针对无轴承异步电机(bearinglessinductionmotor,BL-IM)速度传感器故障识别问题,提出一种基于反向传播神经网络(back propagation neural network,BPNN)的故障诊断控制策略。首先,选取BL-IM转矩、相电流等信号作为BPNN传感器故障诊断依据,并利用传感器在不同故障下的转矩等故障数据样本不断地对BPNN进行训练学习,提高故障诊断及故障分类的准确率。其次,利用分数阶模型参考自适应控制(fractional order model reference adaptive system,FO-MRAS)建立无速度传感器容错控制系统,完成故障系统到容错控制系统的切换,最终实现BL-IM在传感器故障下的正常运行。仿真和实验结果均表明,提出的BPNN故障诊断系统不仅能够实现空载以及带载运行时速度传感器故障的准确识别,并且容错控制系统能显著降低传感器故障对转速的影响,同时电机悬浮转子也具有较好的悬浮特性,提高了BL-IM的安全性和可靠性。
针对智能装备系统直线与旋转两自由度驱动需求,提出定子励磁型混合磁路直线旋转永磁(statorexcitedhybrid magnetic circuit linear and rotary permanent magnet,SEHMCLRPM)电机,采用轴向和径向双凸极齿结构,轴向直线运动与径向旋转运...
详细信息
针对智能装备系统直线与旋转两自由度驱动需求,提出定子励磁型混合磁路直线旋转永磁(statorexcitedhybrid magnetic circuit linear and rotary permanent magnet,SEHMCLRPM)电机,采用轴向和径向双凸极齿结构,轴向直线运动与径向旋转运动磁场共用定、转子磁路。永磁体设置在定子上,动子上既无绕组也无永磁体,动子结构简单坚固,重量轻,具有转矩惯量比高、动态响应速度快、可靠性高等特点;定子同时设置有直线与旋转两套绕组,直线和旋转运动控制独立,降低两自由度驱动控制的复杂度。分析该类电机的运行原理和结构特点,探讨混合磁路特征,构建该类SEHMC-LRPM电机的解耦等效磁路模型,实现该类电机的磁路设计。在此基础上,基于3D有限元方法分析混合磁路与两自由度耦合磁场,揭示两自由度磁场与电机磁场分布、空载和负载特性的关系。最后,加工制造样机,并进行实验研究,验证该电机结构的有效性和理论分析的正确性。
暂无评论