高速感应电机电流优化分配策略研究

In this project current distribution strategy for high-speed induction motor in different speed level and different operating conditions will be researched deeply by using multiobjective optimization methods. The methods overcome the defects of local optimum which traditional current optimal distribution strategy may lead to, and ensure the drive system stable premise to achieve global optimal drive performance. We will firstly research the quantitative relationships between the measurable system state and a variety of performance indicators, and then determine the priority between the indicator to be optimized which is obtained from the constraint and actual optimization indexes. Based on the working above a constrained multi-objective optimization algorithm will be presented. Further the proposed optimization algorithm will be applied to the optimization experiments of the spindle drives. We will establish a database of the complete state variables and samples of optimal current distribution in different operating conditions and different applications. In order to provide rational guidance for the design of the current distributor, we will work out the accurate approximation of relational mapping implied by the current distribution of the sample database. This project will reveal deeply the mechanism of current distribution for high-speed induction motor and provide new approaches for improving intellectual property rights and core competitiveness in the national high-end CNC machine tools field.

利用多目标优化方法对高速感应电机在不同速度运行区域、不同运行状态下的电流分配策略进行深入系统研究，克服传统电流优化分配可能导致的局部最优，确保驱动系统在稳定的前提下实现综合最优的驱动性能。研究系统可测量状态与各种性能指标之间的量化关系，确定约束条件转化的待优化指标与实际优化指标之间的优先级，获得具有偏好的约束多目标优化算法；将提出的优化算法应用在交流驱动系统优化实验中，以构建不同速度运行区域、不同运行状态和不同应用场合下完整的状态变量与最优电流分配样本数据库，获取准确逼近电流分配样本数据库隐含的映射关系，为设计合理的电流分配器提供工程指导。 本项目的研究工作将深刻揭示高速感应电机的电流优化机理，为提高国家高档数控机床领域自主知识产权和核心竞争力提供新的途径和方法。

本项目针对电流控制系统的电流优化难题，建立了基于多种优化方法（神经网络优化、遗传算法优化、PI参数优化等）和多对象（感应电机、变流器、逆变器等）的控制模型，研究分析各种优化算法对控制对象的影响机理，揭示了电流优化模型中各状态变量间的关系，设计了面向不同对象的多目标优化电流控制器。针对不同对象下的电流多目标优化相关理论，对BP神经网络、RNN神经网络、MRNN神经网络、GA遗传算法等方法研究其内在优化控制机理，在稳定性、快速性、抗扰动、速度估计等条件下系统的性能进行了深入研究。主要研究内容及结果（1）研究了具有未知干扰和参数的微分包含混沌系统的容错全阶及降阶观测器同步问题，设计了一种能和驱动系统部分状态同步的微分包含响应系统降阶观测器。（2）研究了多重平衡的切换离散递归神经网络的区域稳定性问题，得到了其区域稳定的充分条件。（3）研究了神经网络的原理，对初始权重的获取、离线和在线参数的训练、学习速率、评价函数以及评价指标的优化等问题进行研究。（4）对感应电机电流进行解耦，优化分配电流获得较好的节能控制效果；提出了一种基于平均电压裕度的网侧高功率因数的dq轴电流分配策略。对输入侧和电机侧电流谐波进行控制，获得解耦后的电流控制方法；研究了全阶自适应观测器的转速估算方法以及基于比例谐振PR调节器的电流控制方案。（5）研究转矩和效率优化的感应电机全速度域电流分配方法，针对调节器参数及控制研究了基于神经网络的自适应PI控制器，实现了对传统PI控制器中参数的自适应估计，同时研究了递归神经网络（RNN）控制器的设计。.本项目共发表学术论文17篇，其中SCI论文收录论文5篇，EI收录会议论文7篇，中文核心期刊论文4篇，申请发明专利8项，已授权专利4项。协作指导博士研究生3人，指导培养硕士研究生13人，完成相关的学位论文16篇。本项目建立了电流优化控制与多目标优化理论之间的联系纽带，为解决实际工程应用中的不同目标评价的多目标优化问题提供了理论依据和指导。