35、电机速度控制与挥发性有机物检测技术研究

电机速度控制与挥发性有机物检测技术研究

在电机控制以及挥发性有机物检测领域，近年来有诸多先进技术不断涌现。下面将详细介绍无传感器感应电机的优化神经 PI 速度控制以及基于表面声波（SAW）传感器瞬态响应的小波模糊推理系统对挥发性有机物的同时识别与定量。

无传感器感应电机的优化神经 PI 速度控制

在感应电机控制方面，传统模型存在一定局限性。模型参数与电机实际数据并非总是高度吻合，参数会随温度或电机工作点显著变化。而且，模型对参数失配的敏感度因参数和估计变量而异。在表示感应电机动态及用于状态估计的各种模型时，会用到微分方程和信号流图。

电机静止坐标系（ds - qs）方程中包含速度（ωr）这一变量，可通过已知的 vdss、vqss、idss、iqss 值求解。用于实时速度估计的简化方程如下：
[
\begin{align}
&[v_{ds}^s - (R_s + \sigma L_{ss})i_{ds}^s] \quad (1)\
&[v_{qs}^s - (R_s + \sigma L_{ss})i_{qs}^s] \quad (2)
\end{align}
]
方程（1）和（2）可生成转子磁链，再代入求解速度。不过该模型复杂且高度依赖参数，估计精度尤其是在低速时较差。

为了改善控制效果，采用了神经网络控制器替代传统的 PI 控制器。在众多人工智能技术中，人工神经网络（ANN）或神经网络（NNW）在电力电子领域影响巨大。其发展虽曾被现代数字计算机的辉煌发展所掩盖，但自九十年代初以来，研发和应用势头迅猛。

神经网络控制器