摘要：直接转矩控制是继矢量控制变频技术后发展起来的一种新型具有高性能的交流变频调速技术。针对基于直接转矩控制的异步电机低速时存在较大的脉动问题，提出了用神经网络重构直接转矩控制系统的定子磁链观测器模型和开关状态选择模型，并用单个神经网络训练的方法来处理直接转矩控制的复杂运算。实验结果表明， 用该方案构成的系统具有良好的动态性能，并能有效地改善直接转矩控制系统的低速胜能。  
    关键词：直接转矩控制；神经网络；重构模型；低速性能
    中图分类号：tm343    文献标识码：a  文章编号：1004—7018(2009)10一ijil46—04
o引  言
    直接转矩控制是在保持磁链幅值不变的基础上，通过正确选择定子电压综合矢量控制定子磁链
的旋转速度以控制转矩达到控制电机转速。文献[3 4]提出了一种利用神经网络建立直接转矩控
制系统的定子磁链模型，并用离线训练的方法来处理直接转矩控制系统中复杂的数学运算，对直接转控制系统的动态性能有所改善，但需训练神经网络；文献[5—8]将神经网络用于逆变器的状态选择中，以其较强的学习能力、自适应能力、自组织能力及容错能力获得较好的控制效果，但需经过多次的迭代才能达到神经元的收敛；文献[9 10]利用神经网络具有强鲁棒性、并行计算、自学习的优势，根据直接转矩控制的特点，将神经网络dtc分为多个子神经网络分别训练，能够利用神经网络的优势可以改变直接转矩控制系统的性能。
    本文在前人研究的基础上，给出了用神经网络重构直接转矩控制系统的定子磁链观测器模型和开
关状态选择模型，并用神经网络分别训练的方法来处理直接转矩控制的复杂运算。实验结果表明，用此方案构成的系统具有良好的动态性能，并能有效地改善直接转矩控制系统的低速性能。
1基于神经网络的直接转矩控制原理
    基于神经网络的直接转矩控制系统原理如图1所示。

进入：