论文部分内容阅读
高速永磁同步电机绕组电感小、基波电流频率高,易产生严重的高频电流谐波。为抑制电流谐波,本文采用T型三电平逆变器供电,设计高速永磁同步电机无位置传感器控制器系统,通过仿真和实验对比两电平和三电平逆变器供电时的电流谐波,并考核滑模观测器无位置算法在高速运行时的稳定性。实验结果验证了本方案的可行性。
基于T型逆变器的高速永磁同步电机无位置传感器控制系统
【摘 要】
：
高速永磁同步电机绕组电感小、基波电流频率高,易产生严重的高频电流谐波。为抑制电流谐波,本文采用T型三电平逆变器供电,设计高速永磁同步电机无位置传感器控制器系统,通过仿真和实验对比两电平和三电平逆变器供电时的电流谐波,并考核滑模观测器无位置算法在高速运行时的稳定性。实验结果验证了本方案的可行性。
【机 构】
：
包头长安永磁电机有限公司,哈尔滨工业大学电气工程系
【出 处】
：
微电机
【发表日期】
：
2021年8期
【基金项目】
：
内蒙古自治区“科技兴蒙”项目(XM2020BT09)。
其他文献
永磁同步电机运行在低载波比情况下d,q轴电流耦合问题严重,同时系统延时较大无法忽略。传统PI电流控制器受限于器件开关频率无法实现较好的控制效果,解耦器因为延时问题解耦效果很差,同时对电机参数敏感。针对上述问题,这篇文章在传统复矢量电流控制器的基础上进行改进优化,进行了复矢量电流控制器的延时补偿,有效避免了电机高转速下电流控制器的失稳;同时考虑了较复杂状态下的复矢量电流控制器如何实现以及增加鲁棒性的问题。Matlab仿真实验证明了优化复矢量控制的正确性和有效性。
针对矿用异步电机故障时定子电流信号非线性非平稳性的特点,提出了一种基于集合经验模态分解(EEMD)能量熵与人工神经网络(ANN)结合的转子故障诊断方法。首先利用EEMD将电机定子电流信号分解为一系列本征模态函数(IMF);其次通过互相关准则,选取信息最丰富的IMF分量并计算其能量熵来构造故障特征向量;最后将特征向量输入人工神经网络(ANN)进行训练和状态识别。实验通过Ansys Maxwell软件对故障电机建模获得仿真电流数据,验证了该方法是一种可行的矿用电机故障诊断方法,相较于传统频谱分析更为可靠,可实