● 摘要
本论文的研究目标是将无速度传感器检测技术应用于直线感应电机（LIM）矢量控制。其中难点是直线感应电机边端效应对其数学模型和电机控制的影响以及速度估计的方法。论文第一章介绍了直线电机及其控制策略的发展概况，对近年来无速度传感器控制技术的研究成果做了总结归纳。无速度传感器矢量控制技术由传统有速度传感器的矢量控制发展而来，因此，本文第二章在详细分析直线感应电机边端效应的基础上，建立了采用边缘效应补偿控制策略的直线感应电动机的矢量控制数学模型。第三章基于双层人工神经网络实现了模型参考自适应系统(MRAS)，实现了直线感应电机速度估计并用估计值于LIM无速度传感器矢量控制，仿真结果验证了方案的可行性。第四章详细阐述了扩展卡尔曼滤波（EKF）用于电机状态估计的递推算法，并将估计速度应用于LIM无速度传感器控制系统。仿真结果证明EKF具有很好的动稳态性能以及MRAS不具备的抗噪能力。EKF的收敛性和估计精度非常依赖于系统和测量噪声的模型，如何确定其系统和测量噪声协方差矩阵及系统噪声权值矩阵的取值是EKF实际应用中的一个难点。本文引入模拟退火遗传算法对EKF输入参数进行离线优化，并与采用遗传算法的优化结果进行了比较，证明模拟退火遗传算法具有更强的寻优能力。第五章从EKF结构角度进行了优化研究，首先基于同步旋转轴系上的LIM状态模型建立了EKF状态观测器，实现了LIM无速度传感器控制。新EKF具有简化的结构，降低了计算量，更适用于实际应用。之后进一步提出了一种降阶EKF，实现了对LIM速度的精确估计。