基于现代控制理论和智能控制理论的转矩脉动抑制

　　永磁无刷直流电机是一多变量、非线性、强耦合的复杂系统，很难用精确的数学模型来描述，这就突出了经典控制理论的局限性，同时也促进了现代控制理论的发展。可按自适应控制原理设计了电磁转矩估计器，根据电流和转角通过自适应控制律计算转矩脉动的主要谐波系数，从而计算出电磁转矩估计值。由指定值与估计值的误差确定电流调节器输出的电流波形，实现转矩脉动最小化控制。在一定的转速下，这种控制方法能使转矩脉动降到额定转矩的2％以下。其控制精度依赖于反电动势谐波分布情况，且对电机参数的变化较为敏感，一般在较小的转速范围内效果较明显。用卡尔曼滤波实现转矩脉动最小化控制证明，该方法在很大的转速范围内能实现转矩脉动最小化控制。神经网络控制是一种基本上不依赖于模型的控制方法，比较适用于具有不确定性或高度非线性的控制对象，具有较强的适应和学习功能。已有文献研究了神经网络控制抑制无位置传感器无刷直流电机转矩脉动的新策略，利用RBI＇神经网络分别对转子位置与在给定转矩下的绕组参考电流进行在线估计，并根据参考电流调节注人绕组中的实际电流，使之更接近方波，最大限度抑制了由于电流波形不理想而引起的转矩脉动。
 
　　目前常见的抑制永磁无刷直流电机转矩脉动的方法大致分为两类：优化电机本体的设计，采取各种控制策略。
 
　　在实际应用中，应根据具体场合和不同要求选用某种适当的控制方法，或者是几种方法的综合应用。随着人工智能技术的发展，专家系统、模糊控制理论、人工神经网络的最新成果开始深人电机控制领域。特别是神经网络控制技术，具有很强的自适应能力、非线性映射能力和快速的实时信息处理能力等特性，这也是高性能永磁无刷直流电机调速系统的要求。可见，在永磁无刷直流电机转矩脉动抑制问题中，采用智能化控制方法是一个重要方向。这些控制理论都已较成熟，但真正应用于实践的时间并不长，主要是由于这些方法都较繁杂，用以前的硬件来实现难于达到实时性要求。DSP和FPGA的出现，不仅使这些问题迎刃而解，而且还能够实现更为廉价有效的方案。现在电机控制正在向全软件控制方向发展。