一種基于人工神經網絡的永磁電機實時自適應控制器
摘要：
本文介紹了一種基于人工神經網絡（ann）的永磁同步電機( ipmsm)實時自適應控制器。這種控制器能在系統不確定情況下買現對電機的精確速度控制。采用了一種場向永磁同步電機模型來解耦電機的磁通和力矩，并通過離線訓練獲得既定ann速度控制器參數的初始估計。為了校正持續工作情況下電機的參數，提出了在線訓練。而在在線訓練中應用了萊溫伯格一馬夸特動態反向傳播( dbp)算法。采用基于數字信號處理器的硬件環境來實時實現了控制器，證明了以上方法的可行性。仿真和試驗結果顯示，這種控制結構能在一個較寬的操作環境下自適應學習，并能在參數波動和負載變化的情況下提供預期結果。
關鍵詞：人工神經網絡，高性能電機控制，走部永磁同步電機，神經控制
1 引言
近年來，相比較其它通用的直流和交流電機來說，永磁同步電機由于它的高性能、低噪音、高效率，在驅動領域獲得越來越廣泛的應用。它的顯著優點包括低力矩脈動，大變速比情況下的自換向，電機容量的更有效的使用，以及易于控制。轉子內嵌永磁鐵、光滑的轉子表面、減小了的氣隙帶來了電機靜噪聲、高速和較好的動態特性。 如同其它類型的交流電機，永磁同歲電機有它固有的特性，就是參數變化的非線形以及有一個多元高階復雜動態系統。所幸的是，矢量或者場量控制的應用簡化了電機模型以及相應的控制方案。電磁轉矩正比于正交的定子電流和磁通的乘積，因此產生等同于直流勵磁電機的性能曲線，保證了快速響應。然而，對于一個高性能的驅動系統來說，除了快速準確的響應，轉速受到干擾和參數變化的影響快速穩定的能力尤為重要。
一般的，基于線性非時變參數的經典控制設計在一定程度上可以削弱參數變化和外部干擾的影響。然而，系統傳遞函數的零極點能隨參數變化，模型中的不確定因素都可以削弱這些控制的性能。因此，用于高精度工業驅動中的更先進有效的永磁直流電機控制系統在研發領域引起了人們廣泛的興趣。
自適應控制也許是最被人們看好的控制策略，當代文獻中提及了多種算法，包括模型參考自適應控制(mrac)、自調節器(str)和變結構自適應控制。作者們在他們的大部分文章中都指出，自適應控制可以提高電氣驅動系統的性能。但是系統辨識和狀態估計經常基于特定的系統模型結構的假設，這就需要復雜的計算，特別是當電機和負載動態特性都不明確的時候。
為了克服這些困難，人工神經網絡的自學習和控制技術為未知或下確定動態特性的驅動系統控制器的設計提供了一個固定的框架。其中，ann的非線性近似能力是最顯著的。神經網絡由于其簡化和歸納模型辨識工作和控制方案配置的潛力，使它在很多控制領域得到廣泛的開發應用。
但是，為了使神經網絡自適應系統能夠真正有效的實現實時工作，很多方面都要考慮進去。一般的多層前饋人工神經網絡(fahzn)本質上是處理靜態問題的，通用的bp靜態訓練算法嚴重限制了它在實時自適應系統中的應用。因此，靜態誤差bp對于這里討論的驅動系統來說并不是一個理想的方法。
現在，在ann控制領域，很多學者都致力于更有效的用于實時裝置的在線自適應學習算法。在這些算法中，具有網絡誤差梯度在線檢測的動態bp引起了很多人的興趣。為了檢測誤差梯度，要考慮到系統輸出的期望值與實際值之間的誤差輸出，所以除了很多文獻中提及的控制系統外，還建立了辨識系統。這個方案成功地利用了bp誤差輸出的梯度檢測，在實時辨識和控制方面把傳統靜態bp延伸到了動態學習方法。但是，這個方案的主要不足就是它的復雜的系統結構和復雜的訓練過程，以及附帶的辨識網絡。
既然我們討論了基于ann的控制問題，接下來主要考慮實時方案連續操作的可行性。但是，當確定了基于ann的在線實時適應算法以后，分析及開發出ann控制理論的更精確有效的切合實際的方法就是主要的問題。因此，為了減少計算工作量、簡化控制方案，我們在依據控制方面的理諗知識演繹并建立切實有效的對于矢量控制永磁同步電機驅動的控制方案方面做了不少努力。并且做了一個基于數字信號處理器實驗硬件系統來檢驗控制器的運行結果。
接下來，在本文的第二部分我們給出了關于ipv sm的數學模型。第三部分描述了ipmsm的ann辨識和ain實時自適應控制。第四部分給出了在波動運行情況下的基于ann的驅動系統的仿真結果。最后，在第五部分討論了實時控制系統的實現及其運行結果。
2 ipmsm的數學模型
為了通過減少同步電機轉子坐標系中定予電流的交軸（q軸 |
