感應電機調(diào)速系統(tǒng)的模糊神經(jīng)網(wǎng)絡控制研究
薛劍鋒，劉國海
（江蘇大學，鎮(zhèn)江212013）
摘要：針對多變量、非線性、強耦合的感應電機調(diào)速系統(tǒng)，傳統(tǒng)的pid控制和模糊控制均不能達到理想的控制效果的問題，依據(jù)空間矢量控制理論建立了感應電機的數(shù)學模型，提出了一種基于模糊神經(jīng)網(wǎng)絡的感應電機調(diào)速系統(tǒng)控制方法，并且在基于神經(jīng)網(wǎng)絡離線訓練的基礎上提出了在線調(diào)整網(wǎng)絡參數(shù)的策略，實現(xiàn)了感應電機調(diào)速系統(tǒng)的高精度控制，并通過仿真進行了分析研究。結(jié)果表明，系統(tǒng)具有優(yōu)良的動靜態(tài)性能，且對電機參數(shù)的變化與負載擾動具有較強的魯棒性。
關鍵詞：模糊神經(jīng)網(wǎng)絡；感應電機；調(diào)速系統(tǒng)；在線控制
中圖分類號：tm346 文獻標志碼：a 文章編號：1001-6848(2010)05-0053-03
0引 言
感應電機調(diào)速系統(tǒng)是一個復雜的強耦合的多變量非線性系統(tǒng)。傳統(tǒng)的pid控制對感應電機調(diào)速系統(tǒng)參數(shù)和外部負載擾動變化敏感、魯棒性能差。微分幾何控制方法以及逆系統(tǒng)方法也被用于感應電機的控制，但其解耦線性化的實現(xiàn)，要求獲得對象的精確數(shù)學模型，難以在實際中真正應用。模糊控制和神經(jīng)網(wǎng)絡控制均屬于智能控制的范疇，都具有不依賴于被控對象的數(shù)學模型和魯棒性強的特點，能夠很好的克服模型參數(shù)變化和非線性等不確定因素的影響。但若將其應用到感應電機調(diào)速這類強耦合的多變量非線性系統(tǒng)中，二者都具有各自的優(yōu)缺點。
本文將模糊神經(jīng)網(wǎng)絡引入感應電機調(diào)速系統(tǒng)，由神經(jīng)網(wǎng)絡來實現(xiàn)模糊推理，利用神經(jīng)網(wǎng)絡的學習能力來調(diào)整模糊隸屬函數(shù)和控制規(guī)則，并針對感應電i機在實際運行中，受電機負載、參數(shù)變化影響較大，尤其是轉(zhuǎn)子電阻在電機運行中會發(fā)生較大的變化，影響了通過離線訓練的神經(jīng)網(wǎng)絡對系統(tǒng)控制的精確性這類問題，在神經(jīng)網(wǎng)絡離線訓練的基礎上提出了在線訓練調(diào)整網(wǎng)絡參數(shù)的方法，進而研究了模糊神經(jīng)網(wǎng)絡在感應電機調(diào)速系統(tǒng)中的應用，并給出了仿真試驗結(jié)果，結(jié)果表明了該控制方法的有效性。
1感應電機調(diào)速系統(tǒng)的數(shù)學模型及系統(tǒng)結(jié)構
電流跟蹤型spwm逆變器供電的感應電機變頻調(diào)速系統(tǒng)，忽略變頻器的時滯，在轉(zhuǎn)子磁場定向的條件下d、q兩相坐標系下的狀態(tài)方程可以用降維的三階非線性模型描述：徽電
若將變頻器設置為磁場定向運行模式，這時該臺逆變器可以不考慮磁鏈的變化（即認為磁鏈恒定且為額定值），原系統(tǒng)可作為單輸入、單輸出系統(tǒng)。
系統(tǒng)結(jié)構如圖1所示，m為感應電機期望轉(zhuǎn)速，wr為感應電機實際轉(zhuǎn)速。圖中x1，x2和u分別是模糊神經(jīng)網(wǎng)絡的輸入和輸出，其論域均設為[o，1]，誤差e和誤差變化率；通過x映射轉(zhuǎn)化為神經(jīng)網(wǎng)絡的輸入x1，x2，神經(jīng)網(wǎng)絡的輸出u通過u映射轉(zhuǎn)化為感應電機的電氣同步角速度w1。
圖1中ec為誤差目標函數(shù)，根據(jù)ec由在線訓練算法可在線調(diào)節(jié)模糊神經(jīng)網(wǎng)絡的權值，所以系統(tǒng)具有自學習的功能。
2模糊神經(jīng)網(wǎng)絡控制器
2.1模糊神經(jīng)網(wǎng)絡結(jié)構
模糊神經(jīng)網(wǎng)絡結(jié)構如圖2所示。圖2中第1層將x1、x2引入網(wǎng)絡；第ⅱ層將x1、x2模糊化，采用的隸屬面數(shù)為高斯函數(shù)；第ⅲ層對應模糊推理，ⅱ表示模糊操作，這里用+乘積操作代替取小運算；第ⅳ層對應去模糊化操作。網(wǎng)絡的輸入輸出關系如下：
第1層輸出節(jié)點：
第ⅱ層輸入輸出節(jié)點：
| 
