 GA-EKF实验方法 270

11.7.3 GA-EKF实验 271

11.7.4 GA-EKF的局限性 274

11.8 DSP控制器TMS320F28335编程实例 275

11.8.1 三相正弦PWM波的生成 277

11.8.2 RTDX编程 282

11.8.3 ADC编程 284

11.8.4 CAP编程 287

11.9 小结 293

参考文献 294

第12章 结论与展望 295

12.1 本书的主要贡献 295

12.2 新型感应电机驱动系统的工业应用 296

12.3 未来的发展趋势 298

12.3.1 基于专家系统的加速度控制 298

12.3.2 混合模糊／PI两段控制 298

12.3.3 基于神经网络的直接转矩控制 298

12.3.4 基于遗传算法的扩展卡尔曼滤波 299

12.3.5 基于神经网络的参数估算 299

12.3.6 基于遗传算法的优化随机PWM策略 299

12.3.7 集成人工智能算法和硬件 299

参考文献 299

附录A 感应电机等值电路 300

附录B 感应电机参数 301

附录C 离散状态感应电机模型的M文件 302

附录D 专家系统加速度控制算法 303

附录E 神经网络的激发函数 306

附录F 扩展卡尔曼滤波器的M文件 308

附录G 基于ADMC331的实验系统 310

附录H 实验1：电机3的电气参数测量 311

附录I 实验2：主程序的DSP源代码 314

附录J 实验3：主程序的DSP源代码 319