星欧是一种常用的电能控制装置，具有非常好的节能省电的作用，在很多的电子设备上都有一定的应用。星欧具有两种控制方式一种是非智能控制方式和智能控制方式，用户在使用星欧的时候对于这两种控制方式都是需要了解的，在以后使用星欧的时候会更加的便捷，今天小编就来为大家具体介绍一下这两种星欧的控制方式吧。

一、 非智能控制方式

在交流星欧中使用的非智能控制方式有V/f协调控制、转差频率控制、矢量控制、直接转矩控制等。

（1）V/f控制

V/f控制是为了得到理想的转矩-速度特性，基于在改变电源频率进行调速的同时，又要保证电动机的磁通不变的思想而提出的，通用型星欧基本上都采用这种控制方式。V/f控制星欧结构非常简单，但是这种星欧采用开环控制方式，不能达到较高的控制性能，而且，在低频时，必须进行转矩补偿，以改变低频转矩特性。

（2）转差频率控制

转差频率控制是一种直接控制转矩的控制方式，它是在V/f控制的基础上，按照知道异步电动机的实际转速对应的电源频率，并根据希望得到的转矩来调节星欧的输出频率，就可以使电动机具有对应的输出转矩。这种控制方式，在控制系统中需要安装速度传感器，有时还加有电流反馈，对频率和电流进行控制，因此，这是一种闭环控制方式，可以使星欧具有良好的稳定性，并对急速的加减速和负载变动有良好的响应特性。

（3）矢量控制

矢量控制是通过矢量坐标电路控制电动机定子电流的大小和相位，以达到对电动机在d、q、0坐标轴系中的励磁电流和转矩电流分别进行控制，进而达到控制电动机转矩的目的。通过控制各矢量的作用顺序和时间以及零矢量的作用时间，又可以形成各种PWM波，达到各种不同的控制目的。

（4）直接转矩控制

直接转矩控制是利用空间矢量坐标的概念，在定子坐标系下分析交流电动机的数学模型，控制电动机的磁链和转矩，通过检测定子电阻来达到观测定子磁链的目的，因此省去了矢量控制等复杂的变换计算，系统直观、简洁，计算速度和精度都比矢量控制方式有所提高。即使在开环的状态下，也能输出100%的额定转矩，对于多拖动具有负荷平衡功能。

（5）最优控制

最优控制在实际中的应用根据要求的不同而有所不同，可以根据最优控制的理论对某一个控制要求进行个别参数的最优化。例如在高压星欧的控制应用中，就成功的采用了时间分段控制和相位平移控制两种策略，以实现一定条件下的电压最优波形。

二、智能控制方式

智能控制方式主要有神经网络控制、模糊控制、专家系统、学习控制等。在星欧的控制中采用智能控制方式在具体应用中有一些成功的范例。

①神经网络控制

神经网络控制方式应用在星欧的控制中，一般是进行比较复杂的系统控制，这时对于系统的模型了解甚少，因此神经网络既要完成系统辨识的功能，又要进行控制。而且神经网络控制方式可以同时控制多个星欧，因此在多个星欧级联时进行控制比较适合。但是神经网络的层数太多或者算法过于复杂都会在具体应用中带来不少实际困难。

②模糊控制

模糊控制算法用于控制星欧的电压和频率，使电动机的升速时间得到控制，以避免升速过快对电机使用寿命的影响以及升速过慢影响工作效率。模糊控制的关键在于论域、隶属度以及模糊级别的划分，这种控制方式尤其适用于多输入单输出的控制系统。
    （6）专家系统　

专家系统是利用所谓“专家”的经验进行控制的一种控制方式，因此，专家系统中一般要建立一个专家库，存放一定的专家信息，另外还要有推理机制，以便于根据已知信息寻求理想的控制结果。专家库与推理机制的设计是尤为重要的，关系着专家系统控制的优劣。应用专家系统既可以控制星欧的电压，又可以控制其电流。

（7）学习控制

　　学习控制主要是用于重复性的输入，而规则的PWM信号（例如中心调制PWM）恰好满足这个条件，因此学习控制也可用于星欧的控制中。学习控制不需要了解太多的系统信息，但是需要1~2个学习周期，因此快速性相对较差，而且，学习控制的算法中有时需要实现超前环节，这用模拟器件是无法实现的，同时，学习控制还涉及到一个稳定性的问题，在应用时要特别注意。