神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)在感應(yīng)電機(jī)解耦控制中的應(yīng)用研究

陳麗娟 徐梅

【摘 要】目的：證明利用神經(jīng)網(wǎng)絡(luò)a階逆系統(tǒng)能對(duì)多變量，強(qiáng)耦合，非線性的感應(yīng)電機(jī)進(jìn)行良好的動(dòng)態(tài)解耦，并解決感應(yīng)電機(jī)調(diào)速系統(tǒng)的穩(wěn)定精度和動(dòng)態(tài)品質(zhì)之間的矛盾。方法：把具有函數(shù)逼近能力和學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)與線性化解耦的逆系統(tǒng)方法結(jié)合起來，通過在原有逆系統(tǒng)之前串接靜態(tài)神經(jīng)網(wǎng)絡(luò)系統(tǒng)，形成解耦了的且具有線性傳遞關(guān)系的多階偽線性系統(tǒng)，實(shí)現(xiàn)了感應(yīng)電動(dòng)機(jī)轉(zhuǎn)速和轉(zhuǎn)子磁鏈間的線性動(dòng)態(tài)解耦。結(jié)果：與常規(guī)PID控制相比，神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)控制能更好的實(shí)現(xiàn)轉(zhuǎn)速和轉(zhuǎn)子磁鏈之間的動(dòng)態(tài)解耦，并在負(fù)載擾動(dòng)下，能夠更加快速地跟蹤設(shè)定的轉(zhuǎn)速參考值和磁鏈參考值，有更好的抗負(fù)載干擾能力，系統(tǒng)的調(diào)速性能也更加良好。結(jié)論：利用神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的辦法，可以真正實(shí)現(xiàn)感應(yīng)電機(jī)的解耦控制，使得異步電機(jī)轉(zhuǎn)速和轉(zhuǎn)子磁鏈之間達(dá)到線性化的動(dòng)態(tài)解耦。該系統(tǒng)具有良好的動(dòng)靜態(tài)控制性能，為高性能三相感應(yīng)電機(jī)調(diào)速系統(tǒng)控制提供了新思路。

【關(guān)鍵詞】神經(jīng)網(wǎng)絡(luò)；逆系統(tǒng)；感應(yīng)電機(jī)；非線性；動(dòng)態(tài)解耦

中圖分類號(hào)： TM346 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2018）13-0145-002

DOI：10.19694/j.cnki.issn2095-2457.2018.13.065

隨著工業(yè)自動(dòng)化和微機(jī)控制技術(shù)的發(fā)展，高性能低成本的三相交流感應(yīng)電機(jī)在工業(yè)領(lǐng)域得到廣泛的應(yīng)用。在感應(yīng)電動(dòng)機(jī)中，定轉(zhuǎn)子之間靠電磁感應(yīng)作用實(shí)現(xiàn)機(jī)電能量轉(zhuǎn)換，但感應(yīng)電動(dòng)機(jī)本身是一個(gè)多變量，強(qiáng)耦合，非線性的控制對(duì)象，在傳統(tǒng)的電機(jī)運(yùn)轉(zhuǎn)過程中，因?yàn)槌Ｒ?guī)的PID控制不能及時(shí)調(diào)整自身控制參數(shù)，就不能解決感應(yīng)電機(jī)調(diào)速系統(tǒng)的穩(wěn)定精度和動(dòng)態(tài)品質(zhì)間的矛盾，故實(shí)現(xiàn)多變量，強(qiáng)耦合，非線性控制對(duì)象中轉(zhuǎn)速子系統(tǒng)和轉(zhuǎn)子磁鏈子系統(tǒng)之間的解耦控制是非線性控制系統(tǒng)中具有挑戰(zhàn)性的課題之一。本文運(yùn)用神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)方法實(shí)現(xiàn)多了多變量、強(qiáng)耦合、非線性感應(yīng)電機(jī)的轉(zhuǎn)子磁鏈與轉(zhuǎn)速間的線性化動(dòng)態(tài)解耦，使得電機(jī)在負(fù)載擾動(dòng)、轉(zhuǎn)子參數(shù)變化、未建模動(dòng)態(tài)磁飽的影響下，仍然能保持電機(jī)參數(shù)變化的自適應(yīng)能力和抗負(fù)載擾動(dòng)的魯棒性。

1 神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)構(gòu)建的可行性分析

三相感應(yīng)電機(jī)是一個(gè)多變量、強(qiáng)耦合、非線性的系統(tǒng)，其轉(zhuǎn)矩和磁鏈間存在著耦合，控制起來比較困難。要想獲得理想的調(diào)速性能，需要解決的問題之一就是對(duì)感應(yīng)電機(jī)進(jìn)行解耦。以矢量控制為基礎(chǔ)，將感應(yīng)電機(jī)、供電的三相逆變器以及附加電路當(dāng)成一個(gè)整體，作為一個(gè)復(fù)合的被控對(duì)象，給出感應(yīng)電機(jī)矢量控制變頻調(diào)速系統(tǒng)在（d，q）旋轉(zhuǎn)坐標(biāo)系下的數(shù)學(xué)模型，該模型可以證明其逆系統(tǒng)存在，因此印證可用神經(jīng)網(wǎng)絡(luò)來對(duì)其進(jìn)行分析。

利用Simulink建立的感應(yīng)電機(jī)模型如下圖1：

2 逆系統(tǒng)原理

在許多實(shí)際的控制系統(tǒng)中，非線性系統(tǒng)普遍存在，對(duì)于非線系統(tǒng)的主要研究方法有描述函數(shù)法、李亞普諾夫法、相平面法、波波夫法和近似線性化法等，但各有其局限性。目前，非線性系統(tǒng)控制理論中的一種有效方法就是反饋線性化方法。該方法是利用非線性輸出反饋、全狀態(tài)反饋或動(dòng)態(tài)補(bǔ)償?shù)姆椒▽⒎蔷€性系統(tǒng)轉(zhuǎn)化為一個(gè)線性系統(tǒng)，然后再利用線性系統(tǒng)理論中成熟的方法對(duì)該偽線性系統(tǒng)進(jìn)行設(shè)計(jì)和綜合，從而實(shí)現(xiàn)對(duì)整個(gè)非線性系統(tǒng)的控制。逆系統(tǒng)方法是反饋線性化方法中的一種，它具有直觀易懂的特點(diǎn)。其基本原理是利用逆系統(tǒng)方法構(gòu)成一種可用反饋方法實(shí)現(xiàn)的a 階逆系統(tǒng)，將對(duì)象補(bǔ)償成為具有線性傳遞關(guān)系的系統(tǒng)，即所謂的偽線性系統(tǒng)， 然后再用線性系統(tǒng)的理論來完成系統(tǒng)的綜合與設(shè)計(jì)。

3 神經(jīng)網(wǎng)絡(luò)a階逆系統(tǒng)的原理

神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)是將具有學(xué)習(xí)和函數(shù)逼近能力的神經(jīng)網(wǎng)絡(luò)與線性化解耦的逆系統(tǒng)方法相結(jié)合，實(shí)現(xiàn)多變量系統(tǒng)的解耦操作。通過在原有逆系統(tǒng)之前串接靜態(tài)神經(jīng)網(wǎng)絡(luò)系統(tǒng)，構(gòu)成具有線性傳遞關(guān)系且具有解耦規(guī)范的多階偽線性系統(tǒng)，從而能實(shí)現(xiàn)感應(yīng)電動(dòng)機(jī)轉(zhuǎn)速和轉(zhuǎn)子磁鏈與間的線性動(dòng)態(tài)解耦。然后利用線性系統(tǒng)中的成熟理論，分別對(duì)解耦后的轉(zhuǎn)速子系統(tǒng)和轉(zhuǎn)子磁鏈子系統(tǒng)進(jìn)行控制，這樣使得調(diào)速系統(tǒng)具有良好的動(dòng)靜態(tài)控制特性。同時(shí)，當(dāng)電機(jī)的負(fù)載轉(zhuǎn)矩或其中的某些參數(shù)發(fā)生變化時(shí)，系統(tǒng)具有良好的控制性能和高魯捧性。

神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)模型如下圖2所示：

但注意：用神經(jīng)網(wǎng)絡(luò)構(gòu)成的逆系統(tǒng)并不是原系統(tǒng)真正的逆系統(tǒng)，它只是利用神經(jīng)網(wǎng)絡(luò)對(duì)任意非線性系統(tǒng)的無限逼近能力，來逼近這個(gè)逆系統(tǒng)，這樣避免了求解逆系統(tǒng)的困難，且易于實(shí)現(xiàn)。已經(jīng)證明靜態(tài)多層神經(jīng)網(wǎng)絡(luò)能夠逼近任意非線性映射，其缺點(diǎn)是不具有動(dòng)態(tài)特性。但是很明顯在感應(yīng)電機(jī)的調(diào)速系統(tǒng)中，這個(gè)神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)必須具有動(dòng)態(tài)特性。我們可用靜態(tài)神經(jīng)網(wǎng)絡(luò)加若干積分器（對(duì)連續(xù)系統(tǒng)）或若干延時(shí)因子（對(duì)離散系統(tǒng)）組成的a階逆系統(tǒng)來逼近其逆系統(tǒng)，其中用靜態(tài)神經(jīng)網(wǎng)絡(luò)來逼近逆系統(tǒng)中的靜態(tài)非線性函數(shù)，用積分器或延遲因子表征逆系統(tǒng)的動(dòng)態(tài)特性。這種逼近方法可以獲得較高的逼近精度。

4 神經(jīng)網(wǎng)絡(luò)的選取及訓(xùn)練

正向多層神經(jīng)網(wǎng)絡(luò)是一種從輸入到輸出的高度非線性映射。這種神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是：它的結(jié)構(gòu)是分層的。每一個(gè)神經(jīng)元的輸出只與底層神經(jīng)元有關(guān)，神經(jīng)元之間沒有反饋。其中具有代表性的是BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)。此處我們選擇BP神經(jīng)網(wǎng)絡(luò)。

BP神經(jīng)網(wǎng)絡(luò)包括輸入層、一個(gè)或兩個(gè)隱含層、輸出層。輸入信號(hào)通過輸入層神經(jīng)元，然后經(jīng)過前向網(wǎng)絡(luò)傳播至隱含層，隱含層神經(jīng)元通過函數(shù)執(zhí)行一種固定的非線性變換，從而將輸入空間映射到一個(gè)新的空間，輸出層節(jié)點(diǎn)在這個(gè)新的空間中進(jìn)行線性的加權(quán)運(yùn)算和組合，最后得到輸出。

本文選擇靜態(tài)BP神經(jīng)網(wǎng)絡(luò)，輸入層6個(gè)，輸出層2個(gè)，且有線性閾值的神經(jīng)元激勵(lì)函數(shù)pwehin組成，通過窮舉得到隱含層為9個(gè)。通過矢量控制系統(tǒng)，設(shè)轉(zhuǎn)速與轉(zhuǎn)子磁鏈激勵(lì)信號(hào)和電流信號(hào)作為原始數(shù)據(jù)，轉(zhuǎn)子磁鏈輸入激勵(lì)信號(hào)為轉(zhuǎn)子磁鏈額定值與弱磁運(yùn)行所取最小值之間的正態(tài)分布的隨機(jī)量，轉(zhuǎn)速輸入則為其調(diào)速范圍內(nèi)的正態(tài)分布的隨機(jī)量。為了采樣數(shù)據(jù)同時(shí)包含系統(tǒng)響應(yīng)動(dòng)態(tài)和穩(wěn)定信息，結(jié)合信息的持續(xù)時(shí)間還應(yīng)夠長，信息的采樣頻要取充分小，保證有足夠多的樣本數(shù)據(jù)。轉(zhuǎn)子磁鏈激勵(lì)信號(hào)為0.55wb為中心范圍0.74到1.01正態(tài)分布的隨機(jī)數(shù)。轉(zhuǎn)速激勵(lì)信號(hào)為以131rad/s為中心，范圍97到167正態(tài)分布的隨機(jī)數(shù)。轉(zhuǎn)子磁鏈和轉(zhuǎn)速的一階，二階導(dǎo)數(shù)作為神經(jīng)網(wǎng)絡(luò)的輸入信號(hào)，定子電流在兩級(jí)相旋轉(zhuǎn)坐標(biāo)系（d，p）軸上的分量{isd，isp}作為輸出信號(hào)，一般要選取3000組訓(xùn)練樣本，其中80%作為訓(xùn)練，20%作為測(cè)試。

5 結(jié)論

（1）在常規(guī)PID控制下：當(dāng)感應(yīng)電機(jī)轉(zhuǎn)子磁鏈發(fā)生變化時(shí)，會(huì)影響轉(zhuǎn)速的輸出，當(dāng)感應(yīng)電機(jī)轉(zhuǎn)速發(fā)生變化時(shí)，會(huì)影響轉(zhuǎn)子磁鏈的輸出，轉(zhuǎn)速和轉(zhuǎn)子磁鏈?zhǔn)遣唤怦畹摹?/p>

神經(jīng)網(wǎng)絡(luò)a階逆系統(tǒng)：當(dāng)感應(yīng)電機(jī)轉(zhuǎn)子磁鏈發(fā)生變化時(shí)，轉(zhuǎn)速基本不發(fā)生變化，當(dāng)感應(yīng)電機(jī)轉(zhuǎn)速發(fā)生變化時(shí)，轉(zhuǎn)子磁鏈基本沒有變化，轉(zhuǎn)速和轉(zhuǎn)子磁鏈達(dá)到了動(dòng)態(tài)解耦。

（2）神經(jīng)網(wǎng)絡(luò)a階逆系統(tǒng)能夠更加快速的跟蹤設(shè)定的轉(zhuǎn)速參考值和轉(zhuǎn)子磁鏈參考值，對(duì)轉(zhuǎn)速和轉(zhuǎn)子磁鏈的調(diào)節(jié)有更好的抗負(fù)載干擾能力，系統(tǒng)的調(diào)速性能也更加良好。

【參考文獻(xiàn)】

[1]張碧琰.多變量非線性系統(tǒng)的逆方法解耦控制研究多變量非線性系統(tǒng)的逆方法解耦控制研究[D].遼寧東北大學(xué)，2010.

[2]張紅燕.注塑成型過程中注射速度控制方法的研究[D].遼寧東北大學(xué)，2011.

[3]周童.基于DSP的永磁同步電機(jī)神經(jīng)網(wǎng)絡(luò)逆解耦控制的研究[D].江蘇江蘇大學(xué)，2009.

[4]何丹.神經(jīng)網(wǎng)絡(luò)廣義逆系統(tǒng)控制[D].南京東南大學(xué)，2015（34-40）.

[5]王朝霞.永磁同步電機(jī)的自適應(yīng)解耦控制研究][D].南京江蘇大學(xué)，2013.

[6]劉國海.交流電機(jī)變頻調(diào)速同步系統(tǒng)神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)控制[D].南京東南大學(xué)，2002.

[7]邵桂榮.基于MatIab的模糊控制系統(tǒng)的設(shè)計(jì)與仿真[J].重慶工學(xué)院學(xué)報(bào)，2009，21.

[8]戴先中，張騰.基于神經(jīng)網(wǎng)絡(luò)廣義逆系統(tǒng)的遠(yuǎn)程機(jī)器人遙控[J].機(jī)器人，2011.

[9]潘吳，陳杰，鐘珞.BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與樣本訓(xùn)練參數(shù)選取的初步探討[J].湖北工學(xué)院學(xué)報(bào)，2003，12（3）.

[10]杜紅彬，邵惠鶴.一類非線性系統(tǒng)的自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制[J].控制與決策，2005，20（4）.

[11]孫增析，張?jiān)倥d，鄧志東.智能控制理論與技術(shù)[M].北京清華大學(xué)出版社，1997，107，131.

[12]鐘珞，饒文碧，鄒承明.人工神經(jīng)網(wǎng)絡(luò)及其融合應(yīng)用技術(shù)[M].北京科學(xué)出版社，2007.69.90.