【摘 要】
：
针对永磁同步电机(PMSM)传统模型预测转矩控制(MPTC)权重系数设置复杂、转矩和磁通脉动大的问题,提出了一种改进的PMSM双矢量MPTC方法。该方法扩展虚拟矢量以增加候选电压矢量,结合电压矢量作用于转矩和磁链的原则,减少选择候选矢量的计算量。同时,针对转矩无差拍和磁通无差拍,运用候选矢量的转矩占空比和磁通占空比构造了优化规则代替传统预测转矩控制中的代价函数,避免权重系数的整定问题。仿真结果表明,所提改进方法不仅提高稳态性能,而且能保持MPTC动态响应迅速的特点。
【机 构】
：
重庆理工大学电气与电子工程学院,重庆市能源互联网工程技术研究中心
【基金项目】
：
重庆市教委科学技术研究项目(KJZD-K201901102)。
论文部分内容阅读
针对永磁同步电机(PMSM)传统模型预测转矩控制(MPTC)权重系数设置复杂、转矩和磁通脉动大的问题,提出了一种改进的PMSM双矢量MPTC方法。该方法扩展虚拟矢量以增加候选电压矢量,结合电压矢量作用于转矩和磁链的原则,减少选择候选矢量的计算量。同时,针对转矩无差拍和磁通无差拍,运用候选矢量的转矩占空比和磁通占空比构造了优化规则代替传统预测转矩控制中的代价函数,避免权重系数的整定问题。仿真结果表明,所提改进方法不仅提高稳态性能,而且能保持MPTC动态响应迅速的特点。
其他文献
基于dSPACE SCALEXIO系统的硬件在环仿真技术,建立AMT系统故障诊断测试平台,分别从TCU硬件、底层软件及应用层软件方面,对AMT系统进行故障注入及故障诊断测试。结合ECU-TEST软件,使测试步骤通过测试用例实现,能够实现故障诊断测试的自动化运行及测试报告自动生成。测试结果表明,AMT系统能够及时识别各类故障,验证了该测试平台的有效性。
1前言工业革命以来人类活动规模强度日益增大,全球温室气体排放量逐年走高,导致全球平均气温升高,极端天气不断出现,自然灾害日益频发,冰川融化海平面抬升,沿海地区面临被淹没的威胁。PBL挪威环评机构的数据显示,在2019年524亿吨二氧化碳当量的全球温室气体排放中,中国、美国、欧盟.
相较于传统的脉宽调制技术,随机脉宽调制具备有效的谐波频谱分散能力,从而实现机电负载噪声的削弱。随机脉宽调制技术包括起步的随机开关调制、后续的随机脉冲位置与随机开关频率等3个基本方法。随着电力电子技术的整体发展,随机脉宽调制已从传统的载波调制逐渐拓展到空间矢量调制之中,应用范围日趋广泛,谐波频谱分散与功率谱峰值抑制的效果不断提升。同时,新的优化方案不断被提出,对谐波频谱及功率谱的分散效果亦在不断提高。梳理了随机脉宽调制的研究历程,总结了数种典型的随机脉宽调制的基本原理,并对未来随机脉宽调制的研究方向作出展望
驾驶室和底盘左右配重不平衡以及零部件的累计公差为商用车驾驶室歪斜的主要原因.在整车的设计阶段,可通过布置优化,改善左置驾驶室带来的驾驶室左右悬置负载及前桥左右轮荷
文章阐述了某SHEV重型工地工程车动力系统匹配设计原理,并用Advisor软件对整车动力性经济性进行仿真分析,通过计算与试验数据验证可知,该车型动力系统匹配是合理的,能够在市场上有较强的经济性优势。该车型的动力性、经济性匹配设计,可为后续SHEV车型匹配设计提供参考。
人工智能技术是我国发展中的一项新的主题技术，它形成了发展机械智能的一种方式，体现了人们思维的感知和能力，充分发挥了自动控制的作用。因此，在电气自动化管理过程中，必须运用人
水利工程在建设过程中势必会产生大量的生产废水,如拌和清洗废水、砂石料筛分废水、含油废水、隧洞废水等,若这些废水就地排放,将直接影响地表植物,流入河道水体严重时鱼类将
传统模型预测控制(MPC)在三相两电平逆变器驱动感应电机系统中需对所有电压矢量进行滚动优化预测,计算成本高,实施难度大。为此,提出一种无差拍(DB)MPC,将滚动优化预测电压矢量从8个减少到3个。通过求解DB电压矢量和对DB扇区的划分,根据空间电压矢量位置确定扇区,只将扇区内矢量进行单步滚动优化预测,输出相对应的最优开关状态。仿真结果表明:DB预测转矩控制在减轻系统计算负担情况下,达到与传统MPC几乎相同的稳态跟踪性能。
与传统单层气隙电机相比,双定子磁场调制(FMDS)电机存在较大的转矩脉动。转矩脉动随转子位置的变化而周期性变化,从而导致速度脉动。针对周期性转矩脉动、快速性与超调性的矛盾以及外部不确定干扰的存在,提出一种基于自抗扰迭代学习(ILC-ADRC)的转速外环控制器。通过设定期望转速的过渡过程,避免了阶跃输入引起过大转速超调,降低了迭代学习的初始条件要求。设计线性扩张状态观测器(LESO)以简化参数调节。加入过去周期性的转速误差信息,以补偿转矩脉动。最后,利用状态误差反馈控制律生成控制信号。仿真结果表明,该系统响
时空数据稀疏性导致位置预测准确率较低,利用轨迹点的多源语义信息扩充轨迹序列的维度,缓解数据稀疏性带来的负面影响,已成为位置预测研究的重要突破口。提出了基于语义时空轨迹的位置预测模型SemanPredict。首先,将传统轨迹序列转换为包括停留点、停留时间以及活动类型的语义轨迹;其次,利用多模态联合嵌入方法,建立轨迹点之间的隐含关系;最后,采用长短期记忆(Long Short-Term Memory,LSTM)神经网络建模语义轨迹序列进行位置预测。在WiFi时空数据集和Twitter签到数据集上进行实验验证,