永磁直线同步电机直接推力控制神经网络自适应PI速度控制器设计

永磁直线同步电机直接推力控制神经网络自适应PI速度控制
器设计
崔磊磊;张宏伟;邵帅帅
【摘要】提出了一种基于人工智能技术的自适应PI速度控制器来改进经典的永磁直线同步电机直接推力控制(DTFC)系统的性能.所提出的方法是应用反向传播(BP)的神经网络(N-N)来调整经典的比例积分(PI)速度控制器参数.并将传统的PI速度控制器设计方法与提出的方法进行了仿真对比.仿真结果表明,传统的DTFC控制策略基于该方法提出的N-N速度控制器可以实现更高的性能,具有响应速度快、超调量小以及鲁棒性等特点.
【期刊名称】《制造业自动化》
【年(卷),期】2019(041)003
【总页数】5页(P109-112,125)
【关键词】BP神经网络;永磁直线同步电机;直接推力控制;速度控制器;自适应PI控制器
【作者】崔磊磊;张宏伟;邵帅帅
【作者单位】河南理工大学电气工程与自动化学院,焦作454000;河南理工大学电气工程与自动化学院,焦作454000;河南理工大学电气工程与自动化学院,焦作454000
【正文语种】中文
【中图分类】TM351
0 引言
永磁直线同步电机（Permanent Magnet Linear Synchronous Motor，PMLSM）控制技术主要有三种控制方式，变压变频控制（Variable Voltage Variable Frequence，VVVF）、磁场定向矢量控制技术（Field Oriented Control，FOC）和直接推力控制技术（Direct Thrust Force Control，DTFC或DTC）[1,2]。

永
磁同步旋转电机控制的是转速和转矩，而PMLSM控制的是直线线速度和推力[3,4]。

DTFC是在FOC之后的又一高性能交流调速技术。

它与FOC的不同之处在于采用了不同的解耦控制方法。

DTFC采用空间电压矢量分析的方法，在定子侧建立的坐标系下通过推力和磁链的估算，来达到控制的效果，控制方式简单明确，不过度依赖于复杂的坐标变换。

但DTFC也有非常明显的缺点，即磁链和推力存在脉动问
题[5,6]。

随着控制技术的不断发展，大量的前沿技术应用到DTFC中来提高系统的性能。

文献[7]中讲述了一种无速度传感器永磁同步电机的SVM-DTC控制方法。

文献[8]中提出了一种基于模糊模型的直接转矩控制方法，并运用到新能源电动汽车中。

文献[9]中讲解了滑模控制在永磁电机中的应用。

以上研究大多数是基于改进磁链以及推力控制器研究，关于PI速度控制器的研究
很少，本文正是基于这样一个目的，使用神经网络自适应学习的功能来调节PI控
制器，改进永磁直线电机DTFC控制系统中传统的速度PI控制器，对系统的稳定
性以及响应速度进行改善。

1 PMLSM的DTFC系统模型
1.1 PMLSM模型
永磁直线同步电机是由永磁同步电机演变过来的，模型的建立可以参考旋转永磁电
机的数学模型[10]，PMLSM在旋转坐标系下电压方程式如下：
式中：ud和uq分别为d、q轴等效电压；id和iq分别为d、q轴电流；Ld和
Lq分别为d、q轴等效电感；R为PMLSM绕组的电阻；ωe是PMLSM电角速度；ψf是PMLSM永磁体磁链。

PMLSM的电磁推力计算公式为：
其中：Fe为PMLSM输出电磁推力；Pn为PMLSM极对数；τ为PMLSM极距。

1.2 DTFC系统建模
直接推力控制是以推力为被控量，使用空间矢量的分析方法，用定子磁场定向的控制方式，对定子侧的磁链以及电磁推力进行直接控制。

PMLSM直接推力控制不需要复杂的坐标变换与计算，直接控制电机的电磁推力，控制结构简单，系统鲁棒性好。

1.2.1 定子磁链的估算模块
本文采用磁链估计的电流模型法，在dq坐标系下估计磁链分量：
通过旋转坐标变换得到α-β坐标系下磁链分量：
与电压模型法相比，电流模型不受电阻影响，但需要实时测量转子的位置角θ。

定子侧合成磁链矢量公式：
1.2.2 2s坐标下电磁推力的计算模块
定子侧电磁推力估算公式可以用估算得到的磁链以及采样电流来计算，如下式：
1.2.3 传统的永磁同步直线电机直接推力控制PI速度控制器（ASR）
经典的直接推力控制系统采用速度外环与推力内环，外环的速度变化经过PI控制器作用引起内环推力的期望变化，PI速度调节器的作用是根据给定速度与反馈速度的差值来计算输出的推力大小，从而实现调速控制。

依据动力学原理，推力到速度之间开环传递函数相当于一个积分环节，考虑到速度反馈具有一定的滤波时间常数，用推力环的近似传递函数代替推力环，并且速度环中存在两个小的惯性环节Tw和Ti，令T1=Ti+Tw，结合PMLSM动子的机械运动方程式，速度环的闭环控制方框图如图1所示。

图1 直接推力控制系统传统速度PI控制框图
速度的变化会影响系统稳定性，因此引入PI调节器，将系统配置为Π型系统，经PI校正后ASR的开环传递函数为：
速度环PI控制器是通过经验公式的计算来确定参数的范围，然后经过在线调试，最终选定较理想的参数值。

1.2.4 磁链和推力滞环调节
由DTFC基本原理可知，最终要根据推力、定子磁链调节器的输出以及定子磁链的位置角来确定逆变器输出合理的开关状态。

在直接推力的控制中，通过设定推力滞环比较器来控制定子磁链按照近似圆形的轨迹运行。

图2 直接推力控制流程图设计
2 基于神经网络的速度PI控制器设计
神经网络和PID控制技术的结合，实际上可以归类为智能PID控制器一类，其基本思想是利用神经网络的自我学习能力和非线性函数逼近能力，按照给定的最优指标，在线的调整PID控制器的参数，使控制器适应控制对象参数以及结构和输入参数的变化，同时能够抵御外来扰动的影响，解决常规PID不能解决的问题，是
一种较成熟的自整定技术。

基于神经网络的PMLSM直接推力控制系统自适应PI速度控制器设计，就是利用神经网络来学习系统性能，并通过自身调整实现最佳组合的PID控制，从而达到
参数自整定的目的。

2.1 增量式PI控制算法
当采样周期很小时，离散的数字增量式PI控制器通常会取代传统的连续性PI模型，根据递推原理可得[11]：
式中：u（k）是离散化的控制器输出；e（k）是离散化的控制器输入；Kp、Ki分别是增量式PI控制器的参数。

2.2 改进的神经网络的速度控制器结构
改进的神经网络速度控制器是由两部分构成。

一部分是经典的PI控制器机构，直
接对被控对象进行控制，通过调整Kp、Ki参数来使得系统达到满意的控制效果。

另一部分是由神经网络构成，根据系统每一时刻的运行状态，实时在线的调整PI
控制器的参数，以期达到某种设定指标的最优化。

采用如图3所示的控制系统结构，使得输出层神经元输出的状态对应PI控制器的可调参数，通过神经网络的学
习能力在线的加权调整，使PI控制器输出对应系统各时刻的基于某种指定的最优
控制规律下的稳定状态所需要的PI控制器参数[12]。

图3 基于神经网络的PI控制结构图
2.3 神经网络的选择
本文采用传统的3层BP神经网络结构，输入层神经元个数可根据被控系统的复杂程度选取，一般可从如下参数选取，系统输入、系统输出、系统误差和误差变化量。

隐含层神经元个数一般按照经验选取，输出层的神经元个数为2，输出分别为Kp、Ki，对应PI控制器的参数。

取神经网络学习的性能指标函数为：
采用梯度下降的方法修正网络的权系数，并附加一个惯性项使搜索快速收敛到全局最小，BP神经网络输出输入层权值计算公式：
其中：η为学习率；α为惯性系数。

具体的BP神经网络算法步骤如图6所示BP神经网络PI控制算法流程图。

图4 BP神经网络PI控制算法流程图
3 永磁直线电机直接推力控制系统仿真分析
使用MATLAB搭建永磁直线电机直接推力模型，使用BP神经网络改进的PI速度控制器算法与传统的速度PI算法进行仿真对比。

本文的PMLSM驱动系统的具体参数如表1所示。

表1 PMLSM仿真参数表电机参数及符号值（单位）电机参数及符号值（单位）磁极对数Pn 8 交轴电感Lq 52.02mH定子绕组Rs 7.9Ω 单元次级重量M 5.1kg 永磁体磁链Ψf 0.655 极距τ 22.5mm直轴电感Ld 52.02mH 额定速度V 0.3m/s 采用变步长ode23（Bogacki-Shampine）算法，仿真时间0.15s，额定速度设定为1m/s，在0.1s时施加扰动Fl为150N，仿真结果如图5所示。

经磁链估算结果对比中可见，采用改进的神经网络PI控制器更有助于提高定子磁链的输出精度，且有效减小了合成磁链的脉动变化。

经控制器输出的推力变化曲线对比可知，改进的PI控制器输出的推力变化能够有效的抑制扰动变化，并且能降低推力的输出脉动。

经反馈的系统速度仿真曲线对比可知，改进的PI控制器在0.1s扰动作用时，能更快的回复正常，且稳态误差小，具有较强的抗干扰能力。

图5 普通PI与神经网络PI速度控制器合成磁链图（单位Wb）
图6 普通PI与神经网络PI速度控制器输出推力变化曲线图（单位N）
图7 普通PI与神经网络PI实际速度变化曲线图（单位m/s）
4 结束语
本文设计了一种永磁直线同步电机直接推力控制下的BP神经网络自适应PI速度控制器，并搭建了仿真模型与传统PI控制器进行对比仿真。

仿真结果表明，改进的PI控制器与传统的PI控制比较，能加快系统的响应，有效的抑制扰动和改善磁链以及推力脉动，提高了系统的鲁棒性。

参考文献：
【相关文献】
[1] 张宏伟,康润生,王新环,王福忠.基于神经网络的永磁直线同步电动机推力波动补偿的仿真研究[J].电机与控制学报,2004(04):299-302,385.
[2] 袁雷.现代永磁同步电机控制原理及MATLAB仿真[M].北京航空航天大学出版社,2016.
[3] 程兴民.永磁直线同步电机直接推力控制研究[D].沈阳工业大学,2015.
[4] 王军.永磁同步电机智能控制技术[M].西南交通大学出版社,2015.
[5] 牛峰,李奎,王尧.永磁同步电机模型预测直接转矩控制[J].电机与控制学报,2015,19(12):60-67,74.
[6] 樊明迪,林辉,吕帅帅.一种抑制PMSM-DTC周期性转速脉动的方法[J].电机与控制学
报,2013,17(09):73-78,85.
[7] 李君,李毓洲.无速度传感器永磁同步电机的SVM-DTC控制[J].中国电机工程学报,2007(03):28-34.
[8] Justo,JJ;Mwasilu,F;Kim,EK;Fuzzy Model Predictive Direct Torque Control of IPMSMs for Electric Vehicle Applications [J].IEEE-ASME TRANSACTIONS ON MECHATRONICS,2017，22(4);1542-1553
[9] Lingnan Meng. Comparative Analysis of Direct Torque Control and DTC based on Sliding Mode Control for PMSM Drive[A]. 东北大学、IEEE新加坡工业电子分会、中国自动化学会信息物理系统控制与决策专业委员会.第29届中国控制与决策会议论文集（3）[C].东北大学、IEEE新加坡工业电子分会、中国自动化学会信息物理系统控制与决策专业委员会,2017:6. [10] 司纪凯.永磁直线同步电机建模、特性分析及推力控制[M].中国矿业大学出版社,2014.
[11] 刘金琨.先进PID控制及其MATLAB仿真[M].电子工业出版社,2004.
[12] 李献.MATLAB/Simulink系统仿真[M].清华大学出版社,2017.。