word版本hslogic_两变频调速电机系统的神经网络逆同步控制

合集下载

基于PLC的两电机同步系统的神经网络逆控制

基于PLC的两电机同步系统的神经网络逆控制
p r n ss o t a h wo mo o y c rn u y tm r e o pe a e n an u a ewo k iv res s ei me t h w h tt et - t rs n h o o ss se a ed c u ldb sd o e r l t r n es y — n
me iss a i t u h a ,smp es r c u e h a e o p r to r t b l y s c s i l t u t r ,t e e s fo e a i n,t eman e a c o t s i e p n i e a d S n t i h i t n n e c s x e s v n O o . i n Th l ~ a i b e ,n n i e r t o g y c u ld,t — t rs n h o o s c n r l y t m st e r s a c b e mu t v ra l s o l a ,s r n l o p e i n wo mo o y c r n u o t o s e wa h e e r h o — s
s se a dt e ie rco e —o pa j so sd sg e oc n rle c ft es se .Th e ut fe — y tm,n h n al a ls d lo d u t rwa e in d t o to ah o h y tms n ers l o x s
c mb n n twi h wo mo o y c r n u y t m t e f s u o l e r s s e wa o l t d Na l o iig i t t e t — t r s n h o o s s se i l ,a p e d —i a y t m s c mp e e . h s n me y t — t r s n h o o s s s e wa e o p e n o t n e e d n i e r s b y t ms s e d a d t n in s b wo mo o y c r n u y tm s d c u ld i t wo id p n e t l a u s s e : p e n e t u — n o

PWM变频调速多电机同步传动系统控制系统毕业设计

PWM变频调速多电机同步传动系统控制系统毕业设计

PWM变频调速多电机同步传动系统控制系统摘要:本设计给出了一种用PWM变频调速控制系统,用来控制多台普通三相交流异步电机。

该控制系统用8031单片机最小系统,以及HEF4752大规模继承芯片来实现,产生的控制信号用来控制逆变元件的开关,从而产生可以调整的PWM信号来控制交流电机,完成对多台电机实现同步传动的控制,它既可以统一控制,又能微调各个电机。

该系统具有工作可靠,调节范围宽,控制精度高,同步效果好的特点,本文给出了它的硬件组成电路以及控制程序的流程软件设计。

关键词:PWM 变频调速控制多台电机Multi-motor synchronous PWM inverter driving system controlsystemAbstract: This introduced a PWM frequency control system which can be used to regular the speed of some electrical electromotor. This system used MCS-51 SCM and HEF4752 PWM chip which can make control signal to control the system. And the PWM signal produced by them can control whether the switch is open or close in this way, the PWM signal feed to the electromotor can be produced .Moreover the signal can be controlled. The system can control both single electromotor or several electromotor. The strongpoint of the system is that: reliable, wide control, high-precision. This article gives the composition of its hardware and circuit design software flow control procedures.Key Word:PWM Frequency conversion modulates velocity The multi-motor synchronization毕业设计(论文)原创性声明和使用授权说明原创性声明本人郑重承诺:所呈交的毕业设计(论文),是我个人在指导教师的指导下进行的研究工作及取得的成果。

基于神经网络的感应电机变频调速系统控制与设计

基于神经网络的感应电机变频调速系统控制与设计

基于神经网络的感应电机变频调速系统控制与设计作者:陈钦炫来源:《科技创业月刊》 2016年第3期陈钦炫(广东省建东工程监理有限公司广东广州510500)摘要:神经网络逆系统是最近发展起来的一种全新的非线性控制方法,利用神经网络逆系统的方法构建出感应电机的数学模型,能高精度地控制电机变频调速系统。

在实际操作中,作者通过Matlab仿真对其进行研究分析,结果表明,尽管感应电动机变频调速系统复杂多变,常遇到非线性、快速多变、难以建模等问题,但是通过神经网络逆系统对其控制的效果却非常理想。

基于此,文章通过设计神经网络逆系统的方法,对感应电机变频调速系统控制的数学模型设计进行深入分析。

关键词:神经网络逆系统;感应电机;数学模型;控制系统中图分类号:TM346文献标识码:Adoi:10.3969/j.issn.1665-2272.2016.03.045 0引言传统的系统控制方法难以在实际系统中找到数学模型,而数学模型的准确性直接影响控制系统的品质,由于实际系统本质复杂多变,很难找到描述适合的模型,因此非线性系统就更加难以完成。

基于此,专业人员将神经网络逆系统引入到感应电机调速系统,神经网络适应能力强,在非线性和不确定的系统中,神经网络逆系统能够在实际应用中达到较好的效果。

在本文中,笔者将逆系统和神经网络结合,组成神经网络逆系统控制器,对其数学模型进行可逆性分析,通过BP网逼近对象的α阶逆系统,和对象连接起来,组成了一个复合伪线性系统进行控制研究。

在仿真中,通过神经网络逆系统的方法,分别在空载/满载、突加/突减负载、阶跃响应的工况下,对感应电动机变频调速系统控制分析,和传统的控制方法相比,神经网络逆系统的控制效果非常理想。

1神经网络逆系统方法概述应用反馈线性方法是神经网络逆系统控制的本质,该技术能够解决非线性、多变量、强耦合系统的线性化解耦等问题。

在处理确定的系统时,神经网络会利用反馈方法来解决原系统的“α阶积分逆系统”等问题,这些可用的反馈方法由对象的模型生成,将所有对象改为一个规范化系统,这些系统是线性传递关系并且已经被解耦的,再用这些设计理论来解决伪线系统的综合问题,其整个运行流程就是逆系统的基本思想。

基于神经网络的多电机同步控制

基于神经网络的多电机同步控制

基于神经网络的多电机同步控制在造纸、印染、纺织等高精度、高转速传动系统中,随着工业自动化程度的提高和生产规模的扩大,采用单电机驱动往往难以满足生产的要求。

而多电机同步控制历来是最核心的问题,对多电机同步协调控制,国内、外同行也有不少研究。

在实际应用中,多电机的同步性能会因各传动轴的驱动特性不匹配、负载的扰动等因素的影响而恶化,因此同步控制方法的好坏直接影响着系统的可靠性。

本文通过对的多电机同步传动系统主要控制策略分析,得出改进的耦合控制是当前比较好的控制思想,实际应用中采用易于实现的PID作为同步补偿控制器算法。

但传统PID控制器结构简单、鲁棒性较差且抗扰动能力也不太理想。

因此在控制策略上,采用神经网络控制和PID控制算法相结合的方法。

仿真结果表明,将该方法用于多电机同步控制中,不仅具有良好的动态性能,而且整个系统同步精度也有所提高。

2 多电机同步控制的原理对于多电机同步控制系统来说,实现的是电动机转速的跟随,受到扰动的电动机转速是变化的,其它的电动机跟随这台电动机的转速变化。

在系统受到扰动后的初始状态,电动机之间的转速趋于同步越快越好,即应尽快消除转速偏差;当电动机之间的转速趋于同步时,要尽量减小转速发生超调。

一般情况是要求系统中的第i台电动机转速vi和第i+l台电动机转速vi+1,之间保持一定的比例关系,即vi=a·vi+1以满足系统的实际工艺要求。

这里a为转速同步系数。

在实际运行过程中若要满足系统的同步要求,周期采样获取某一环节的前台电动机转速vi和后台电动机转速vi+1后,vi和vi+1按下式定义转速同步偏差时,表明在同步系数a下,vi和vi+1同步,当e≠0时,表明在同步系统aF,vi和vi+l不同步.在本文中采用改进的耦合同步控制系统(如图1),各电机采用同一电压给定的基础上,电机l转速误差△v1=v1—vfb1,电机2的转速误差△v2=v2一vfb2,计算某一电机实际速度和给定速度的偏差e,以及当前的偏差变化量△e,同步控制器补偿同样采用PID控制。

采用神经网络控制的永磁同步电动机调速系统

采用神经网络控制的永磁同步电动机调速系统

D驱 动 控 制 ri v e a n d c o n t r o l
种逼近 ,由于采用的是全局逼近的方法 , 因而 B P 网 络具有较好的泛化能力 ,但是其目标函数 E 是关于 连接权的一个非常复杂的超曲面 , 这就给寻优计算 带来一系列的问题 。其中一个最大的问题是收敛速 度慢 。第二个严重缺陷是局部极值问题 , 即 E 的超 曲面可能存在多个极值点 , 按照上面的寻优算法 , 它 一般收敛到初值附近的局部极值 。为此采用改进后 的附加动量法 , 其权值调节公式为 : ω ( k + 1 ) = ω ( k ) +α[ ( 1 - η) D ( k ) +η D ( k - 1) ] η < 1。所加入 其中 :α为学习率 ,η为动量因子 , 0 ≤ 的动量项实质上相当于阻尼项 , 它减小了学习过程 的振荡趋势 , 改善了收敛性 。
(上接第 31 页 )
参考文献
[1] 辛洪兵 , 郑伟智 . 谐波电机的原理及特点 [ J ]. 机械设计与研
[ 5 ] M. H 伊万诺夫著 , 沈允文 , 李克美译 . 谐波齿轮传动 [M ]. 北
京 : 国防工业出版社 , 1987
究 , 2003, 19 ( 2) : 69 ~70
[2] 郑伟智 ,压电谐波电机的研究 [ D ]. 北京工商大学硕士学位论
微特电机 2006 年第 6 期
( 3 ) 将电机改为凸极机 , 即令 L d = 8. 8 mH , L q =
6. 5 mH ,转速阶跃给定为 500 rad / s时的仿真 ,如图
( 2 ) 空载起动至稳速后突加额定负载的仿真 , 如图 6 所示 。
5结 语
由两种控制方式的比较结果可以看出 , 采用神 经网络 P I调节器的调速系统具有更好的起动性能 、 动态性能和鲁棒性 , 能够更好地满足系统在各种变 化情况下对高精度的要求 。 参考文献

可编程逻辑控制器变频调速系统神经网络逆控制

可编程逻辑控制器变频调速系统神经网络逆控制

Fr q n y Sp e r g a i g Sy tm e ue c e d・e ul tn se
WANG —i n Fu la g, L U o— a , KANG i I Gu h i Me
( c ol f l tcl n noma o n , J n s n , Z ej n 0 , hn ) Sh o o e r a a dIf t nE g , i gu U i , h ni g2 C ia E ci r i a v a 1 1 2 3
vr r o ee, o ecm l a dcnrl bet,h e om nei nt odeog eth ed fp e— et .H w vr frh o pi t ot jc te r r a c o go uht m e tene s ed e t ce oo s pf s n o os
w d l s d i h ai b e fe u n y s e d- g l t g s se w ih c n it o n i d ci n mo o n e ea n- i ey u e n t e v r l r q e c p e -e u ai y tm h c o ss fa n u t t ra d a g n r li - a r n s o
( 苏大 学 电气信 息工程 1 0 3
要: 神经 网络逆 系统方法是近年来 提 出的一 种新型 的控 制算 法 , 它结合 了神 经 网络与 逆系 统的优
点, 使其具有很强 的应用 价值 。可编程逻辑控制器 ( L 以其优异 的性 能在变频器加异步 电机构成 的变频调 P C) 速 系统 中得 到 了广泛的应用 , 但对于异步 电机这一复杂 控制对 象 , 要进一步 提高其 控制性能 。使 用神经 网 需

两电机变频系统神经网络广义逆解耦控制

两电机变频系统神经网络广义逆解耦控制

两电机变频系统神经网络广义逆解耦控制刘平原刘国海沈跃王富良江苏大学摘要:两电机变频调速系统是一个MIMO非线性强耦合的控制系统。

神经网络广义逆控制方法不但可以实现MIMO系统的线性化与解耦,而且通过合理地调节广义逆系统的参数,可以使解耦后的SISO系统具有开环稳定的特性,从而有利于系统的综合。

对变频器工作在矢量控制方式下的系统数学模型进行广义逆存在性分析,进而导出系统的广义逆数学表达式。

进一步构造神经网络广义逆系统串联在两电机系统之前,组成基于广义逆的伪线性复合系统。

分别研究了伪线性复合系统的开环特性和闭环特性,仿真结果表明神经网络广义逆控制方法不但可以实现系统速度张力的解耦控制,而且可以使伪线性化后的速度和张力子系统开环稳定,附加闭环控制器的问题就迎刃而解。

关键词:神经网络广义逆解耦张力控制Decoupling Control of Two Motor Variable Frequency SystemBased on Neural Network Generalize d InverseLiu Pingyuan Liu Guohai Shen Yue Wan g FuliangAbstract:Two motor variable frequency speed-regulating system is a MIMO,nonlinear, and high coupling control system.Being rightly designed,the generalized inverse can transform the MIMO nonlinear system into a number of SISO linear subsystems with open-loop stability,and then benefits the integration of this tension control system.The generalized reversibility of this two motor system working on vector control mode was testified.Consequently,a pseudo-linear system was completed by constructing a neural network generalized inverse system and combining it with two motor system.Both the open-loop and the closed-loop characteristics of this pseudo-linear system were analyzed by simulation.The simulation results demonstrate that decouping control with open-loop stability of speed and tension can be reached by neural network generaliz ed inverse control method.Keywords:neural network generalized inverse doupling t ension control1 引言多电机变频调速系统在现代工业生产中得到了广泛应用,高性能的同步协调控制可以提高纺织、冶金、机械、造纸、印刷等行业产品的质量和成品率。

基于神经网络设计的永磁交流同步电机的控制系统

基于神经网络设计的永磁交流同步电机的控制系统

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P I控制器的不足,传统的P I D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P I D 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PI D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P I D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P I D 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。

正弦波永磁同步电机双闭环变频调速系统及控制综述

正弦波永磁同步电机双闭环变频调速系统及控制综述

正弦波永磁同步电机双闭环变频调速系统及控制综述摘要本文首先阐述了永磁同步电机优点及,然后分析永磁同步电机的(PMSM)数学模型,阐述了正弦波永磁同步电动机双闭环变频调速的原理。

利用Matlab/Simulink设计出一种基于SPWM的PMSM双闭环变频调速系统的改进仿真模型,分析了永磁同步电机在恒转速变转矩情况下的动态响应,并对其仿真结果进行验证。

最后通过观察Matlab的仿真波形结果,对正弦波PMSW双闭环变频调速系统进行进一步的研究。

关键词永磁同步电动机(PMSM);变频调速;双闭环;SPWM前言永磁同步电动机有着损耗低、温升低,很高的效率,维修起来非常简单,并且功率因数很好等长处[1]。

尤其交流伺服系统中一直受到好评[2]。

永磁同步电机在伺服系统和高性能的调速系统中很常见。

永磁同步电动机的转子磁链是个定值。

永磁同步电机在调速技术的发展非常多,主要是电力电子技术的应用,当前传感器技术方面,常用的自动控制技术等。

电动机主要部分是驱动部分,目前最受欢迎的功率器件必须是MOSFET和IGBT。

他们有着响应速快,更加容易使用的优点。

当然提到变频调速离不开经常要用的PWM和SPWM等方法的调制。

永磁同步电动机调速系统的控制很复杂,因此,在研究调速系统时,大多利用MATLAB软件仿真。

我们利用MATLAB软件提供的仿真工具SIMULINK对PMSM的变结构控制系统进行了可靠的仿真试验。

仿真我们要的理想的波形,因此,需要对分析变频调速系统尽心分析,对可能影响波形的参数进行调参数,最后得到我们需要的参数。

1 永磁同步电机的数学模型建立及基本方程利用坐标系建立一套数学模型主要是对永磁同步电机深入分析,因为需要它来分析电动机稳定时的各种性能。

我们假设:定子绕组电流为三相对称正弦波,忽略其高次谐波、铁心饱和、涡流和磁滞损耗及温度对电机参数的影响、转子无阻尼绕组、相绕组中感应电动势为正弦波。

则在坐标系下PMSM数学模型[3]可表示如下:2 正弦波PMSM双闭环变频调速的基本原理正弦波PMSW变频调速在基频以下工作在恒转矩工作区,使使用最简单的方法就是让定子电流部分的励磁分量为零。

基于神经网络的感应电机自适应逆控制

基于神经网络的感应电机自适应逆控制

12a / , = W 。本 章 用 于 自适 应 建 模 和 逆 建 模 的 神 经 网 5 rds 2 b
络 都选 为 四层 , 含层 均含 有 8个 神 经 元 。 自适 应 电机 模 型 是 隐
a ,() )1 ‘ a Ⅱ1
aⅡ ,

A( Ⅱ , )=
ay ( ) 2‘


一。 m ‘【 ‘ X3 鲁 2 ・ ( 鲁・ j )

O ul
au 2
A( u 非奇异 , , ) 相对 阶为 =( ,) 且 , = 11 , + 2=n 因此 , ,
矢量控制理论 利用 坐标变 换 , 达到 对感 应 电机 的磁链 和转 矩控制 , 在磁场 电流恒 定 时 , 过控 制转矩 电流 可 以获得 与直 流 通 电机 同样优 良的静动 态性 能。但是矢 量控 制方 法对 电机 的参数
I移^ O 一 ) 扣 r -  ̄ -


依赖性很大 , 电机本 身看 , 从 其参数具有 一定的时 变性 , 矢量控制 对参数变化的敏感性使得实 际系统难 以保 证完全解耦 , 实际控制
直 到满 足 要 求 为 止 。
3 仿 真 研 究
通过 MA L B进行计算 机仿 真 , 真所用 的电机参 数如 下 : TA 仿 感应电机参数为 : .7 L = . 7 L 0 4 2 R :36 L :04 H, 0 4 H, : . 5 H, . 0,
R : ./, = . 1km , 005 m ,L 0 1 ・nn = , 802 005g B= .0N sT : .N r, 2o J g
异步 电机变频调速 系统满足 可逆 的充要条件 , 系统存在 。 逆

恒压频比变频调速系统的神经网络逆控制_戴先中

恒压频比变频调速系统的神经网络逆控制_戴先中

第25卷第7期中国电机工程学报V ol.25 No.7 Apr. 20052005年4月Proceedings of the CSEE ©2005 Chin.Soc.for Elec.Eng. 文章编号:0258-8013 (2005) 07-0109-06 中图分类号:TM921 文献标识码:A 学科分类号:470⋅40恒压频比变频调速系统的神经网络逆控制戴先中1,刘国海2,张兴华3(1. 东南大学自动控制系江苏省南京市 210096;2. 江苏大学电气信息工程学院,江苏省镇江市 210013;3. 南京工业大学,江苏省南京市 210000)NEURAL NETWORK INVERSE CONTROL OF V ARIABLE FREQUENCYSPEED-REGULATING SYSTEM IN V/F MODEDAI Xian-zhong 1,LIU Guo-hai 2,ZHANG Xing-hua3(1. Dept. of Automatic Control, Southeast University, Nanjing 210096, Jiangsu Province, China; 2. School OfElectrical And Information Engineering, Jiangsu University, Zhenjiang 212013, Jiangsu Province, China3. Engineering University of Nanjing, Nanjing 210000,Jiangsu Province, China)ABSTRACT: The induction motor feeded by a general and low-cost inverter in V/f mode, named as a variable frequency speed-regulating system in V/F, is widely used and its control performance is not good enough to meet the needs of speed-regulating. So it is useful to improve its control performance without changing the original structure of variable frequency speed-regulating system. Considering the induction motor and the inverter as a whole controlled object, this paper gives the mathematic model of the variable frequency speed-regulating system in V/f and its inverse model with or without compensation. Constructing a neural network inverse and combining it with the variable frequency speed-regulating system in V/f complete a pseudo-linear system. Then a linear close-loop adjustor is design to obtain the good speed- regulating performance. Results of experiments demonstrate that speed-regulating performances can be greatly improved using this simple method.KEY WORDS: Induction motor; Inverter; Neural network; Inverse control摘要: 采用以恒压频比方式工作的通用变频器来直接驱动感应电机在工业生产领域中应用很广泛。

两电机调速系统的神经网络逆在线调整控制

两电机调速系统的神经网络逆在线调整控制

两电机调速系统的神经网络逆在线调整控制
薛剑锋;刘国海;赵筱赫
【期刊名称】《电力电子技术》
【年(卷),期】2009(43)5
【摘要】针对MIMO非线性强耦合的两电机变频调速系统,在基于神经网络逆系统离线训练的基础上提出了在线调整的策略,通过静态神经网络加积分器来构造两电机变频调速系统的逆模型,在实际运行中不断地修正神经网络权值,更精确地逼近其逆系统,实现MIMO系统的线性化与解耦.仿真和实验结果表明,系统具有优良的动静态解耦性能和较强的抗负载扰动的能力.
【总页数】3页(P42-44)
【作者】薛剑锋;刘国海;赵筱赫
【作者单位】江苏大学,江苏,镇江,212013;江苏大学,江苏,镇江,212013;江苏大学,江苏,镇江,212013
【正文语种】中文
【中图分类】TM301.2
【相关文献】
1.基于内含传感器的两电机调速系统神经网络r左逆张力辨识 [J], 刘国海;陈杰;赵文祥;袁骏;徐亮
2.两电机调速系统神经网络广义逆在线调整控制 [J], 刘国海;薛剑锋;康梅;刘平原
3.感应电机调速系统模糊神经网络逆鲁棒控制 [J], 滕成龙;刘国海;廖志凌
4.异步电机变频调速系统的神经网络逆系统控制 [J], 张浩;刘国海
5.感应电机调速系统的神经网络逆在线调整控制 [J], 胡子健;刘国海
因版权原因,仅展示原文概要,查看原文内容请购买。

两电机同步系统的神经网络控制

两电机同步系统的神经网络控制
两部 分组 成. 两个 自适 应 PD控 制 器分 别对速 度控 制 回路 和 张力控 制 回路 进行 自适应控 制 , 系统 I 使
具有更强的适应能力、 更好 的实时性和鲁棒性 ; 神经元解耦补偿 器综合两控制 回路 的耦合作用, 通 过训 练 网络权值 , 补偿 各 回路之 间的耦合 影 响 , 实现速 度和 张 力的 解耦 . 试验 结果表 明 : 用神 经 网 采
p e e t d c mb n d w t t n ni e r ma p n n d p ie a d s l l an n a a i t s T e n u a r s n e o i e i i o l a p i g a d a a t n ef e r i g c p b l i . h e r l h s n v - ie
络 控 制方 法 可以 实现 两电机 同步 系统 中速 度 和 张力 的解耦 控 制 , 系统具 有 良好 的动静 态性 能. 关键 词 :感应 电机 ; 经 网络 ;R F网络 ;自适应 控制 ;解耦控 制 ; 度 ; 力 神 B 速 张
中图分 类号 : P 7 T23 文献标 志码 : A 文章 编号 :17 7 7 ( 0 8 0 0 4 6 1— 7 5 2 0 ) 3— 2 0—0 4
Absr c t a t:On t a i fmo e n l ss o he t — t rs nc r no s s se ,a c r i g t he sr cu— he b ss o d la ay i ft wo moo y h o u y tm c o d n o t tu t r lc a a trsi n o to e u s ft y t m ,a n w o to tae y b s d o e r ln t r s i a h r ce it a d c nr l r q e to he s se c e c nr lsr tg a e n n u a ewo k s

两电机调速系统神经网络广义逆在线调整控制

两电机调速系统神经网络广义逆在线调整控制

两电机调速系统神经网络广义逆在线调整控制
刘国海;薛剑锋;康梅;刘平原
【期刊名称】《电机与控制学报》
【年(卷),期】2009(013)004
【摘要】针对多输入多输出(MIMO)非线性强耦合的两电机变频调速系统,对系统数学模型进行广义逆存在性分析,推导出系统的广义逆数学表达式,进一步构造神经网络广义逆系统串联在两电机系统之前,组成基于广义逆的伪线性复合系统,实现MIMO系统的线性化与解耦.在神经网络逆系统离线训练的基础上提出在线训练的控制方法,在电机的运行过程中对网络进行在线训练,不断修正网络权值,使网络适应环境的变化,增强其鲁棒性,更精确地逼近其逆系统.实验证明在用PLC作为主控制器的控制过程中,神经网络不断进行自我调整,增强了神经网络的适应性,提高了系统的稳定性和鲁棒性.
【总页数】6页(P511-515,522)
【作者】刘国海;薛剑锋;康梅;刘平原
【作者单位】江苏大学,电气信息工程学院,江苏,镇江,212013;江苏大学,电气信息工程学院,江苏,镇江,212013;江苏大学,电气信息工程学院,江苏,镇江,212013;江苏大学,电气信息工程学院,江苏,镇江,212013
【正文语种】中文
【中图分类】TM343
【相关文献】
1.基于神经网络广义逆的两电机变频系统内模控制 [J], 刘国海;杨官学;沈跃;陈兆岭
2.两电机调速系统的神经网络逆在线调整控制 [J], 薛剑锋;刘国海;赵筱赫
3.感应电机调速系统的神经网络逆在线调整控制 [J], 胡子健;刘国海
4.基于神经网络广义逆两电机同步控制研究 [J], 刘佳;屈宝存
5.两电机变频系统神经网络广义逆内模控制 [J], 刘国海;杨官学
因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第一章前言1.1 课题研究背景与研究意义近年来,随着工业生产自动化技术的不断发展,过去针对一台电机的控制在很多场合已经不能满足时代的需求。

更多的情况是通过控制多台电机去达到指标,那么这就产生了一个新的问题,如何更好地协调运行多电机同步系统是现代工业生产中应用比较广泛探讨的问题。

通过多年的发展,多电机同步系统是现代工业生产中应用比较广泛的电控系统,在工业生产、军事及航空等行业有广阔的应用领域。

高性能的电机同步协调控制可提高纺织、冶金、机械、造纸等行业产品的质量和成品率。

我国目前的张力设备绝大多数仍沿用模拟量张力型直流传动方式,但直流电机存在着性价比差、维护费用高、转速低和容量小等诸多难以克服的缺点,因此使用交流电机来替代直流电机驱动系统已经成为必然。

但是交流电机是高阶、强祸合、非线性的复杂控制对象,这使传统的线性定参数PID控制常常顾此失彼,无法达到满意的控制效果,同时工业生产要求实现张力与速度的解耦控制,这就更增加了控制的难度。

而神经网络α阶逆系统方法是近些年来提出的一种新的控制方法。

它将逆系统的控制思想与神经网络结合起来,使用神经网络构建逆系统模型,再将逆系统与原系统串联构成复合伪线性系统。

此方法不但克服了精确数学模型构建的困难,而且结构简单易于工程实现。

因此采用神经网络α阶逆系统来实现两电机的同步控制具有十分重要的现实意义。

1.2 多电机同步控制技术的发展概述自从1980年Koren提出交叉耦合控制以后,许多科学工作者围绕“多电轴协调控制”展开了进一步研究。

到了90年代,Guo等把双线性理论应用到多电机的控制上,之后Tomizuka 等又把自适应前馈控制策略应用到交叉藕合控制器中,以提高瞬间响应和抗干扰能力。

采用交叉耦合控制能有效地解决各轴之间动态性能不匹配的问题,把最优控制、自适应控制、前馈控制等控制方法应用于线性跟踪取得了一些效果,但遇到非线性跟踪就暴露其局限性。

于是人们采用时变交叉藕合控制器、变增益交叉藕合控制器等来实现这种非线性跟踪控制,取得了一定的控制效果。

在多电机的速度和张力解耦控制中,除了传统的反馈控制以外,主要有如下控制方式:·前馈控制策略1999年,Seok和Seung-Ho等根据实际平均转子速度和参考张力设计前馈补偿器,实现解祸控制,2000年他们又提出了带张力观测的控制器。

·交叉耦合控制2000年,张殿华等用伪对角化方法来设计交叉耦合控制器,使补偿后的系统具有对角占优的特性,实现活套和张力的解祸控制。

·现代控制理论方法1991年Yoshiro等采用最优调节理论实现多变量的活套控制,根据不同的权矩阵计算不同的控制增益。

·分散、子空间方法1997年,Tetsuzo等把分散控制的方法应用到张力控制系统中,设计具有PI结构的自适应控制器来补偿邻近子系统的影响。

·神经网络控制1998年,Luo应用多层神经网络使速度环和张力环隔离,实现速度和张力的半独立控制。

但是以上多种方式都是基于直流电机的,具有很大的局限性。

近年来提出的神经网络a 阶逆系统是由我国学者独创的理论和方法,它与自动控制、人工智能、神经网络理论、计算机科学、模式识别等有密切的关系,是相关学科相互结合与渗透的产物,具有广阔的应用前景。

神经网络a阶逆系统这一先进的控制理论和方法不但在交流调速系统中得到应用,神经网络a阶逆系统不但推动了多电机同步控制技术的发展,而且在其他领域也将这一理论成果转化成经济效益,提高了企业的竞争力。

1.3 仿真软件MATLAB简介MATLAB之所以如此迅速地普及,显示出如此旺盛的生命力,是由于它有着不同于其它语言的特点。

MATLAB的主要特点:·功能强大MATLAB具有功能强大的工具箱,工具箱主要包括核心工具箱和可选工具箱。

核心工具箱中,有数百个内部函数。

其又可分为两类:功能性工具箱和学科性工具箱。

·界面友好,编程效率高MATLAB最大的优点就是代码书写简洁。

其代码非常直观,基本符合理论数学公式的表达,因此在表现形式上更直观。

而且MATLAB语法使用非常自由随意,而且库函数极其丰富,最大程度上方便工程师进行系统的仿真,提供工作效率。

1.4 本课题主要研究内容很多情况下,基于神经网络α逆系统的两电机同步控制多采用PLC组态软件实现,本文的主要工作就在MATLAB结合Simulink的仿真方法实现神经网络α逆系统的两电机同步控制的仿真。

本文的主要内容如下所示:第一章,绪论。

第二章,简单的介绍了一下神经网络的相关理论知识和逆系统控制理论,然后系统的介绍了神经网络 阶逆系统方法。

第三章,主要介绍了两电机同步控制系统的数学模型。

第四章,将神经网络a逆系统的控制思想应用到两电机同步系统中,包括数据的采集、处理和神经网络的设计、训练,以及复合控制器的设计,并通过MATLAB进行仿真分析第五章,总结了本沦文所做的主要工作。

第二章 神经网络α阶逆系统2.1 逆系统简介逆系统方法的本质上是用反馈线性化方法来研究控制系统设计理论的一种途径,是一种比较一般性的方法。

逆系统方法的基本思想是:首先,利用对象的逆系统构成一种可用反馈方法实现的Q 阶积分逆系统,将对象补偿为具有线性传递关系的系统,即伪线性系统;然后再用线性系统的理论来完成这种系统的综合。

这就可以实现在线性系统中能够实现的诸如解耦、极点配置、二次型指标最优等目标。

其中α逆系统在数学上的定义如下:设α∏为另一个p 维输入,q 维输出的系统,其中表示其传递关系的算子为αθ:d u ϕ→,其中1212()[,,...,],()[,,...,]T T p d d d dp t u t u u u ϕϕϕϕ==,其中ϕ为某域内任意给的联系函数向量,并在初始时刻0t 处满足一定的初始条件,如果取()()d t y t αϕ=,12[,,...,]p αααα=,即i ϕ为di y 的i α阶导数。

算子满足下式:()()d d d y u y αααθθϕθθθ=== (2.1)这里当α=0时,α阶逆系统就是单位逆系统,通常情况下,一个系统的α阶逆系统存在,其单位逆系统亦存在,即两者可相互转化。

他们的基本结构如图2.1所示。

图2.1 单位逆系统与α阶逆系统的转化关系图通常情况下,逆系统方法的关键在于逆系统的构造,成功的构造出逆系统后,复杂的非线性控制器设计问题就简化为线性系统控制器的设计问题,特别是对于MIMO 非线性系统,通过构造a 阶逆系统能实现对原系统的线性化和解耦,就可以分别对各解祸伪线性子系统设计线性控制器,大大简化了控制器的设计。

2.2 神经网络α逆系统的理论分析将神经网络的非线性逼近和学习能力与逆系统思想相结合,近年来提出的神经网络α阶逆系统方法,无须知道系统的精确数学模型,即可构造出原系统的神经网络α阶逆系统模型。

利用神经网络的非线性逼近能力、学习能力,避免了极其困难的求解逆系统的工作,拓宽了逆系统方法的应用范围。

利用神经网络作为逆系统的一般辨识模型,只需有限的系统信息—即系统的相对阶数,则总可以通过正确的训练神经网络来获得工程上易于实现的神经网络α阶逆系统。

将得到的神经网络逆系统串接在原系统之前,整个系统就变换为具有线性传递关系且已经解耦的规范化系统,然后使用线性系统的各种设计理论来完成伪线性系统的综合。

图2.2 逆系统方法控制框图应该指出的是,这里的神经网络α阶逆系统方法不同于一般基于精确数学模型的逆系统方法,其主要特点在于:神经网络α阶逆系统方法提供了一种一般的获得逆系统模型的方法。

理论上讲,如果非线性系统的逆存在,则总可以用神经网络去逼近这个逆系统。

其基本实现流程如下所示:·获取系统输入输出样本在原系统的工作区域内,对原系统输入端施加激励信号,得到相应的系统输出响应。

在此期间,用高速、高精度的A/D转换器进行采样,采样的准确度直接影响系统辨识的结果,从而影响控制的效果,在测量过程中,由于现场存在各种随机的噪声干扰,以及测量器件本身的误差,测量值与真实值存在一定误差,因此在必要时可以将采样数据通过高阶数字滤波器滤除高频噪声,从而获得较精确的输入输出数据。

·计算数值微分采用高阶数值微分方法,较准确地离线计算出各输出的各阶导数。

·构造神经网络训练数据将前面采样和计算得到的数据重新组合成神经网络训练数据集,原系统的输出响应数据及其各阶导数一起作为训练神经网络的输入数据,对应的输入给定作为训练神经网络逆系统的期望输出。

·训练神经网络选择算法,对神经网络进行离线训练,直到训练误差达到一定精度时为止。

这样,就得到了基于原系统外部特性的神经网络α阶逆系统。

2.3神经网络广义逆方法具有q 维输入向量q q u u u u R u ∈=T 321),...,,,(、q 维输出向量qq y y y R y ∈=T 21),...,,(的MIMO 非线性系统输入输出微分方程可以由下式表示:0)(T )(T )(=U u Y y F ,,σε (2.2) 式中:(2.3)其中l σ和l ε为输入l u 和输出ly 的导数的最高阶数。

系统的向量相对阶T21),...,,(q ααα=α,存在且满足∑==qj jn1α的情况下,状态方程描述的非线性系统可以转化为输入输出方程描述的非线性系统。

在向量相对阶等于向量本阶性的情况下,系统的广义逆可以直接求取如下:)ˆ(~v,Y u φ= (2.4) 式中:。

,...,ˆ;)ˆ,...,ˆ,ˆ(ˆ;),...,,,...,,...,,()()1()1(10T 21T)1()1(1111j j j j q j j j j j j j j j q q q q y a y a y a y a v v v y yy y yy αααααα++++===---- vvY (2.5)神经网络广义逆系统不但具有基于原系统外部特性的神经网络α阶逆系统的一切特点:即不需要知道原系统的精确数学模型、无需系统状态可观测、易于工程实现等,而且通过合理设计神经网络广义逆系统,可适当配置伪线性复合系统的极点,实现原系统的线性化、解祸或者降阶,从而为进一步设计闭环线性控制器提供了极大便利。

第三章两电机同步系统的数学模型分析3.1 两电机的数学模型简介通常情况下,两电机的基本物理结构如下所示:图3.1 两电机的物理模型结构根据虎克定律,考虑前滑量,张力具有以下的形式:TFkrnk rnTKFLAVkrnk rnLAEFrprprprp--=--=•)11()11(2222111122221111ωωωω(3.1)式中:VEK/=为传递函数;AVLT/=为张力变化常数;F为皮带的张力;111,,rkrω分别为第一台皮带轮的半径,速比和电气角速度;222,,rkrω为第二台皮带轮的半径,速比和电气角速度;A为皮带的截面积;E为皮带的杨氏弹性模量;0L为机架间的距离;V为期望的速度。

相关文档
最新文档