基于递归神经网络的永磁同步电机控制器设计

sbi t o . p ps R N c r tlr on d fmne t tn et sa t i r Te o d v t c rl h s w g prrac i h r sn ad d a l h y h r e N eo o o e a h y t e o n s o eo o n a i n t y e e st , ao iev ils e oe tn ld ii . vita t u fn s h p - te ad aeh aaep d ri o o v ao Te dy h su e ot r as n l t r b - e p ao r a tn h a i n e l s f o s t r a r l d e e ps aot a r glv i d e emn o fld il d k P S dv st s o d r m to h ef wh r et n y ti 12 M M e e . e l i r h u y i i x i s u i az . W g h e o re t p l g e r ym i s K y rs praet nt h nu m t ; crn nu l o ; ne K la fe e w d : e nn mges cr os o r u t r nt r e edd m n r o m a y o n o re r e a e k x e w t a i l t
D s n P r nn Mant crnu Moo C nrlr ei o emaet ge Snhoos tr t l g f y o oe
Ba e o Re u r n Ne r l t r a Newo k s d n c r e t u
S N n xl J N J , I - eg HE Ya - a, I G J Zihn A u n hc
统, 逼近系统的动态过程.
的动态过程, 并且可以由L pn 理论和其他方法 y uo a v 对其稳 定性和收敛性进行分析[] [ , 递归神经 2 同时, , 3
网络更易于硬件实现. 本文研究了递归神经网络控制在永磁同步电机 矢量控制系统中的应用, 针对采用普通 B 算法容 P 易陷人极小和难以在线实现的问题, 采用扩展卡尔 曼滤波方法对递归神经网络连接权进行在线学习和 修正.设计了基于递归神经网络的速度控制器, 并
在电机驱动控制系统中, 依据经典的以及现代 控制理论提出的控制策略很大程度上都依赖于电机
模型, 当模型参数动态变化或受到外部扰动影响时, 系统性能将受到影响.由于智能控制方法不依赖于
控制对象, 因此能够在处理一些不精确性和不确定
性的问题中获得较好的效果.文献[」 P 对 1中, V s a
i t ee e Kla fe(K ) r m a t lrn rea oae it s soLa n n h xn d mn r F aot , h e i as bid h e e y uo g td a i E e l t li g h n e g r tn n n f v d a n t e e p
神经网络具有 良好的非线性逼近和 自学习能 力, 在非线性系统的建模, 辨识与控制中得到了广泛 的应用.然而绝大部分的研究和应用主要集中在静 态神经网络建模和控制上, 系统的学习过程就是基 于误差的权值优化过程, B 如 P算法及其改进型. 与静态神经网络相比, 递归神经网络具有逼近系统
中由于存在输出变量到输人端的反馈, 因而其变量 中包含时间延时网络, 是真正的动态网络系统. 与静 态神经网络相比, 递归网络不需要预先假定系统的 阶次, 为动态系统的辨识与控制开辟了一个极有前 途的领域. 动态递归神经网络由于其固有的反馈结 构, 往往只需单层的网络就可以表达复杂的动态系
i 二1
与 交轴电 . 线 关系. 流i 性 为
p q= t
P r= J O
告 ( q 1 p r u 一Ri一I ) q c o
L q
专 eT , (一 一 r TL )
尸 Y望乙 万 .
艺 ,
T e
3,+.:d 2 .(一) P : qi : i q ]
统中, 将直轴电流 i设为.此时, d , 电机电磁转矩 T Q
数网 的 学 型 ek= j )( , k .络 数 模 为n( 艺w ki ( t) ; i uky ( )j
+) gn ( ) 1= (t ) eko ;
在永磁同步电机矢量控制系统中利用该网络进 行速度控制器设计, 网络的输人层和输出层结点数 目由式() 1 来确定, 隐层数和隐层结点数 目 通过实 验的方法来确定. 虽然隐层数和隐层结点数目 越多, 网络的影射能力越强, 但是隐层数和隐层结点数的 选择必须折衷考虑算法所需内存和计算速度. 本文 考虑结构的简化和在线计算速度的限制, 采用如图 1 所示的基本递归神经网络结构, 网络的输人 u k ()
智能控制方法引人交流驱动控制系统做了颇为详细
的研究.
20 6一0 7 收稿 日期 :0 5一0 基金项 目: 江苏省高技术研究计划( 工业)B20 1) (G05 4 0 作者简介 : 沈艳霞( 7 一 , 山东淄博人, 1 3 )女, 9 副教授, 博士, 主要研究方向: 电力电子与电气传动,一 1h y x @ E :e a i 二 sn na
稳定性意义下对网 络的学习率进行了 分析.该神经网络矢量控制系 统具有良 好的动, 静态特性, 同时在 变速和变负 载情况下效果理想.该方法在一台1 k . W永磁同步电 2 机驱动系 统上验证通过. 关键词: 永磁同步电机; 递归神经网络; 扩展卡尔曼滤波
中图分类号:M 1 T 3 4 文献标识码: A 文章编号: 0 一 8020)0 07 一 4 1 5 93(05S 一 03 0 0
巧 CM W
结合(PC 电机驱动控制实验平台给出了实验结 LAE S
果.
图 1 N R N结构图
图1 :, 表示一阶延迟环节, () u , 中, 一 U k =[l 帆)
u k, u() 示 矢 Yk 1= y k 2 ) mk] 输人 量,(+) [ (+ ( …, T 表 i
31 控制律的设计 .
定义跟踪误差 .k ()=yf ) , k ( 一刃k, )其中, C 子 1十oq ) Cq 1 C ( 一) Cik一s(一)+6 ) 4( Ck V [ ( ik ] 1 y ) , k f 为参考输出 ( 轨迹. 定义性能指标函 4 数[ ] 式中: ( ,,- ) Ci i 1-, 为可以由电机系统参数推 二0 -6 J. ) { k ) y( +ll k =￡ 「( +l 一 , k ) + (, y ( 2 导得出的常系数. 由式() 1可知, 电机转速.与交轴 r K[() k ) ( 一1]+K[ ( +I 2 = uuk 一u 2 v ek ) 1 v ] 电 , 间 非 性 系, 文 用 归 经网 流i 为 线 关 本 采 递 神 络 之 E Ak } }() 来模拟该非线性关系, 从而实现对永磁同步电机转 式中: l E - 表示数学期望, ()=v k一1 + } vk e e ( ) 速的高效控制. ek 表示跟踪误差的积分项,.K 为与系统响应 () K, v 速度和控制精度要求相关的常系数. d ( 当 A k+ 2 N R N结构 1/uk )d ()=0时, 可得该性能指标极小值 Ju (,
( ste lt aAt ao, hrYnt Uirt W x242, n) It toE cil mtnS t n ge vs , i 1 Ci ni f r u i o e a z n ei u 1 2 h a u e c o u y
Asa : o l r r mtd pmn t es c n s r S ) g rnn - br t A ev t c tl ooa a nmg t h o mt (MM unru t tc n eo oo e f r e a y r u o P v c n h e n no o s er e i ce u r nwr (N ) ree. R N tlr s a e c tlr iia ot id e a e o R N ip s t Te c rl iu d s d rl tmmc pmz s d l k t s nd h N oo e s sap oo e o n i e p e n e e n e
ot t et c di omt pr erv iis ld tb i . R N rnd n 场u u uudr o i n or mts ao ad prr tn Te iti ole s p n h n t f a e a tn n o eu ao h N s e n e o o a r a a i -
T =K + 2r Kc + L L 1 Kc+ 3r J丽 n u
为内 部虚拟输出 y( 量,2k 取为 .() ) , . k
K. 凡 为常系数,L , 凡, J为负载转动惯量.
以上各式, 经离散化, 可以得到永磁同步电机控 制系统的二阶非线性微分方程表达形式
3 N R N速度控制器设计
递归神经网络的一般结构如图 1 所示. 该网络
(( +1 =C r ) 2, 一1 +C rk + 0 k ) 1 +C ( ) 3 () , Ok (( w k v (
t . 通讯作者: oc ; mo m 纪志成( 5一 , 浙江杭州人, 博士生导师, 19 ) 9 男, 教授, 博士, 主要研究方向: 电力电子与电
气传动, 二1c@ . n E : sue . 一 zi d e j y u . t
南 京 理 工 大 学 学 报
第 2 卷 增刊 9
基于递归神经 网络的永磁 同步电机控制器设计
沈艳霞 , 俊, 江 纪志成
( 江南大学 电气自 动化研究所, 无锡 2 1 ) 江苏 12 42
摘 要: 在永磁同步电 机矢量控制系 统中, 采用递归 神经网 络控制器作为速度控制器来模拟在电 机参数
变 化和负 载扰动下的最 优速度输出 神经网 . 络采用扩展卡尔曼滤波方法实 现在线训练, 并在L p o yu v an
1 永磁同步电机矢量控制
为简化设计过程, 在永磁同步电机矢量控制系
1yk 1.y k 1T示 出 量 w表 网 )2 +). N +)表 输 矢 , 示 ,( ,,( ] . .
络 接 值, ) 示 励函 通常 连 权 盯· 激 数, 取为smi函 表 io gd
N+M
3 ~,.
式中 : 为微分算子, 为转子转动惯量,. p J T 为电磁
转矩,L T 为负载转矩, B豁摩擦系数, P为极对数.
假设具有非线性机械特性的负载转矩可以由如下形
式wenku.baidu.com : 表冈
取为, Yk 取为「i ) 2 ) 输出 () y k, I 其中y k ( Yk' ( , i) (
d wr
第 2 卷 增刊 9 2 5 1月 0 年 0 0
南 京 理 工 大 学 学 报 Vl9 p o2 S p . u Junl ajg v s oSe d hog or oNnn Uirt cn a Tcnl y a f i n ei f c n e o y ie Ot05 c2 . 0