基于神经网络设计的永磁交流同步电机的控制系统.docx

??

?

??

基于神经网络设计的永磁交流同步电机的控制系统

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

摘要：文章为进一步改善永磁交流同步电机（PMSM）交流伺服系统的控制性能，使控制系统能够实时跟踪控制对象参数的变化相应地调整控制器参数,以提高控制系统的快速性、鲁棒性和自适应能力，采用了神经网络控制策略，把神经网络和传统PID调节器结合起来形成单神经元自适应PID智能控制器，在MATLAB仿真软件的运行环境下，建立了单神经元控制器的仿真模型和永磁同步电机及其基于电机矢量控制的双闭环交流伺服系统的仿真模型，完成了单神经元控制器作为速度环控制的仿真实验。

关键词：永磁交流同步电机；神经网络；PID调节器

引言：在神经网络控制下的永磁同步电机系统应用已成为控制研究中的热门课题。将神经网络引入控制系统是控制学科发展的必然趋势。人工神经网络能够实现极复杂的非线性映射且具有很强的学习能力，随着永磁材料的迅速发展，电力电子和控制技术的进步，永磁电机将越来越多地替代传统电机。通过将二者优势的结合，将会在电机的控制系统上带来一场伟大的革命[1]。

一神经网络单神经元PID控制

一般永磁同步电机的速度、位置控制器都采用比例积分(PI)控制器，但是PI控制器容易受电机参数变化和负载扰动等不确定性的影响。为克服PI控制器的不足，传统的PID调节器因其技术成熟，在过程控制中得到了广泛的使用，但对一些复杂、时变系统，因PID的参数不易于实时在线调整，所以应用中会影响系统控制品质。因此将其与神经网络控制相结合，形成神经网络PID控制。神经网络作为一种新的控制策略已有了广泛的应用，但是对单纯使用神经网络的控制方法的研究有待进一步发展，通常需要将人工神经网络技术与传统的控制理论或智能控制技术综合使用。神经网络PID控制器具有收敛速度快、实现简单、初始权值和结构有规律等优点。本设计将神经网络PID控制器应用于永磁同步电机的速度控制，以达到更好的预期效果。

二单神经元控制器的结构及其算法

单神经元PID控制结构图如下图所示：

图4-1(a)单神经元PID控制结构图

图4-１(b)单神经元PID控制结构图

由图可得输出量为：

(4-1)已知增量式PID控制规律的差分方程为：

(4-2)

取神经元输入分别为：

x1=e(k)-e(k-1),

x2=e(k),

x3=e(k)-2e(k-1)+e(k-2),(4-3)

则网络输出为：

u(k)=

(4-4)

在该控制算法中：xi(k)的物理意义是：是系统误差的累计，是反应了系统误差，是反应了系统误差的一阶差分，、、分别相当于积分项、比例项和微分项，其大小随着误差的变化而调整，可以理解为参数动态可调的PID控制器。此神经元的学习算法，其权值的调整与神经元的输出结果无关，权值的变化与输入的学习信号的大小成正比，只要在学习过程中实际值不超过期望的输出误差就可以停止学习。

与PID增量式对比，可发现权系数分别对应于因此通过调整可以实现PID参数的自适应调整。本系统中，神经元PID控制器的输入和输出对应物理量

在神经元学习过程中，权系数的学习规则为：(4-5)

式中：——比例、微分、积分学习速率。

为保证控制学习算法的收敛性和鲁棒性，须对学习算法进行规范处理，单神经元自适应控制器是通过对加权系数的调整来实现自适应、自组织功能，具体实现步骤为：

(4-6)

(4-7)

(4-8)

(4-9)

(4-10)

分别为积分、比例、微分的学习速率，K为神经元的比例系数，K0。对积分I、比例P、微分D分别采用了不同的学习速率()，以使对不同权的系数分别进行调整。

三单神经元控制器的实现方法

在设计中,单神经元控制器的功能是利用DSP的软件来实现的,神经元的控制算法的基本控制步骤如下：

第一步：对状态量进行变换，计算x1、x2、x3。

第二步：设定系统允许误差。

第三步：计算输出值。

第四步：期望值与实际值误差在允许的范围内吗？

第五步：若误差在允许的范围内，则输出计算值。

第六步：若误差大，超出设定的允许范围，则重新更新权值后，返回到第三步。

上述单神经元控制方法采用程序来实现。

四仿真实验

在交流伺服电动机控制系统的仿真过程中，在MATLAB软件仿真环境下，首先建立了永磁同步电动机、逆变器的数学模型。结合电机矢量控制系统的工作原理，建立单神经元的控制器模型，在此模型中对神经元控制器进行了程序设计。

图5-1PMSM仿真系统图

在建立永磁同步电机数学模型时，首先对电机的结构进行设定，假设电机的定子绕组为Y型连接，定子的磁场是正弦分布，不考虑谐波及饱和，忽略涡流和磁滞损耗[19]。转子