系统仿真技术大作业

m m
(8) 将维持
的改变，但其
本身的变化过程会因转子回路存在漏感而具有一定的电磁惯性， 所以可用一阶惯
I 2t (s)
式中 T a L 2
I 2t 0 T as 1
(9)
R 2 ，为转子回路时间常数。
根据电机拖动系统运动方程，异步电动机输出电磁转矩 M t ，负载转矩 M f 和 转速 n 2 三者之间的关系为
图 1 基于 BP 神经网络的 PID 控制系统结构
控制器由两部分组成：①经典 PID 控制器：直接对被控对象进行闭环控制， 并且 K p ， T i ， T d 三个参数为在线整定；②神经网络 NN：根据系统的运行 状态，调节 PID 控制器的参数，以期达到某种性能指标的最优化。即使输出层的 神经元的输出状态对应于 PID 控制器的三个可调参数 K p ， T i ， T d ，可通过 神经网络的自学习、 调整权参数，从而使其稳定状态对应于某种最优控制律下的 PID 控制器参数。 （2） K p ， T i ， T d 参数自学习经典增量式数字 PID 的控制算式为
(18)
G b( s) K be
s
(19)
则有，启动电机的转速闭环控制被控的对象的传递函数为：
60 T eC m K be s p Cf
G ( s ) G d ( s ) G b( s )
T aT mC m 2 ( T eC m ) s (1 T eC m ) s Ta Cf Cf Cf
步旋转磁场相互作用，产生电磁转矩，从而驱动顺着同步旋转磁场的方向旋转。 在变频调速过程中， 通过对异步电动机定子电压幅值和频率的协调补偿控制可使
E1 / f 1 为常数，从而维持其气隙磁通 m 不变。定子电压幅值 U 1 和频率 f 1
的协调变化仅仅只能改变异步电动机气隙磁通的同步角速度 n1 ，因此， 作为异步电动机变频调速的输入变量。即有：
GD 2 dn 2 M t M f 375 C m dt
(10)
式中 GD 2 为电动机拖动系统机械运动部分折算到电动机上的转动惯量。考 虑到异步电动机气隙磁通大小恒定，则其电磁转矩为
M t C mI 2t
式中 C m 为异步电动机转矩常数。设负载等效电流为 I f ，则有 M t C m I f ， 式(10)可简化为
E 2 C en s
式中 C e
(3)
k N 为转子感应电势常数， ns n1 n2 为转差角速度。上 30 2 2 2 m
式表明，异步电动机转子回路感应电势 E 2 的大小仅由转差角速度 n s 确定。在 转子感应电势 E 2 的作用下，转子回路产生转子电流 I 2 ，其稳态值为
成绩：
题
目：
基于 PID 神经网络控制器的汽车起动电机 测试系统______________
课程名称：系统仿真技术 专业班级：应数 1301 班 姓 学 名：杨 栋 号：121030130
二零一五年十二月
基于 PID 神经网络控制器的汽车起动电机测试系统
西安建筑科技大学 理学院 数学系 杨栋
摘要 汽车启动电机是汽车的主要电器设备之一， 随着生产规模的扩大， 生产技术水平的提高， 产品型号的增加，客户对产品质量要求的提高，人们对电机测试系统的要求也在不断提高。 为此研究“汽车启动发电机性能自动测试系统”(以下简称系统)就显得很有必要。 论文的核心内容是通过 PID 控制和神经网络算法结合的方式， 解决了常规 PID 控制汽车 启动电机测试系统在测试过程当中结果收敛速度慢， 自适应性较差等问题。 提出并建立了一 种较传统 PID 控制系统更加实用有效的汽车启动电机测试系统仿真模型。
n 2( s) ( s ) I 2t
综上可得到调速系统的传递函数为
Cf T ms Cm
60 T eC m p Cf
1
(17)
G d ( s) T T C T C T C a m m 2( s T a e m ) s (1 e m ) Cf Cf Cf
考虑交—交变频器的传递函数为：
1 引言
1.1 研究现状
汽车电源系统是由蓄电池、 发电机和调节器组成。 发电机是汽车的主要电源。
按照有关标准的要求，电机出厂时都必须进行必要的性能测试。 目前，电机性能测试的水平，各国不平衡，美国、德国、日本等发达国家已 经采用计算机控制的方式进行，其可靠性和精确度都比较高。 在我国，从上世纪 80 年代开始出现应用微机的电机性能测试装置与系统。 先是采用进口的测试装置， 这些装置有的采用微处理器控制， 操作不够直观简便， 在线数据管理能力有限，有的采用工业控制计算机控制，测试精度、速度、可靠 性以及数据在线管理都到达了要求，但价格昂贵，维护困难，而且不能考虑用户 产品性能测试的特殊需要。到上世纪 90 年代末期一些汽车电器生产厂商推出了 应用个人计算机的性能测试装置与系统， 它们都在不同程度上实现了电机性能测 试的自动化。但是，受计算机容量、速度及国产测量仪器带接口功能少等因素的 限制，这些性能测试装置与系统存在着专用性强、灵活性和适应性差、实现某些 项目测试的自动化程度低等不足。 1.2 研究意义 随着生产规模的扩大，生产技术水平的提高，产品型号的增加，客户对产品 质量要求的提高， 测试系统工作效率将直接影响到汽车产业的发展，因此研究和 设计高效的汽车启动电机具有十分重要的意义。然而，目前现有的测试系统，由 于采用纯机械操作，测试性能稳定，精确度较高。但该系统在在测试精度、速度 与通用性等方面的缺点已成为制约生产规模扩大的直接原因，为此，研究“汽车 启动电机性能自动测试系统”。将有助于改善操作流程，缩短工作节拍，提高工 作效率，节省人力物力，从而有利于生产规模的扩大。
60 f
f 1可
(1)
n1
p
1
式中， p 为气隙旋转磁场极对数。在异步电动机转子回路中，转子感应电势 E 2 由下式确定：
E 2 s E 20
式中 s
(2)
n1n 2 ，为转差率； E 20 30 2 k 2 N 2n1 m ，为堵转时的转子感 n1
应电势，其中 k 2 为转子绕组集中等效系数， N 2 为转子绕组匝数， n 2 为转子 角速度。综合以上公式可得：

I 2t 0
C 令 T e e ，式(7)可写为 R2
C en s R2
(7)
I 2t 0 T e n s
在变频调速过程中，基于定子电压幅值和频率的协调变化，气隙磁通 恒定。因此，转子电流转矩分量 I 2t 的变化不会引起气隙磁通 性环节等效。转子电流转矩分量 I 2t 的动态过程为
关键词：汽车启动电机，性能测试，PID 控制，神经网络
0 课程主要内容
在一学期的《系统仿真技术》课程的学习之后，我对通过 Simulink 对系统进 行仿真的方法和技巧有了深刻的认识和体会。 首先， 熟悉到了再 Simulink 仿真过程当中需要使用到的各种基本的模块的基 本功， 能使用方法和参数设置方法。并且能够在实际当中熟练的运用到这些模块 来进行系统的仿真。 其次，学习了一种在实际生活中比较常用而且特别有用的一种控制方法，即 PID 控制。通过增益，积分，微分三个模块来对系统进行调控可以使得系统快速 的达到平稳状态，这在实际生活中是极其有用的。 最后，对神经网络算法进行了学习，并学习到了将 PID 控制和神经网络算法 相结合的 PID 神经网络控制方法。
2 模型的建立
2.1 启动电机的转速闭环控制被控的对象的传递函数模型 在进行发电机转速闭环控制时， 发电机由一个异步电机作为传动电机驱动旋 转， 异步电动机与发电机同轴联接。因此传动电机和发电机组成的调速系统是被 控对象。根据异步电动机原理，当给定子绕组通以对称三相交流电时，在气隙中 可产生正比于三相交流电频率的同步旋转磁场， 该磁场与转子不同步时便切割转 子导体，并产生感应电势。由于转子绕组短路，故有转子电流产生，该电流与同
I 2t I f
GD 2 dn 2 dn 2 375C m dt T m dt
(11)
2 GD 式中 T m 375C m
对式(11)两边同时取拉氏变换， 整理后得到转子电流转矩分量和转子角速度之间 的传递函数为
n 2( s ) 1 I 2t ( s) I f ( s) T ms
I2
2 2 R 2 (n s Hale Waihona Puke 30 L 2)C en s
(4)
式中 R 2 为转子回路电阻， L 2 为转子回路电感。由异步电动机矢量可知，转子 电流 I 2 可分解为与气隙磁通屯矢量同向和垂直的两个分量，即转子电流磁通分 量 I 2m 。和转子电流转矩分量 I 2t ，它们的稳态值为：
交流发电机的负载转矩取决于其转子叫路电流，其大小为
(12)
M
ff C mf I af
(13)
式中 C mf 为决定于交流发电机的转矩常数；， I af 为交流发电机转子回路电流 的稳态值，其大小可由下式近似求得
I af

C ef n Z af 2
(14)
式中 C ef 为决定于交流发电机结构的电势常数，Z af 为交流发电机转子回路等 效阻抗，交流发电机转速(亦即异步电动机转速，因异步电动机与发电机同轴 联接)。异步电动机与发电机同轴联接，如不考虑机械摩擦等的影响，异步电动 机的负载转矩即等同于交流发电机的负载转矩，于是有
u (k ) u (k 1) K p e(k ) e(k 1)
K p e( k ) K pT d e(k ) 2e(k 1) e(k 2) (20) Ti
式中， K p ， T i ， T d 分别为比例、积分、微分系数， e(k ) ， u (k ) 分别为 k 时 刻系统期望输出与实际输出的偏差、控制器的输出。将 K p ，T i ，T d 视为依 赖于运行状态的可调系数时，可将式(4．39)描述为 u (k ) f u (k 1), K p, T i, T d, e(k ), e(k 1), e(k 2)