基于动态模型的感应电机能量优化控制
运动控制系统试卷A答案
《运动控制系统》课程试卷（A 卷）答案第1篇 直流调速系统（60分）一、填空题（每空1分，共23分）1. 运动控制系统由电动机、功率放大与变换装置、控制器及相应的传感器等构成。
2. 转矩控制是运动控制的根本问题，磁链控制与转矩控制同样重要。
3. 生产机械常见的三种负载是恒转矩负载、恒功率负载和平方率负载。
4. 某直流调速系统电动机额定转速1430/min N n r =，额定速降115/min N n r ∆=，当要求静差率30%s ≤时，允许的调速范围为5.3，若当要求静差率20%s ≤时，则调速范围为3.1，如果希望调速范围达到10，所能满足的静差率是44.6%。
5. 数字测速中，T 法测速适用于低速，M 法测速适用于 高速 。
6. 生产机械对调速系统转速控制的要求有 调速 、稳速和加减速 三个方面。
7、直流电机调速的三种方法是：调压调速、串电阻调速和弱磁调速。
8、双闭环直流调速系统的起动过程分为电流上升阶段、恒流升速阶段和 转速调节三个阶段。
9. 单闭环比例控制直流调速系统能够减少稳态速降的实质在于它的自动调节作用，在于它能随着负载的变化而相应的改变电枢电压，以补偿电枢回路电阻压降的变化。
二、选择题（每题1分，共5分）1、双闭环直流调速系统，ASR 、ACR 均采用PI 调节器，其中ACR 所起的作用为（ D ）。
A 、实现转速无静差B 、对负载变化起抗扰作用C 、输出限幅值决定电动机允许的最大电流D 、对电网电压波动起及时抗扰作用2、典型I 型系统与典型II 型系统相比，（ C ）。
A 、前者跟随性能和抗扰性能均优于后者B 、前者跟随性能和抗扰性能不如后者C 、前者跟随性能好，抗扰性能差D 、前者跟随性能差，抗扰性能好3、转速单闭环调速系统对下列哪些扰动无克服能力，（ D ）。
A 、电枢电阻B 、负载转矩C 、电网电压D 、速度反馈电位器4、下述调节器能消除被控制量稳态误差的为（ C ）。
电动汽车控制系统的动态建模
电动汽车控制系统的动态建模电动汽车已经成为现代社会的一部分，越来越多的消费者因其高效环保的特点而选择购买电动汽车。
作为新能源汽车的代表，电动汽车的控制系统越来越成为研究的热点。
在这个领域，动态建模是一个非常重要的方面，本文将深入探讨电动汽车控制系统的动态建模。
一、动态建模的基本概念动态建模是一种将龟纹模型转化为可执行代码的方法。
在应用程序开发的过程中，动态建模可以帮助我们更好地理解和优化应用程序。
动态建模可以分为两个主要的方面——建模模型和控制模型。
前者主要是实现程序的业务逻辑，而后者则涉及到程序的运行过程管理和优化。
二、电动汽车控制系统的结构和原理电动汽车控制系统由以下几个部分组成：动力电池组、电机驱动、转换器、控制器和通讯模块。
动力电池组存储汽车所需要的能量，电机驱动向车轮提供动力，转换器将电能转换成机械能，控制器负责控制整个系统的运行，而通讯模块则是汽车和外部环境之间的一个连接。
在电动汽车的控制系统中，最核心的部件是控制器。
控制器基于电动汽车的控制需求，设计了一个特定的控制策略。
控制器可以通过微控制器或者单片机等嵌入式系统来实现。
该系统通过采集传感器测得的汽车运行状态数据，实时计算电动汽车的控制参数，并通过执行控制程序来调整电动汽车的运行状态。
三、动态建模的实现方式在电动汽车控制系统中，最具有挑战性的是控制器的动态建模。
这是因为电动汽车控制系统在运行过程中涉及到多个变量，涵盖了控制和反馈的信息。
因此，实现动态建模需要一定的方法和技巧。
动态建模的实现方式包括以下几个步骤：1. 搜索和分离控制变量和状态变量。
2. 确认系统的动态响应，例如汽车的加速度、减速度和停止时间等。
3. 选择合适的控制方法，例如PID控制等。
4. 基于模拟仿真，对模型进行测试和评估。
5. 分析和改进模型的结构和性能，以提高电动汽车控制系统的效益。
四、动态建模在电动汽车控制系统中的应用动态建模对于电动汽车控制系统来说非常重要，主要应用在以下几个方面：1. 优化控制策略，提高汽车性能和安全性。
电动汽车动力学建模与优化控制
电动汽车动力学建模与优化控制随着全球人们对环境保护意识的逐渐增强，电动汽车逐渐成为了未来的趋势。
而作为电动汽车核心技术之一的电动汽车动力学建模与优化控制，更是令人关注的研究方向。
本文将简要介绍电动汽车的动力学模型，并结合实例说明如何进行目标函数的优化控制。
一、电动汽车动力学模型电动汽车的动力学模型主要包括四个部分：驱动力模型、机械动力学模型、电动机模型和电池模型。
1. 驱动力模型驱动力模型主要用来对电动汽车所受到的不同条件下的驱动力进行建模。
其中影响驱动力的因素有路面条件、行驶速度、风阻、滚动阻力和坡度等。
由于驱动力是电动汽车运行系统中最重要的控制输出，因此正确建模驱动力对电动汽车的控制至关重要。
2. 机械动力学模型机械动力学模型主要用来描述电动汽车在运动过程中与外界相互作用的动力学特性。
其建模主要包括车体动力学模型、车轮动力学模型和制动系统模型。
通过机械动力学模型的建立，可以更好的对电动汽车进行监测和控制。
3. 电动机模型电动机模型主要用来建模电动汽车行驶中的动力来源，即电动机。
建立电动机模型需要考虑到电机的特性，包括电机电磁特性、机械特性和热特性等。
通过电动机模型，可以更准确地预测和控制电动汽车的动力输出。
4. 电池模型电池模型主要用来描述电动汽车所使用的电池的特性。
建立电池模型需要考虑到电池的电化学特性和热特性等。
由于电池的性能与电动汽车的驱动性能密切相关，因此电池模型的建立也是电动汽车动力学建模中非常重要的一环。
二、优化控制电动汽车动力学模型的建立需要将各种因素和控制变量完全纳入考虑，才能更好地对电动汽车进行监测和控制。
而优化控制则是实现电动汽车动力学模型精确控制的关键手段。
优化控制主要包括PID控制、模型预测控制和优化控制等。
1. PID控制PID控制是最简单的一种控制算法。
其基本思想是通过调节比例、积分、微分三个参数，使系统误差逐渐趋向于零。
PID控制在电动汽车控制系统中广泛应用，可以通过改变PID参数来实现电动汽车对不同工况的响应和输出控制。
燃料电池电动汽车能量管理系统优化控制与动态仿真研究
燃料电池电动汽车能量管理系统优化控制与动态仿真研究燃料电池电动汽车（fuel cell electric vehicle, FCEV）是一种利用燃料电池作为能源供应的汽车，其优点包括高能量密度、零排放和长续航里程。
然而，燃料电池电动汽车在能量管理方面仍然存在一些挑战，如如何最大限度地利用燃料电池能量、提高整车性能和续航里程等问题。
因此，燃料电池电动汽车能量管理系统的优化控制与动态仿真研究变得至关重要。
为了实现燃料电池电动汽车能量管理系统的优化控制，首先需要建立一个综合的能量管理模型，该模型能够描述整车的能量流动过程。
在此基础上，可以应用优化算法，如模型预测控制（model predictive control, MPC）方法来优化电机的功率分配策略，以实现最佳的节能效果。
此外，还可以采用动态规划（dynamic programming, DP）方法来解决长期能量管理问题，以获得最大的续航里程。
为了验证优化控制策略的有效性，可以进行燃料电池电动汽车的动态仿真研究。
在仿真研究中，可以模拟不同路况、驾驶方式和车辆条件下的能量管理系统性能，并评估优化控制策略的性能指标。
通过动态仿真研究，可以获得关于能量管理系统的电流、电压、功率和能量消耗等详细信息，从而更好地理解整车能量流动过程，并为优化控制策略的设计提供参考。
另外，燃料电池电动汽车的能量管理系统还需要考虑到一些实际问题，例如燃料电池的输出电压变化、电池的衰减和负载变化等。
因此，还需要开展实际车辆试验，以验证优化控制策略在实际应用中的可行性和有效性。
综上所述，燃料电池电动汽车能量管理系统的优化控制与动态仿真研究对于提高整车性能和续航里程具有重要意义。
通过建立综合的能量管理模型、采用优化算法和动态仿真方法，可以实现对整车能量的最佳利用。
此外，还需要进行实际车辆试验，以验证优化控制策略在实际应用中的可行性和有效性。
只有不断改进和优化燃料电池电动汽车能量管理系统，才能推动燃料电池电动汽车的发展并推广其应用。
基于代码生成的PMSM滑模控制
基于代码生成的PMSM滑模控制本文基于代码生成的思路，介绍了一种基于PMSM滑模控制的实现方法。
首先，采用MATLAB/Simulink建立PMSM模型，然后从Simulink中提取电机动态方程，并在Simulink中建立滑模控制系统，最后用MATLAB/simulink Coder生成C语言代码实现硬件控制。
1. PMSM动态模型PMSM由永磁体、转子、定子、电源等组成，其结构简单，但是具有比传统的交流感应电机更为优异的机械、热学和电学性能。
为了控制PMSM电机的运动，首先需要建立电机的动态模型。
假设PMSM是三相平衡电机，其动态方程可以表示为：$La\frac{{d}}{dt}[i_b(t)] = u_b(t) - r_bi_b(t) - k_{minv}(w(t))\cdot{\omega}(t)$其中，$i_a(t)$、$i_b(t)$、$i_c(t)$为各相电流，$u_a(t)$、$u_b(t)$和$u_c(t)$为相电压，$r_a$、$r_b$、$r_c$为电阻，$k_{minv}$为永磁同步电机的反电动势系数，反映了磁场与电机转速之间的关系；$J$为转子转动的转动惯量，$\omega(t)$为转子转速；$M(t)$为转矩，$T_{load}(t)$为负载转矩，$T_{friction}(t)$为摩擦转矩等。
2. 滑模控制系统在建立了PMSM的动态模型后，需要设计相应的控制方法。
滑模控制通过引入一个滑动模式，将非线性控制问题转化为一个线性控制问题，可以克服PMSM中永磁线圈参数偏差、磁链扰动和变速行驶等问题。
滑模控制中的滑模面可以表示为：$\mathcal{S}\colon{y(t)}=e(t)+\lambda sgn(e(t))$其中，$\mathcal{S}$为滑模面，$e(t)$为控制目标与实际输出之间的误差，$sgn(e(t))$为符号函数，$\lambda$为滑模系数。
滑模控制的控制律为：其中，$k$和$b$为控制增益，$\alpha$为稳定器参数。
同步磁阻电机的控制策略
同步磁阻电机的控制策略背景与现状随着电动汽车等新能源技术的发展，同步磁阻电机在驱动系统中的应用越来越广泛，因其具有高效、高精度、高速度和高负载能力等优点。
然而，与传统的感应电机相比，同步磁阻电机的控制难度更大。
一方面，同步磁阻电机的转矩与转速之间有较强的耦合关系，需要对其进行联合控制，同时还需要解决非线性和时变因素的影响。
另一方面，同步磁阻电机需要根据转速、位置和转矩等参数进行速度和位置的闭环控制，因此需要对其电气特性和机械特性进行深入研究，从而制定出有效的控制策略。
控制策略电流矢量控制电流矢量控制是同步磁阻电机最常用的控制策略之一，通过将电机的电流矢量分解为直轴分量和交轴分量进行控制，实现电机的转速和转矩控制。
在电流矢量控制中，需要根据电机的电气特性和机械特性进行系统建模，并采用PID控制器、改进型PID控制器等方法对其进行闭环控制。
此外，在电流矢量控制中还需要解决电流矢量分解中的误差问题，可以采用反演控制、自适应控制等方法对误差进行校正。
感应电机控制策略与感应电机相比，同步磁阻电机的控制难度更大，因此可以借鉴感应电机的控制策略来解决同步磁阻电机的控制问题。
其中，常用的感应电机控制策略包括：矢量控制、直接转矩控制和间接转矩控制等。
通过将这些策略与同步磁阻电机的电气特性和机械特性相结合，可以有效地控制同步磁阻电机的转速和转矩。
基于模型预测控制除了常规的闭环控制策略外，基于模型预测控制也是一种较为有效的同步磁阻电机控制策略。
其基本思想是通过动态模型预测电机的状态，并对其进行调节和优化。
与常规的闭环控制不同，模型预测控制可以对电机的状态进行快速响应，并通过模型预测来保证系统的稳定性和控制性能。
不过，基于模型预测控制的缺点就是需要对电机的动态建模和参数较为敏感，因此需要对系统进行精准的动态建模和参数识别。
结论同步磁阻电机具有高效、高精度、高速度和高负载能力等优点，是驱动系统中的重要组成部分。
在控制方面，需要针对其电气特性和机械特性制定出有效的控制策略，其中常用的包括电流矢量控制、感应电机控制策略和基于模型预测控制等。
高速永磁电机设计与分析技术综述
高速永磁电机设计与分析技术综述一、概述高速永磁电机，作为现代电机技术的杰出代表，正以其高效率、高功率密度以及优秀的控制性能，在多个领域展现出广阔的应用前景。
随着能源危机和环境污染问题的日益严峻，对高速永磁电机设计与分析技术的研究显得尤为重要。
本文旨在对高速永磁电机的设计与分析技术进行综述，以期为相关领域的研究者提供全面的技术参考和启发。
高速永磁电机的设计涉及电磁设计、结构设计、热设计、强度设计等多个方面，其关键在于如何在高速运转的条件下保证电机的性能稳定、安全可靠。
电磁设计方面，需要优化绕组布局、磁路设计以及永磁体的选择，以提高电机的效率和功率因数。
结构设计则着重于提高电机的刚性和强度，防止在高速运转时产生过大的振动和噪声。
热设计则关注电机内部的热传递和散热问题，防止电机因过热而损坏。
强度设计则要求电机在承受高速运转产生的离心力时，能够保持结构的完整性。
高速永磁电机的分析技术则涵盖了电磁场分析、热分析、结构分析等多个方面。
电磁场分析可以预测电机的电磁性能，为优化设计提供依据。
热分析则用于评估电机在不同工况下的热状态，为散热设计提供参考。
结构分析则关注电机在高速运转时的动态特性，为强度设计提供支撑。
随着计算机技术和数值分析方法的快速发展，高速永磁电机的设计与分析技术也在不断进步。
通过采用先进的电磁仿真软件、热仿真软件以及结构仿真软件，可以更加精确地预测电机的性能，为设计优化提供有力支持。
1. 高速永磁电机的定义与重要性高速永磁电机（HighSpeed Permanent Magnet Synchronous Motor, HSPMSM）是一种特殊类型的电机，其核心特点在于使用永磁体来产生磁场，以及能够在高转速下稳定运行。
与传统的电励磁电机相比，HSPMSM具有更高的功率密度、更高的效率以及更低的维护成本，因此在许多现代工业应用领域中具有显著的优势。
HSPMSM的重要性体现在以下几个方面：随着全球能源危机的日益加剧和环境保护需求的不断提升，节能减排、提高能源利用效率已成为工业生产中的重要目标。
基于人工智能的电机优化控制研究
基于人工智能的电机优化控制研究哎呀，要说基于人工智能的电机优化控制研究，这可真是个有趣又充满挑战的话题。
我先给您讲讲我之前碰到的一件事儿。
有一回，我去一家工厂参观，那里面的电机嗡嗡转个不停。
我就好奇啊，凑过去看，发现那些电机工作起来好像有点吃力，效率不咋高。
当时我就在想，要是能有个聪明的办法让它们更轻松、更高效地运转，那该多好！咱回到这个人工智能和电机优化控制的话题。
您知道吗，电机就像是机器的“心脏”，给各种设备提供动力。
传统的电机控制方法，虽说也能让电机转起来，但总是不够完美。
比如说，控制不够精准，能耗比较高，运行也不太稳定。
而人工智能的出现，就像是给电机控制带来了一场“魔法变革”。
它能通过大量的数据学习和分析，找到电机运行中的最佳模式。
比如说，利用深度学习算法，人工智能可以分析电机在不同负载、不同转速下的各种参数。
就像一个特别细心的“小管家”，把电机的一举一动都摸得透透的。
然后根据这些分析结果，智能地调整控制策略，让电机始终保持在最佳状态。
还有啊，强化学习也能在这方面大显身手。
它就像是一个不断尝试和探索的“冒险家”，通过一次次的试验和调整，找到最优的控制方案。
另外，人工智能还能预测电机可能出现的故障。
提前发现问题，及时进行维修和保养，避免出现大的故障影响生产。
这就好比我们能提前知道自己要感冒了，赶紧吃点药预防一下，免得病得严重。
不过，要把人工智能真正应用到电机优化控制中，也不是一件简单的事儿。
数据的质量和数量很关键，如果数据不准确或者不全面，那人工智能就像个“近视眼”，看不清楚电机的真实情况。
而且，算法的选择和优化也特别重要，要是算法不合适，那效果也会大打折扣。
就拿我之前参观的那个工厂来说，如果能用上基于人工智能的电机优化控制技术，估计那些电机就能欢快地、高效地运转啦，工厂的生产效率也能大大提高。
总之，基于人工智能的电机优化控制研究是一个充满希望和潜力的领域。
虽然还有一些难题需要解决，但我相信，随着技术的不断进步，未来我们一定能让电机变得更聪明、更高效，为我们的生活和工作带来更多的便利和好处。
基于遗传算法的模糊自适应感应电动机控制
２０ 年 第 １ 卷 ０７ ７
第 ２ 期 １
收稿 日期 ：０７ ０ — ７ ２０ — ３ １
基于遗传算法 的模糊 自适应感应 电动机控制
郝小星 ， 郭瑞 鹃
（． １ 太原理工大学轻纺工程与美术学院 ， 山西晋 中 ，３ ６ ０ ２吉林农业大学 ， ０ ０ ０ ；． 吉林 长春 ，３ １８ １０ １ ）
性、 并行性 、 快速性 的优化方法 。它的基本思想是基于达尔文的进化论 和
生物的遗传机制 。 遗传算法最 大的特点是它不是对寻优参数本身进行搜 索， 而是对一群参数 编码 即“ 染色体 ” 进行寻优 。本文采用一种 自适应模
糊 算法运用于感应电机控制中的驱动 系统 ， 取得 了比较好的仿真效果。
１ 提 高感 应 电机 效 率的 基本原 理
由于感应 电机的设 计工艺 ，一般在 ７ ％额定负 载左右达 到最 大效 ５
（一 ） 个参数表示。 １／ ２ 另外为了缩小编码长度 用十进制对规则进行编码。
基本遗传算法的应用步骤如下 ［ ； 川 其运算过程示意 图见 图 １ 。
率， 在额定负载时接近最 大效率 ， 但轻载时则效率较低。 感应电机的运行 损耗一般 归纳 为 ： 定子铜损 、 定子铁损 、 转子铜损 、 摩擦 与风阻损耗及 杂 散损耗。在电机稳态转速和转矩不变时 ， 摩擦 与风阻损耗和杂散损 耗可 以被视作基本不变 ， 其他 ３ 项损耗 可以通 过适 当调节定 子电压和频 率来 改变。一般的感应电动机气隙磁场恒等于额定 值 ， 为了保证 电机受 到扰
摘 要： 介绍 了提 高感应 电机 妓率的基本原理 ， 述 了基于遗传算 法的 自适应模 糊控 论
制。 并对 仿 真 结 果 进 行 了分析 、
பைடு நூலகம்
基于模糊控制的电动汽车动力传动系统控制
基于模糊控制的电动汽车动力传动系统控制摘要: 为了实现电动汽车动力传动系统的优化控制，本文利用模糊控制方法进行了研究。
对电动汽车动力传动系统进行了建模，包括电动机、电池、速度传感器等组成部分。
然后，设计了模糊控制器，并通过模糊化过程将输入变量和输出变量转化为模糊集。
根据经验规则和隶属度函数，通过解模糊过程得到最终的控制结果。
利用MATLAB/Simulink对所设计的电动汽车动力传动系统进行仿真，验证了模糊控制方法的有效性。
仿真结果表明，模糊控制方法可以有效地优化电动汽车动力传动系统的控制性能。
2. 电动汽车动力传动系统建模电动汽车动力传动系统主要由电动机、电池、速度传感器等组成。
为了进行控制研究，需要对其进行建模。
电动汽车动力传动系统的建模可分为静态建模和动态建模两个部分。
2.1 静态建模静态建模主要是对电动汽车的能量转化过程进行描述。
这包括电能和机械能之间的转化、能量损耗等。
静态建模是基于能量守恒原理进行的，可以得到电动汽车的能量传递方程。
2.2 动态建模动态建模主要是对电动汽车的运动学和动力学进行描述。
运动学描述电动汽车的速度、位置等特性，动力学描述电动汽车的加速度、力等特性。
通过动态建模可以得到电动汽车的运动方程。
3. 模糊控制器设计模糊控制器是一种基于模糊逻辑的控制方法，它可以处理模糊和不确定性信息。
模糊控制器的输入变量和输出变量都是模糊集，通过模糊化和解模糊化过程，将模糊推理转化为确定性的控制指令。
3.1 模糊化模糊化是将输入变量从实数域映射到模糊集域的过程。
输入变量可以是电动汽车的速度、加速度等。
通过设定隶属度函数和隶属度规则，将输入变量转化为模糊集。
3.2 模糊推理模糊推理是根据经验规则和隶属度函数，将模糊集进行推理，得到相应的输出变量。
经验规则是基于专家经验得到的，它描述了输入变量与输出变量之间的关系。
3.3 解模糊化解模糊化是将模糊结果转化为确定性的控制指令的过程。
解模糊化可以采用最大隶属度法、平均隶属度法等方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图 2 的控制策略没有保证转子磁链的微分趋于 0, 由式 ( 9) 可见, 实际电磁转矩不能紧跟给定。众所周 知, 电机调速的关键就在于对转矩的控制能力 , 因 此, 上述控制策略的动态性能会有所不足。 图 3 为基 于静态模型的采用恒转差频率方案进行感应电机效
图 1 电机负载转 矩为 10 % 额定负载转矩时不同控制 策略 下的稳态运行转速 效率曲线
Lm T i J∀ dqr . L r dqs
*
T r d∀dqr Tr * * 1 * idqs = L m d t + L m s J ∀ dqr + L m ∀dqr = ∀ dr T r d∀ dr L m + L m dt
* *
1 0 了磁链给定值 , 并忽略变频装置造成的定子电流滞 后效果 , 即假设定子电流实际值 idqs 能够紧随给定值 i 。令
Const ant V / f C ont rol of indu ct ion mot ors cause large energy loss at low sp eeds and/ or lig ht loads. S om e ener gy opt imized cont rol st rat egies based on s t at ic model , su ch as Const ant Sl ip cont rol , may sign ifican tl y harm t he dynamic charact er and st ab ilit y of drive sys tems . T his paper pres en ts a novel en ergy opt imized cont rol st rat egy bas ed on dynamic model of induct ion mot or. T he inner l oop ad just s th e rot or f lux according t o t he given t or qu e f rom t he out er loop. Th e cont rol s tr at egy guarant ees t he real rot or f lu x t o converge t o t he gi ven valu e as ympt ot ically. T hus, t he real ou tp ut t orque can as ympt ot ically converg e t o t he given torque. T heref ore, t he dynamic ch aract er of drive sys tems is compat ible w it h convent ion al FOC . Sim ulation resul ts verif ied t hat t he drive s yst em is ins ens it ive to t he rot or t ime const ant . Key words: indu ct ion m ot or; energy opt im ized cont rol ; dynamic model
在发达国家 ( 如美国 ) , 感应电机消耗了电力能 源的一半左右[ 1] ; 在我国, 感应电机变频调速系统 也正在国民经济的各个领域里得到普及和推广。因 此, 提高感应电机的运行效率对于节省能源具有重 大意义。 感应电机的能量优化控制方案可以分为搜索和 解析表达两大类。搜索方法 能够在线寻找最优效 率的运行点, 而且不需要知道调速系统的参数 , 但缺 点是搜索过程需要较长时间。解析表达法则根据电 机能量损耗模型求解出效率优化运行点的数学关系 式, 进而确定控制律。其中, 能量损耗模型的选取有 三种 : 第一种是包含了各种损耗 ( 铁损、 铜损和杂散 损耗 ) 的模型, 第二种是只考虑铜损的模型 , 第三种 是只考虑定子铜损的模型 ( 在该模型下 , 能量优化控 制问题等价于每安培定子电流产生最大转矩问题 ) 。 第一种模型较复杂 , 而且需要知道更多的电机参数 ( 如铁损阻抗 ) ; 第二种和第三种模型相对简单, 更 具实用性。 在控制律的实现上既可以采用磁链控制 , 也可以采用恒转差频率控制。 研究感应电机能量优化控制的文献虽然不少 , 但基本上是在稳态下讨论感应电机的效率优化, 对 调速系统的动态性能则较少考虑。本文提出了一种
s s
T r 为转子时间常数。为了使定子铜损最小, 即每安 培定子电流产生最大转矩, 应使 1 s = . Tr ( 5)
∀ dr ∀ qr
这样, 可以通过恒转差频率控制实现感应电机每安 培定子电流产生最大转矩。图 1 给出了电机轻载时 在不同控制策略下的稳态电磁效率理论计算对比曲 线。 可以看到 , 分别基于式( 2) 和 ( 5) 的能量优化控制 3 和 4 两种控制方案的效率较前两种相比有较大幅 度的提高。仿真实验所用电机参数为 : U N L - L = 220 V, f N = 60 Hz,
[ 4]
Energy optimized control of induction motors based on a dynamic model
ZHANG Zengke, ZHAO Jiamin ( Department of Automation , Tsinghua University, Beij ing 100084, Chi na) Abstract : C on vent ional Fiel d Or ient ed Cont rol ( FO C) and
ISSN 1000-0054 清华大学学报 ( 自然科学版 ) 2001 年 第 41 卷 第 9 期 CN 11-2223/ N J T singh ua U n iv ( Sci & Tech ) , 2001, V o l. 41, N o . 9
22/ 32 8588
基于动态模型的感应电机能量优化控制
2 2
1 p Lm s 2 2 n L r i sin2 !, 链 ∀r 之间的夹角 , 并且有: tan ! =
s
图 2 感应电机的恒转差频率控制
( 3)
式中: np 为极对数 , ! 为定子电流矢量 is 与转子磁 T r, ( 4)
这种控制方案结构简单, 能够实现稳态时的效 率优化。但是上述控制律是从感应电机的静态模型 出发得到的, 即从式 ( 3) 和 ( 4) 得到的, 没有考虑调速 过程中的动态性能。感应电机在按定子电流定向的 二相同步旋转坐标系下的模型为: ∀ dr ∀ qr = 1 Tr
2
T r∀ dr - T r ∀ qr ) ] .
( 8)
n p= 2, R s = 0. 435 # , R r = 0. 816 # ,
假设 is = i , 根据式( 8) 和图 2 给出的控制律, 有: 2 1 2 2 is = [ - ( 1 + sT r ) ∀ q ri s + L m sT r (
s
Tr ∀ dr - T r∀ q r ) is ] =
2
T e L r( 1 + s Tr ) . 2 nP L m s T r
*
2
2
对照式( 7) 可以得到 : Te = Te+
* dr - ∀ q r) npL m i s ( s T r ∀ . 2 2 ( 1 + s T r ) Rr
( 9)
率优化控制的仿真结果。 仿真结果与分析一致 , 系统 的稳定性能不好 , 对外环调节器参数变化敏感。
张曾科 , 等 : 基于动态模型的感应电机能量优化 控制
dqr d∀ + dt
87
s
J∀ dqr +
1 ∀ dqr = 0. Tr
( 13)
由此 , 若令式 ( 12) 的右端为 0, 则转子磁链误差系统 是渐近稳定的, 即转子磁链的实际值收敛于给定值。 在感应电机的能量优化控制中, 我们可以根据 给定转矩的不同而改变转子磁链的给定值 , 并利用 式 ( 12) 和文[ 3] 的结论保证实际转矩渐近地收敛于 给定值。式( 14) ～( 17) 就是综合后得到的感应电机 能量优化控制律 : ∀ 0, m ax ,
+ L mR r
2
,
s
( 1)
收稿日期 : 2000-04-17 作者简介 : 张曾科 ( 1947-) , 男 ( 汉 ) , 河北 , 教授。
86
清 华 大 学 学 报 ( 自 然 科 学 版)
s
2001, 41( 9)
式中 ,
分别为转子角频率和转差频率; R r , R s
s
L m = 69. 31 mH , L ls = L lr = 2 m H, J = 0. 089 kg m 2 , T L N = 11. 87 N m 文[ 2] 给出了感应电机的恒转差频率控制结构 , 如图 2 所示。
分别为转子和定子电阻 ; L m 为互感。令 得
* s
= 0, 解
=
R Rs 2 2. Rr L m + R sLr
*
2 r
( 2)
最大效 率下的转差频 率 s 只与 电机本身 参数有 关 , 与转速和力矩无关 , 因此可以通过恒转差频率控 制策略实现感应电机的效率优化控制。 从另一个角度分析 , 感应电机在稳态下的电磁 转矩为 : T e = np Lm is 2sin!co s! = Lr
- 1 P N = 2. 24 kW , nN = 1725 r min , * s
-
1 Tr
+
Lm T r i s, 0
( 6)
T e = - np 由式 ( 6) 不难得出: is =
Lm ∀ q ri s , Lr
2 s
( 7)