永磁同步电动机效率优化控制仿真研究

来源 :计算机仿真 | 被引量 : 16次 | 上传用户:wuxing2000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
研究内置式永磁同步电动机(IPMSM)的损耗数学模型,结合电机转矩约束、电流幅值约束和电机控制回路逆变器最大电压约束,通过构造拉格朗日方程或采用近似计算方法,求解并确定电机损耗最小时的优化控制电流。在Simulink仿真环境下,根据优化电流求解过程,建立一个实时损耗最小的效率优化仿真模块,在利用SVPWM的IPMSM矢量控制基础之上,加入上述效率优化仿真块,最终实现关于损耗的IPMSM效率优化控制仿真研究。
其他文献
针对Apriori算法的不足,提出一种基于粗糙集的频繁项集发现方法。新方法首先利用粗糙集的特征属性约简算法进行属性约简,找到其中的核心属性数据,然后在构建约简决策表的基础上应用改进的Apriori算法对这些核心数据进行数据挖掘,最终得到频繁项集。改进方法的优势在于在保证知识库分类能力不变的前提下消除不必要的冗余属性,减少了属性数目。在生成频繁项目集方面,根据k-1频繁项集中的项目个数来确定是否生成
研究导弹末制导性能优化问题,在末端要满足攻击角度的约束条件,要求优化空地导弹末制导命中目标精度性能。针对导弹和地面目标所形成动态系统的非线性运动学关系,通过分析导弹在终端命中点角度约束条件,并利用零化视线角速率的设计思想,根据滑模变结构控制理论,提出了一种非线性滑模设计方法,得到了具有攻击角度约束的导弹的末制导律。同时利用Lyapunov稳定理论严格证明了制导系统的全局渐近稳定性。把末制导律应用于
关于多项式函数算法优化问题,人工神经网络是解决函数逼近问题的一个重要方法。但由于传统的学习型神经网络存在缺陷,如对初始权重非常敏感,极易收敛于局部极小;收敛缓慢甚至不能收敛;过拟合与过训练;网络隐含节点数不确定等。针对上述问题,提出了一种多项式函数的三层泛函网络与逼近算法,并给出了中间隐层计算单元个数是如何确定。提出的算法能以任意精度逼近多项式函数,同时具有较快收敛速度和良好性能,克服了人工神经网
研究舰船火灾爆炸危性评估问题,针对火灾的隐蔽性和突发性,根据火灾动力学原理以及火灾发展特点,提出一种Pe-tri网的舰船火灾爆炸危险评估。首先按照火灾发生面积将火灾发展过程划分为4个阶段,以火灾成长概率和火灾发生后的过火面积为评价指标,然后采用概率Petri网对舰船火灾发生过程进行建模,最后对火灾危险等级进行评估。仿真结果表明,提出的模型可以对舰船火灾爆炸发生概率进行准确评估,评估结果可为舰船的防
矿井各区域会发生结构承压改变,区域差异较大,对塌方的贡献程度也不同,不同局部对塌方的贡献很难准确量化。当前的压力监测模型多是采用同一压力阀值系数进行监测,没有考虑矿井下不同区域承压给塌方风险带来的正向影响和区域之间的承压关联性,很难形成科学的决策。为解决上述问题,提出了一种加入信息增益比的矿井塌方风险监测技术,分析了矿井中不同区域承压数据的产生与处理,使用信息增益比做为决策树属性分裂的衡量指标,对
针对基于LMS的自适应预测算法对具有时变特性的时间序列预测在鲁棒性等方面存在缺陷,而使用最大广义相关熵准则以衡量输入输出的相似度,它含有误差分布的高阶统计量,对数据处理具有一定的鲁棒性,提出了一种基于MCC的混沌时间序列自适应预测算法,考虑到LMS算法和MCC准则的优势,将输入序列和权值向量分成两组,分别用LMS和MCC进行迭代训练,得到组合的新自适应预测算法。仿真结果表明,组合自适应预测算法在预
通过仿真手段辅助评定飞行器性能指标是提高综合试验鉴定能力的重要途径。为了进行某飞行器实时仿真和模拟打靶,充分检验飞行器性能和飞行精度,建设一套基于反射内存网和高速
研究企业担保的准确风险评估问题。针对不同担保企业中,受到政策、市场、地域分布等多方面因素的影响,待担保企业的利润量属性、成本属性以及众多属性之间存在较大冲突,传统的风险评估模型多是利用利润量和成本量这两个单项属性完成担保企业估计的,两者的冲突会导致模型稳定性不高,造成担保风险评估准确性降低。为此提出一种邻域粗糙集模型属性约简的算法,根据属性分布特征设定邻域阈值,构建一种快速的属性约简方法,约束冲突
研究飞机壁板的GRS6R30-120型钻铆机的全自动定位系统,借助有限元软件ABAQUS,建立了系统结构动力学有限元模型。分析包括模态和最大冲击启停过程的隐式动力学计算,获得托架部分的前20阶固有频率和振型以及启停过程中关键部位应力和变形的动态响应,进而设计了托架结构,并进行合理性验证。托架的结构尺寸大,零件数量多,零件间存在复杂的大位移滑动接触关系以及在结果数据处理时节点的相对位移动态响应的实现
研究发电机励磁系统参数辩识问题,由于励磁系统是一个非线性系统,造成电力系统不稳定。传统时域或频域辩识方法不能辩识其非线性环节,导致励磁系统辩识的精度低。为了提高发电机励磁系统的辩识精度,提出一种神经网络的发电机励磁系统参数非线性辨识方法。以发电机励磁系统实际输入作为神经网络的输入,以实际励磁系统输出与神经网络输出之间的最小误差作为目标函数,通过不断调整神经网络的权值对神经网络模型进行优化,最后得到