基于FPGA的永磁同步電機神經網絡解耦控制設計與實現.pdf

1、近年來,交流傳動成為了工業(yè)電氣傳動的主要研究與應用的方向。而永磁同步電機(Permanent Magnet Synchronous Motor, PMSM)憑借著體積小、質量輕、功率密度大、低速輸出轉矩大、效率高以及維護簡單等優(yōu)點,一直作為電氣傳動方向理論與應用研究的熱點。對于這樣一個復雜的非線性控制對象,參數動態(tài)變化和內部狀態(tài)耦合使得傳統(tǒng)的控制方法并不能得到極佳的控制和解耦效果,因而一系列針對PMSM的智能控制研究應運而生。神經網絡逆

2、系統(tǒng)控制就是其中一種可行的方案。神經網絡具有以任意精度逼近非線性對象的能力,結合逆系統(tǒng)的方法對永磁同步電機實現解耦控制,具有良好的效果。但神經網絡并行處理的特性,導致它并不適合在一般的處理器上實現?；?FPGA的神經網絡實現可以充分發(fā)揮這一特性,解決這一問題。
　　本文在PMSM的神經網絡解耦控制的理論基礎上,針對神經網絡逆系統(tǒng)進行了建模與仿真,驗證了神經網絡逆系統(tǒng)模型的可行性。得出了性能良好的神經網絡逆系統(tǒng)模型的結構與參數。并

3、進一步對神經網絡逆系統(tǒng)模塊的硬件實現方法進行了研究。將 FPGA作為實現平臺,構建了多種神經網絡激勵函數模塊,比較了不同實現方法的特點。并在前面研究的基礎上完成神經網絡 FPGA模塊的建立、仿真與驗證。
　　在PMSM神經網絡逆系統(tǒng)的模型建立過程中,根據對PMSM數學模型的分析,進行了永磁同步電機可逆性的相關推導,并建立了逆系統(tǒng)模型。在此基礎上,依據神經網絡逆系統(tǒng)原理,建立神經網絡模型,并通過Matlab訓練得到理想的神經網絡模塊

4、的結構與參數。將訓練好的模塊帶回PMSM神經網絡逆系統(tǒng)模型中驗證,反映出良好的性能效果。利用Matlab和System Generator對神經網絡實現的算法進行仿真實驗,在此過程中利用基于查找表的線性逼近方法和CORDIC算法分別設計了Sigmoid激勵函數和Gauss激勵函數,并利用建立好的激勵函數完成神經元的設計與測試。按照神經網絡訓練實驗中得到的神經網絡的結構與參數建立神經網絡FPGA模型,并利用解耦系統(tǒng)仿真獲得的樣本進行仿真與