发布时间：2024-10-05 08:00:10 人气：
王海涛的经典论文
太阳能热泵系统的稳定性王海涛, 王造奇
( 1. 安徽建筑工业学院 环境工程学院, 安徽 合肥 230027; 2. 中国科学技术大学 热科学和能源工程系, 安徽 合肥 230022)
摘 要: 在相同的压缩机频率、冷凝水温和相同的电子膨胀阀开度下, 文章对 PV/ T- SAH P 系统的动态性能
进行了实验和分析, 就不同太阳辐照度和环境温度对 PV/ T- SAH P 系统性能的影响进行了对比, 提出了光伏-
太阳能热泵( PV/ T- SAH P)的系统稳定性原理, 指出 PV/ T- SAH P 系统需要解决的一些问题。
关键词: PV/ T- SAH P 系统; 最小过热度; 稳定性
中图分类号: TK519 文献标识码: A 文章编号: 1003- 5060( 2008) 07- 1008- 04
在太阳能热泵系统中, 蒸发器所吸收的热能大多数来自太阳能, 太阳辐照度随着季节、早晚时差的不同而不同, 而压缩机的容量又是额定的, 因此文献[ 1] 指出, 在其他条件一定的情况下, 集热器的容量和压缩机的容量是否匹配直接影响系统的工作性能[ 1- 6] 。由于系统通常在非设计工况下运行, 按设计工况确定的集热器面积与压缩机的容量往往不匹配, 因此提出了一种新型的光热、光电综合利用的直接膨胀式太阳能热泵系统 , 该系统中光伏组件与热泵装置的蒸发器结合成一体, 同时在系统设计时采用变频压缩机和电子膨胀阀( electronic expansionvalve, 简称 EXV ) , 通过改变压缩机容量来解决非设计工况下的不匹配问题。但是在实验中, 该系统出现不稳定情况, 或者称为振荡, 即系统在一定的工况下压缩机功率、各处制冷剂压力和温度等系统参数均发生周期性振荡。系统振荡对其经济性和安全性都是不利的, 所以保证稳定性是系统配置和控制的必要条件。
1 实验装置及电子膨胀阀
PV/ T-SAHP 太阳能热泵系统如图 1 所示。
实验台如图 2 所示, 主要包括温度测量、压力测
量、功率测量、流量测量、辐照强度测量及风速测
量等几大部分。共有测点 53 个, 除工质流量由商
家自带软件单独测量, 其他测点全部由数据采集
仪实时采集记录。
( 1) 数据采集。数据采集仪 Agilent34970A,
配置 HP 34901A 采集模块 3 个, 共 54 个电压采
集通道, 6 个电流采集通道, 实验过程一般 30 s 采
集数据一次。图 1 PV/ T-SAHP 太阳能热泵系统
( 2) 温度测量。采用 01 2 mm 铜康铜热电
偶; 蒸发器进口、蒸发器出口、冷凝器进口、冷凝器
出口、储水箱、压缩机进口、压缩机出口及百叶箱
等共 20 个; 光伏蒸发器内部各处共计 23 个。
( 3) 压力测量。制冷压力专用传感器( Huba506, Sw eden) , 0~ 30 @ 10
2
kPa, 精度 11 0%,
响应时间小于 5 ms, 负载频率小于 50 Hz; 数量 4
个; 位于蒸发器进口、蒸发器出口、冷凝器进口及
冷凝器出口, 用于观察压缩机、冷凝器、膨胀阀及
蒸发器进出口的压力变化。
( 4) 日照辐射仪。TBQ-2( 锦州, 阳光) 型日
照辐射仪 1 台; 安装位置与光伏蒸发器平行, 该表
为热电效应原理, 感应元件采用绕线电镀式多接
点热电堆。
( 5) 功率传感器。WBP112S91 和 WBI022S
( 四川维博) , 数量 2 个; 分别测试压缩机输入功率
( 交流) 和 PV 模块输出光伏电流( 直流) 。
系统采用浙江三花 DFP( L) 11 6-12 型电子膨
胀阀, 四相步进电机驱动, 开阀脉冲 32 20, 全程
脉冲 500, 使用介质 R22, 阀的开度由研制的控制
器控制。
2 实验结果及分析
21 1 实验条件
2006 年 10 月 14 日、2006 年 11 月 6 日和
2006 年 12 月 2 日, 在合肥地区( 北纬 31b53. , 东
经 117b15. ) 进行了 PV/ T-SAHP 系统在相同的
电子膨胀阀开度( 开度脉冲 400) 、相同的冷凝水
温( 30 e ) 下的性能测试。
测试期间的瞬时气象参数和冷凝水温如图
3、图 4 和图 5 所示。试验过程中, 阀1、阀2、阀5、
阀 6 关闭, 阀 3、阀 4、阀 7、阀 8 开启, 工质流动方
向如图2 所示。压缩机定频( 50 Hz) 运行, 由公共
电网供电。PV 电流输出, 经逆变器逆变后, 由外
界负载消耗。测试期间, 水箱储水 80 kg, 水冷板
式换热器水侧流速 01 217 kg/ s。
2. 2 测试结果及分析
21 21 1 测试结果说明
由于秋天上午易出现多云天气, 为了更好地
观察和对比, 在 3 d 的上午先把水加热到 30 e ,
然后保持冷凝水温不变, 从 11: 21 分开始正式记
录数据。
从图 3 和图 4 可以看出, 3 d 午后的太阳辐照
度变化明显, 易于比较。
从图 6 可以看出系统压缩机功率的变化。
2006 年 10月 14 日测试期间平均环境温度较高
( 271 56 e ) , 当冷凝水温不变时压缩机运行稳定。
11 月 6 日测试期间平均环境温度( 201 71 e ) 比
第 7 期 王海涛, 等: 太阳能热泵系统的稳定性 100910 月 14 日的平均环境温度降低了 61 85 e , 太阳
辐照度和 10 月 14 日相比变化不大, 但压缩机的
功率在测试期间出现了振荡现象。
12 月 2 日平均环境温度( 81 85 e ) 较前 2 次
更低, 而此时压缩机的功率振荡更加剧烈。
如图 7 所示, 说明了系统在不同的太阳辐照
度和环境温度时系统光电效率 Gel 的变化。光电
效率随着环境温度的降低而升高, 环境温度较低
时( 2006 年 12 月 2 日, 测试期间平均环境温度
71 4 e ) , 最高光电效率达到 131 4% 。
与普通光伏模块( 12%) 相比, 光电转换效率
明显提高, 波动很小。
这主要得益于工质蒸发对光伏模块的冷却作
用, 使得 PV/ T-SAHP 系统的光伏电池在高辐照
条件下也能维持在较低的工作温度, 从而保证较
高的光电转换效率。图中 OPS 为蒸发器的工作
过热度。
图 7 测试期间光电效率变化
21 2. 2 测试结果分析
当蒸发器的几何尺寸和热工参数确定后, 在
运行中存在一条最小稳定信号线( M inimum Stable Signal 线, 简称 M SS 线)
[ 8] 。M SS 线以左, 蒸
发器属于不稳定区; M SS 线以右为稳定工作区;
在 MSS 线上则是临界值。图 8 表示了蒸发器
MSS 线与不同静态过热度时的膨胀阀特性线, 当
蒸发器负荷为 Q 时, 制冷系统工作于 A 点时处于
临界稳定状态, 理论上讲为最佳稳定工作点。如
果调小膨胀阀静态过热度, 使工作点处在不稳定
区中, 系统将产生振荡。
图 8 膨胀阀与蒸发器的匹配关系
由 MSS 线理论很容易解释上述现象, 当环境
温度很高时( 2006 年 10 月 14 日) , 集热/ 蒸发器
出口制冷剂过热度很大, 此时系统工作在 MSS 线
的右侧, 处于稳定工作区。当环境温度很低时
( 2006年 12 月 2 日) , 集热/ 蒸发器出口制冷剂过
热度很小, 此时系统工作在 MSS 线的左侧, 处于
不稳定工作区, 压缩机出现剧烈振荡。
PV/ T-SAHP 系统产生振荡, 对系统运行经
济性与安全性均很不利, 由于对系统的稳定性缺
少理论与定量研究, 为确保运行稳定性, 往往片面
地增加蒸发器的运行过热度, 这就降低了蒸发器
的利用率, 因为过热区制冷剂的放热系数还不到
两相区最大放热系数的 1/ 5
[ 8]
。适当减小蒸发器
的运行过热度, 可获得一定的节能效益, 但又不能
1010 合肥工业大学学报( 自然科学版) 第 31 卷盲目地减少过热度, 追求运行经济性而导致系统
产生振荡。只有对蒸发器和膨胀阀本身的动态特
性做出定量分析, 并找出系统的临界稳定区( MSS
线) 与条件, 找出影响系统稳定性的各种因素, 给
出其定量关系, 才能在保证系统稳定性前提下, 最
大限度地利用蒸发器的有效传热面积, 获得最高
的经济性。3 本系统需要解决的问题
PV/ T-SAHP 系统中配置变频压缩机和电子
膨胀阀的关键问题, 是以保证系统稳定性和变容
量范围内系统最佳运行工况为目标, 确定合理的
控制方案和控制算法。在该系统的研究开发过程
中, 还有许多理论问题和实际应用问题要解决。
31 1 系统静态和动态特性
深入了解控制对象的特性是寻求合理的控制
方案和控制算法的基础。对系统中各部件的静态
和动态特性进行理论分析和试验研究, 用理论建
模的方法, 得出各部件的静态模型和动态模型。
然后根据各部件参数之间关系, 建立系统静
态和动态模型。根据模拟计算和试验研究的结
果, 分析系统静态和动态特性。
31 2 系统稳定性原则
由于该系统有变频压缩机和电子膨胀阀 2 个
流量调节装置, 所以同样存在系统稳定性问题。
在以上系统静态和动态研究的基础上, 分析
满足系统稳定性条件下的电子膨胀阀特性要求,
得出系统稳定性区域。
31 3 控制方案和控制算法
为减少电子膨胀阀流量调节对过热度的响应
滞后, 电子膨胀阀对蒸发器出口端制冷剂过热度
的检测可通过热敏电阻或压力信号。用 2 只热敏
电阻检测时, 一个测量蒸发温度, 另一个测量蒸发
器出口温度; 采用压力信号对蒸发器出口端压力
进行测量, 并经物性程序将其转化为蒸发温度。
由于蒸发器内压力的变化比温度的变化迅速, 因
此控制器能及时地反应过热度的变化。
电子膨胀阀流量调节对过热度的响应滞后问
题, 也可以采用前馈加反馈的复合调节方法解决。
如将压缩机转速作为前馈信号, 根据转速变化调
节电子膨胀阀供液量, 再结合反馈进行复合调节。
由于系统的非线性特性, 采用模糊算法有一
定优势。也可考虑 PID 控制算法和模糊控制算
法结合使用, 发挥各自算法的优点, 达到较好的控
制效果。
4 结 论
( 1) 变频压缩机和电子膨胀阀组成的 PV/ TSA HP 系统存在系统振荡问题。
( 2) 变频压缩机和电子膨胀阀组成的 PV/ TSA HP 系统是一种最有发展前途的系统配置, 代
表太阳能热泵系统的发展方向。
需要对系统静态和动态特性进行深入了解,
确定合理的控制方案和控制算法, 以保证系统稳
定性和变容量范围内系统最佳运行。
[ 参 考 文 献]
[ 1] Chaturvedi S K, Ab azeri M. T ransient simul ation of a capacit y-m odu lat ed, direc-t expan sion, sola-r assist ed heat
pum p[ J] . Solar Energy, 1987, 39: 421- 428.
[ 2] It o S, M iura N, Wan g K. Performance of a heat pump using dir ect expansion s ol ar collect ors [ J] . Solar Energy,
1999, 65( 3) : 189- 196.
[3] It o S , M iura N, T ak ano Y. Studies of h eat pu mps using direct expan sion t ype solar collect ors[ J] . J ou rnal of Solar Ener gy Engin eering, 2005, 127: 60- 64
[ 4] Chatu rvedi S K, Chen D T , Kheireddin e A. T hermal perf orman ce of a variab le capacity direct ex pan sion s ol ar-assist ed heat pu mp [ J] . Energy Conversion and Manag ement,
1998, 39( 3) : 189- 196.
[ 5] H aw lader M N A, Chou S K, Ullah M Z. T he perf ormance
of a solar assist ed heat pum p w at er h eating syst em[ J] . Applied T hermal E ngineering, 2000, 21( 10) : 1049- 1065
[6] H uang B J, Chyng J P. Performance charact eristic of int egral t ype sola-r assist ed h eat pump [ J] . Solar Energy, 2001,
71: 403- 414
[ 7] H ulle Z R. T he MSS line: a new ap proach t o hu nting pr oblem[ J] . ASH RAE Journ al, 1972, 10: 43- 46.
[ 8] Chen W, C hen Zhijiu, Zh u Ruiqi, et al. Experiment al investigation of a m inimum stabl e superheat control s yst em of an
evaporat or[ J] . Int ernational Jou rnal of Refrigeration, 2002,
25: 1137- 1142。
帮忙从cnki上找一篇论文
留下邮箱吧 给你下了几篇
1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. ki.net《自动化仪表》第31卷第2期 2010年2月
上海市重点学科建设基金资助项目(编号: B504) 。
修改稿收到日期: 2009 - 08 - 26。
第一作者熊祥,男, 1984年生,现为华东理工大学控制科学与控制工
程专业在读硕士研究生;主要从事先进控制和自适应控制方面的研究。
基于MRAS的交流异步电机变频调速系统研究
Study on MRAS2based Variable2frequency Driving System of AC AsynchronousMo to rs
熊 祥 郭丙君
(华东理工大学信息科学与工程学院,上海 200237)
摘 要: 依据矢量控制的基本原理和方法,在基于转子磁场定向的旋转坐标系下,采用Matlab /Simulink模块构建了一个具有转矩、磁
链闭环的交流异步电机矢量控制系统仿真模型。在此基础上,应用模型参考自适应方法,对无速度传感器矢量控制系统的转速估计
进行研究,并针对常规速度辨识器中的基准模型易受积分初值和漂移影响的问题,对传统的MRAS方法进行改进,并对其进行建模仿
真。仿真结果表明,该设计具有较强的可行性,且其推算转速能够很好地跟踪实测转速。
关键词: Matlab /Simulink MRAS 矢量控制 变频调速系统 神经网络 无速度传感器
中图分类号: TM343 文献标志码: A
Abstract: In accordance with the basic p rincip le and method of vector control, by usingMatlab /Simulink module, a simulation model of vector
control system that is offering torque and magnetic link for AC asynchronous motor is built based on rotor flux directional rotating coordinates.
On the basis, with model reference adap tive method, the rotating speed estimation for vector control system with no2speed sensor is studied. In
addition, aiming at the p roblem that the reference model is easily influenced by the initial value and drift of integral in normal speed recognizer,
the traditionalMRAS is imp roved, and modeling simulation is also conducted. The result of simulation verifies the feasibility of the design and
the calculated rotating speed can well trace the measured rotating speed.
Keywords: Matlab/Simulink Model reference adaptive system Vector control Variable2frequency driving system Neural network No2speed sensor
0 引言
随着电力电子技术的发展,交流异步电机控制技
术已由标量控制转向了矢量控制。在矢量控制系统
中,转速的闭环控制环节一般是必不可少的。为了实
现转速闭环控制和磁场定向,通常采用速度传感器来
进行转速检测。而速度传感器在安装、维护等方面易
受环境影响,从而严重影响异步电动机的简便性、廉价
性和可靠性。因此,无速度传感器的矢量控制系统成
为交流调速的主要研究内容。
目前,人们提出了各种速度辨识的方法来取代速
度传感器,如动态估计法、模型参考自适应方法、扩展
卡尔曼滤波法、神经网络法等。其中模型参考自适应
方法的转速观测具有稳定性好、计算量小等特点[ 1 ]。
本文从转子磁场定向的矢量控制理论出发,在静止坐
标系上提出了一种基于模型参考自适应法理论的速度
推算法, 并利用Matlab /Simulink 软件对系统进行了
仿真。
1 交流异步电机矢量控制
根据用于定向的参数矢量的不同,矢量控制可以
分为按转子磁场定向和按定子磁场定向的矢量控制。
按转子磁场定向的矢量控制方法是目前应用较为广泛
的一种高性能的交流电动机控制方法[ 2 ]。
当两相同步旋转坐标系按转子磁链定向时,应有
ψrd =ψr ,ψrq = 0,即得:
Te = np
Lm
Lr
isq
isd =
1 + Tr p
Lm
ψr
ψr =
Lm
1 + Tr p
isd
λ =
Lm
Trψr
isq ( 1)
式中: Lm =
3
2
M 为d2q坐标系同轴等效定子与转子绕
组间的互感; Lr =Lrl +Lm为d2q坐标系等效二相转子绕
组的自感;λ为d2q坐标系相对于转子的旋转角速度;
p为求导算符, 即p = d /dt; s表示定子; r表示转子; d
表示d轴; q表示q轴; m 表示同轴定、转子间的互感;
np 为极对数; Tr =Lr /Rr 为转子时间常数。
51
基于MRAS的交流异步电机变频调速系统研究 熊 祥,等
1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. ki.netPROCESS AUTOMATION INSTRUMENTATION Vol131 No12 February 2010
2 变频调速系统仿真模型
图1为交流异步电动机无速度传感器矢量控制系
统框图。系统由电机、逆变器、磁链观测器、转速辨识
等环节组成,是一个带电流内环的转速、磁链闭环矢量
控制系统。
图1 无速度传感器矢量控制系统框图
Fig. 1 Block diagram of the vector control system with no2speed sensor
基于矢量控制变频调速系统的仿真模型,其具体
实现步骤是:先将异步电机在三相坐标系下的定子电
流Ia、Ib、Ic 通过三相/二相(Clarke)变换,再通过二相/
二相旋转( Park)变换得到同步旋转坐标系d2q下的电
流Id、Iq ,然后模仿直流电动机的控制方法,求得直流
电动机的控制量,最后,经过相应的坐标反变换,实现
对异步电动机的控制。其实质是将交流电动机等效为
直流电动机, 分别对速度( speed control) 、磁场( phir
control)两个分量进行独立控制。通过控制转子磁链,
分解定子电流而获得转矩和磁场两个分量,然后经坐
标变换,实现正交或解耦控制[ 3 ]。
2. 1 基于MRAS的转速辨识
2. 1. 1 基本模型参考自适应系统
要实现按转子磁链定向的矢量控制系统,磁链观
测是非常重要的。在无速度传感器控制中,通常采用
基于两相静止α2β坐标系下定子电压和定子电流的电
压模型对转子磁链进行估计[ 4 - 5 ]。根据两相静止坐标
系下异步电动机的基本方程,可以得到电压和电流这
两种形式的转子磁链估算模型。
电压模型计算如下:
ψrα =
Lr
Lm
[ ∫( usα - Rs isα ) dt - σLs isα ]
ψrβ =
Lr
Lm
[ ∫( usβ - Rs isβ ) dt - σLs isβ ] ( 2)
在计算得到电压模型值后, 基本模型参考自适应
系统的电流模型计算如下:
pψrα =
Lm
Tr
isα -
ψrα
Tr
- ωrψrβ
pψrβ =
Lm
Tr
isβ -
ψrβ
Tr
- ωrψrα ( 3)
式中:ψrα、ψrβ分别为两相静止α2β坐标系下α轴和β
轴的转子磁链; isα、isβ为两相静止α2β坐标系下α轴和
β轴的定子电流; usα、usβ为两相静止α2β坐标系下α轴
和β轴的定子电压;σ为漏感系数。
参考模型与可调模型输出(转子磁链) 的差值定
义为:
e =ψr - ψ3
r ( 4)
利用波波夫超稳定理论推导得出估算转子的自适
应收敛率为[6 ] :
ωr = kp +
ki
S
e ( 5)
式中: kp、ki 分别为自适应结构PI调节器中的比例系
数和积分常数。
基于MRAS的转速、辨识的具体步骤为:选取电压
模型为参考模型、电流模型为理想模型,构造一个模型
参考自适应系统,并选择合适的自适应规律,使可调模
型的转速逼近真实的电机转速。该方法结构框图如
图2所示。
52
基于MRAS的交流异步电机变频调速系统研究 熊 祥,等
1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. ki.net《自动化仪表》第31卷第2期 2010年2月
图2 模型参考自适应系统框图
Fig. 2 Block diagram ofMRAS
自适应机构采用PI调节器,即选择比例积分作为
自适应规律。在模型参考自适应系统中,参考模型应
该是理想的,即式( 2)应能始终映射出电动机的真实
状态。该方程中定子电阻Rs 是一个变化的参数, Rs
若不准确,对低频积分结果影响会很大。另外,采用低
通滤波器来代替纯积分环节,可以有效克服积分器的
部分缺陷,如误差积累或直流漂移问题;但在频率接近
或低于截止频率时,所产生的幅度和相位偏差会严重
影响磁链估计的精确性。
2. 1. 2 改进型模型参考自适应系统
模型参考自适应结构的优势在于模型的输出不必
是实际的转子磁链,只要是与其相关的辅助变量即可。
因此,可采用新的辅助变量作为模型的输出,构造出其
他的MRAS速度辨识方法。
将图2进行改进,可以得出相应的原理方框图,如
图3所示。
图3 改进型模型参考自适应系统框图
Fig. 3 Block diagram of imp rovedMRAS
参考模型的定子电压矢量方程可写成以下形式,
即:
Lm
Lr
×
dψrα
dt
= usα - Rs isα - σLs ×
disα
dt
Lm
Lr
×
dψrβ
dt
= usβ - Rs isβ - σLs ×
disβ
dt
(6)
式中: Ls =Lsl + Lm 为d2q坐标系下的等效二相定子绕
组的自感。
在基于转子磁场定向的矢量控制中, 由其等效电
路可以看出,εr =
Lm
Lr
dψr
dt
为转子磁链矢量生成的感应电
压,于是式(6)可以转换为:
εr
α =
Lm
Lr
×
dψrα
dt
= usα - Rs isα - σLs ×
disα
dt
εr
β =
Lm
Lr
×
dψrβ
dt
= usβ - Rs isβ - σLs ×
disβ
dt
(7)
2. 2 转速控制模块
在实际系统中,由于系统状态和参数等发生变化
时,过程中会出现状态和参数的不确定性,系统很难达
到最佳控制效果。基于上述问题考虑,本文利用RBF
神经网络对PID 控制器的参数进行在线调整。基于
RBF神经网络的PID控制系统如图4所示。
图4 基于RBF神经网络的P ID控制系统
Fig. 4 P ID control system based on RBF neural network
系统的控制误差为:
e ( k) = r( k) - y ( k) (8)
PID的输入为:
x ( 1) = e ( k) - e ( k - 1)
x ( 2) = e ( k)
x (3) = e ( k) - 2e ( k - 1) + e ( k - 2) (9)
采用增量式PID的控制算法具体表达式为:
u ( k) = u ( k - 1) + kp [ r( k) - y ( k) ] + ki [ e ( k) ] +
kd [ e ( k) - 2e ( k - 1) + e ( k - 2) ]
Du = kp [ r( k) - y ( k) ] + ki [ e ( k) ] +
kd [ e ( k) - 2e ( k - 1) + e ( k - 2) ] ( 10)
神经网络整定性能指标函数为:
J ( k) =
1
2
[ r( k) - y ( k) ]2 ( 11)
由梯度下降法,可得[ 7 ] :
Δkp = - η
9J
9kp
= - η
9J
9y
×
9y
9Du
×
9Du
9kp
=ηe ( k)
9y
9Du
x ( 1)
Δki = - η
9J
9ki
= - η
9J
9y
×
9y
9Du
×
9Du
9ki
=ηe ( k)
9y
9Du
x (2)
Δkd = - η
9J
9kd
= - η
9J
9y
×
9y
9Du
×
9Du
9kd
=ηe ( k)
9y
9Du
x (3)
(12)
式中:η为学习速率。被控对象的输出对控制输入变
化的灵敏度信息Jacobian阵信息算法为:
9y
9Du
≈
9yL ( k)
9Du
=∑
m
j = 1
ωj hj
cji - u ( k)
b2
j
(13)
式中: hj为第j个隐含层点输出; cji为高斯转换函数的中
心位置参数; bj 为第j个隐节点高斯函数的宽度参数。
该神经网络的结构为3 - 6 - 1,即输入层有3个节
点,隐含层有6个节点,输出层有1 个节点,学习率为
53
基于MRAS的交流异步电机变频调速系统研究 熊 祥,等
1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. ki.netPROCESS AUTOMATION INSTRUMENTATION Vol131 No12 February 2010
0. 25, a = 0. 05,β= 0. 01, PID初值= [ 0. 03, 0. 001, 0. 1 ] ,
权重初值= [ 3, 4, 1 ] ,采样周期为0. 001。由于RBF神
经网络PID控制器不能直接用传递函数加以描述,若简
单地应用Simulink,则将无法对其进行仿真。本文中
RBF神经网络PID控制器采用Matlab中的s2function实
现[ 8 ]。
2. 3 转矩控制模块和磁链控制模块
转矩控制器和磁链控制器均采用PI控制算法,可
得:
Iq
3
= kp ( T
3
e - Te ) + ki ∫( T
3
e - Te ) dt ( 14)
I
3
d = kp ( phir
3
- phir) + ki ∫( phir
3
- phir) dt (15)
式中: kp、ki 分别为比例增益系数和积分增益系数。
2. 4 仿真实验结果及分析
采用上述仿真模型,对矢量控制变频调速系统进
行空载及恒速加载运行仿真。当负载转矩值为0 时,
得到的异步电机定子电流、转速、转矩仿真图形如图5
所示。
图5 定子电流、转速、转矩仿真图形
Fig. 5 Simulation curves of current, rotating speed,
torque of the stator
选用的异步电动机有关参数如下: 额定数据为
41 kW、380V、4极、50 Hz、转动惯量J =1. 662 kg·m2、Rs =
0. 087Ω、Rr =0. 228Ω、Ls =Lr =0. 8mH、Lm =34. 7mH。
逆变器电流直流母线电压为780V;转子磁链参考
值取0. 96Wb;在powerful中指定所有的状态变量初始
条件为0,或者对异步电机设定初始条件为[ 1, 0, 0, 0,
0, 0, 0, 0 ] ,这样就可以在停止状态启动电机。为了加
快仿真速度,采用ode23 t仿真算法。
电机启动阶段,磁链和电磁转矩处于上升阶段,
在开始空载状态下,电磁转矩最后下降为0。在t =
0 s、1 s时,由于转速给定的量从60 rad / s瞬间跳到
80 rad / s,而在启动时,转子转速在0. 5 s已经趋于稳
定状态,因此,定子电流在启动时有较大的变化,转
矩电流和电磁转矩在启动及给定速度指令改变时有
超调。在系统的自动调节下,转矩电流和电磁转矩
量开始慢慢降低并趋于稳定。从仿真可以看出,在
该控制系统所采用的控制方法下,系统具有良好的
静态性能和动态性能,定子电流正弦度较好;且估计
的转速稳态精度好,能准确地跟踪电机转速的变化;
电机的机械角速度能够很快跟踪给定机械角速度的
变化,电机具有良好的启动性能。实际转速与辨识
转速仿真图形比较如图6所示。
图6 实际转速与辨识转速仿真图形比较
Fig. 6 Comparison between actual and identification rotating speed
3 结束语
本仿真试验利用易于测量的电机定子电压和电
流,结合矢量控制和MRAS原理,实时辨识电机转速。
通过理论分析和仿真研究,应用模型参考自适应方法
估算交流异步电机转子转速,计算量小,收敛速度快。
仿真结果验证了该系统的可行性和有效性。
参考文献
[ 1 ] CirrincioneM, PucciM. AnMRAS based on speed estimation meth2
od with a linear neuron for high performance induction motor drives
and its experimentation[ C ] ‖ IEEE International Conference on E2
lectricMachines and Drives, IEMDC’03, 2003 ( s1) : 617 - 623.
[ 2 ] 陈伯时. 电力拖动自动控制系统[M ]. 2版. 北京:机械工业出版
社, 2004.
[ 3 ] 王忠礼,段慧达,高玉峰. Matlab应用技术———在电气工程与自
动化专业中的应用[M ]. 北京:清华大学出版社, 2007.
[ 4 ] 王庆龙,张崇崴,张兴. 交流电机无速度传感器矢量控制系统变
结构模型参考自适应转速辨识[ J ]. 中国电机工程学报, 2007,
27 (15) : 70 - 74.
[ 5 ] 戴瑜兴,王耀南,陈际达. 基于DSP的模型参考自适应无速度传
感器矢量控制[ J ]. 信息与控制, 2003, 32 (6) : 507 - 511.
[ 6 ] 刘兴堂. 应用自适应控制[M ]. 西安: 西北工业大学出版社,
2003.
[ 7 ] Zhang Mingguang, LiWenhui, Liu Manqiang. Adaptive PID control
strategy based on RBF neural network identification[C] ‖17th IEEE
International Conference on Neural Network and Brain, 2005,
ICNN&B, 2005: 1854 - 1857.
[ 8 ] 刘金琨. 先进PID控制及其Matlab仿真[M ]. 北京:电子工业出
版社, 2003.
54
基于MRAS的交流异步电机变频调速系统研究 熊 祥,等
湖北仙童科技有限公司 高端电力电源全面方案供应商 江生 13997866467
