《自适应控制在电机控制中的应用》由会员分享，可在线阅读，更多相关《自适应控制在电机控制中的应用（3页珍藏版）》请在金锄头文库上搜索。
1、自适应控制在电机控制中的应用摘要：永磁同步电动机由于具有高功率密度、高效率、强大的过载能力和良好 的控制性能的优点，在中小容量的速度控制系统和高精度的速度控制事件中迅速 发展。但是，永磁同步电动机的磁场具有独特的交叉耦合和交叉饱和现象，控制 系统是一个强大的非线性时变多元系统，可以实现高精度的速度调节，因此将对 其控制策略进行深入研究。在作者多年的工作经验的基础上，本文介绍了如何将 BP神经网络应用于运动控制。关键词：自适应控制；电机控制；应用一、引言永磁同步电动机电动机结构简单，维修方便，可以代替直流电动机的运行方 式。如果电动机速度低于特定阈值，则在摩擦的影响下操作趋于脉动，并且旋转 磁场
2、的速度与同步速度之间存在较大差异。因此，速度调制性能相对较差。感应 电动机开发后的工业生产不仅必须适应各种应用，而且还需要可接受的成本。因 此，需要对速度控制进行研究。由于永磁同步电动机在运行过程中表现出复杂的 时变特性，因此许多控制策略已应用于控制感应电动机以获得更好的控制性能。 这些策略在某种程度上提高了电动机的运行效率，但是随着应用环境变得越来越 复杂，控制策略带来了更多的计算。为了减少计算量，需要选择一种更好的控制 方法来控制该可执行程序。因此，提出了一种用于电动机控制的自适应控制方法 BP神经网络。根据调速器的性能要求，提高了调速适应性，使电动机具有更好的 动态特性。二. 神经网络概
3、述自上世纪80年代以来，由于神经网络可以满足现代控制系统（例如不依赖于 它们的控制系统）的要求，因此人工神经网络（ANN）在控制领域的研究和应用 中取得了突破。在受控对象上，数学模型和传递函数可以用任意复杂的非线性函 数近似，并具有强大的自学习和自适应功能。人工神经网络与控制策略的结合， 为开发复杂的非线性，不确定性和不确定性系统的控制问题开辟了一条新途径， 该方法通过开发自动化神经网络控制领域的前沿领域之一。智能控制成为新的观 点。在解决控制问题方面，神经网络具有以下优点：（1）具有相对简单结构的神经网络可以完全完全近似复杂的非线性函数。该 理论证明，仅具有一个隐藏层的前馈神经网络可以以任意
4、精度接近R的定义。先 前压缩集中的所有非线性函数：（2）由于信息以分布式方式存储在各种神经元和连接中，因此神经网络具有 很强的鲁棒性和容错能力。（3）信息被并行处理并分布在神经网络中，从而加速了计算过程。（4）神经网络具有强大的信息合成能力，可以协调各种输入/输出信息关系， 并可以处理多个输入/输出系统。（5）神经网络既可以实现为超大型集成电路或光集成电路，也可以通过现有 的计算机技术以软件的形式实现，方法灵活。（6）神经网络具有自学习和自适应功能，可以适应环境和参数的变化。（7）神经网络具有较强的适应能力和整合能力。神经网络的另一个重要功能 是在线工作。这种适应性如下所示：首先，在线定量工作
5、；其次，在线定性工作。 神经网络具有相当强大的适应性和信息处理能力，同时它也具有大规模的数据处理和集成能力三. BP神经网络BP网络是前向网络的关键部分，并且实现了人工神经网络的最重要部分。训 练规则是使用最速下降法，并通过误差传播来连续调整网络的权重和偏移，以最 小化网络传播与预期输出之间的平方误差之和。BP神经网络模型的拓扑包括输入 层，隐藏层和输出层。每个节点层的输出仅影响下一层中的节点。每层神经元节 点的激活函数通常是双曲线的（tansimoid，logoid），而输出层中神经元节点的 激活函数通常是线性函数。通过添加具有输出层，隐藏层和输出层的BP神经网 络模型，以及添加隐藏层和隐藏
6、层神经元节点，BP神经网络可以以任意精度近似 逼近非线性函数图。也就是说，所有层中的神经元都连接到上一层中的所有节点， 并且信号逐渐在层与层之间传播。图1 BP神经网络结构神经网络训练问题实际上是网络参数（网络连接权重和偏差）的调整。BP神 经网络的训练使用监督训练，其机制是：将一组输入向量添加到网络的输入中， 然后将网络产生的输出与所需的输出进行比较，并使用这两者的误差来更改网络 中的神经元。连接之间的权重是最小的，直到在数据集的输入/输出对中发生错误 为止，以便网络获得所需的输入/输出映射。BP神经网络算法的实现涉及两个过 程：正向计算和错误反向传播。网络的前向计算过程从输入层开始以点为单
7、位对 每个节点的输出进行计数，在每个输出层中，按照输入层-隐藏层-输出层的顺序 计算每个点的输出，这是一个模型交付过程。通过根据期望输出和实际输出的误 差，根据梯度下降法计算网络节点之间的连接权重调整的权重，并将其连续传播 到输入层，来计算误差反向传播过程。权重和节点偏差校正的计算方向是输出层 隐藏层输入层，通过重复应用这两个过程，可以最小化所需输出和实际输出之间 的误差信号。图2 BP神经网络执行步骤四. 实验过程和结果分析永磁同步电动机根据电动机的启动方式可分为异步启动，自启动和磁滞启动。 异步起动永磁同步电动机的定子结构与异步电动机相似。定子铁心缠绕有三相或 单相绕组，转子装有笼形绕组，
8、因此电动机可以获得启动转矩，并且启动容易。 自动启动永磁同步电动机结构复杂，制造成本高。定子由缠绕在绝缘框架上的圆 柱形绕组和安装在圆柱形绕组两端的导磁环组成。电动机的转子部分由旋转轴， 非磁性支撑件和圆形永磁体组成。磁滞永磁同步电动机具有较大的起动转矩，较 小的起动电流和相对稳定的速度，但与相同功率的其他电动机相比，其重量和体 积较大且效率较低。因此，它仅适用于较大的负载惯性矩和速度变化。永磁同步电动机的永磁磁场的强度对电动机的起动性能有很大的影响。永磁 场越强，启动时的最小转矩越小，电动机同步和牵引的难度就越大。磁场越强， 电动机的性能越好。幸运的是，品质因数很高，过载性能也很好。因此，高
9、性能 永磁同步电动机通常使用变频逆变器为其供电。不仅电动机可以在低频下启动， 而且高精度的电动机速度控制和调速范围可以达到1： 10。在本文中，本文采用逆变器供电的异步起动永磁同步电机进行 研究。建立的基于空间电压矢量的永磁同步电机PI调速仿真系统基础上，加入神经 网络，搭建三相永磁同步电机全数字控制仿真系统如图3所示。图3相永磁同步电机自适应控制仿真框图对比三种控制方法的实验结果，我们发现，不使用任何控制方法，系统响应 慢，调节时间长；使用PI控制方法，系统响应略快，但是调节时间略长，使用本 文的BP神经网路+PI控制方式，系统响应快，调节时间短。图4 BP+PI控制五、结论综上所述可以分析
10、得到，使用BP神经网络的方法，可以更好地控制电机，同 时延长电机的使用寿命，提高利用率。参考文献：1 夏长亮，郭培健，史婷娜，等.基于模糊遗传算法的无刷直流电机自适应控 制J.中国电机工程学报，2005，25（011）： 129-133.2 张德民，徐仕源.基于自抗扰的自适应控制在永磁同步电机控制中的应用J. 电机与控制应用，2017，044（004）： 70-73.3 宁杰.永磁同步电机自适应控制技术研究D. 2015.4 吴珂.多电机驱动系统的特征建模与自适应控制D.北京理工大学，2015.5 窦晓华.基于特征模型的永磁同步电机转速自适应控制方法及应用研究D. 2015.6 尹攀飞，同宇.反推自适应控制与滑模控制在交流伺服电机中的应用比较J. 佳木斯教育学院学报，2012.
