專利名稱：感應電機調速系統模糊神經網絡逆魯棒控制器及構造方法
技術領域：
本發明是感應電機調速系統的模糊神經網絡逆魯棒控制器及其構造方法，適用于一臺 電流控制電壓源型逆變器驅動一臺感應電機的高精度魯棒控制，屬于電力傳動控制設備的 技術領域。
背景技術：
感應電機具有結構簡單，運行可靠，成本低廉等優點，隨著矢量控制技術的實用化， 已經逐漸取代直流電機，在工業拖動領域得到廣泛的應用。基于穩態模型的恒壓頻比控制 方式下的感應電機調速系統能滿足一般的調速要求，但低速時帶負載能力有限。基于動態 模型的矢量控制方式下的感應電機調速系統具有動態性能好、調速范圍寬的優點，在工業 拖動領域的應用逐漸廣泛。異步電機的動態模型是一個高階、非線性、強耦合的多變量時 變系統，基于坐標變換按轉子磁場定向的矢量控制方式將轉子總磁鏈方向定向于d軸，實 現了磁鏈與轉矩的穩態解耦，通過設計磁鏈調節器和轉速調節器分別控制磁鏈和轉速，取 得了較好的控制效果。但由于矢量控制方程中包含了感應電機轉子參數和負載轉矩，轉子 參數的攝動和負載轉矩的突變將降低系統魯棒性，影響控制效果的進一步提高。基于逆系 統理論的神經網絡逆控制方法應用于感應電機調速，用神經網絡構造的逆系統加感應電機 調速系統可以實現線性化解耦控制，但基于經驗風險最小化的神經網絡存在局部極小點、 過學習及結構和類型的選擇過分依賴經驗等缺陷，同時感應電機在實際運行中，存在負載 突變、轉子電阻參數攝動以及磁飽和與鐵損等未建模動態，這些不確定因素將引起模型失 配，使系統偏離預期控制目標。現代工業生產過程對感應電機調速系統控制精度的要求越 來越高，如何在解耦和線性化控制基礎上，抑制轉子參數攝動的負載擾動，克服未建模動 態的干擾，提高系統魯棒性，是一個急待解決的問題。
發明內容
本發明的目的是提供一種感應電機調速系統模糊神經網絡逆魯棒控制器，實現感應電 機調速系統解耦線性化控制，同時又能很好地抑制轉子參數攝動和負載擾動，克服未建模 動態的干擾，提高系統魯棒性，實現高性能魯棒控制。
本發明的另一目的是提供一種感應電機調速系統模糊神經網絡逆魯棒控制器的構造方法。
本發明感應電機調速系統模糊神經網絡逆魯棒控制器的技術方案是包括電流控制電 壓源型的逆變器和感應電機，感應電機分別連接負載和光電編碼盤，該模糊神經網絡逆魯棒控制器由模糊神經網絡逆與魯棒控制器串接組成，其中模糊神經網絡逆用模糊神經網絡 加l個積分構成，且串接在感應電機調速系統之前，感應電機調速系統由逆變器、感應電 機及負載作為一個整體組成，所述模糊神經網絡逆和感應電機調速系統復合構成偽線性子 系統；魯棒控制器由偽線性子系統設計得到，魯棒控制器包括控制器和內部模型。
本發明感應電機調速系統模糊神經網絡逆魯棒控制器的構造方法采用的技術方案是 依次包括如下步驟-
① 將逆變器與感應電機及負載共同組成感應電機調速系統；
② 對整個感應電機調速系統進行等效，輸入變量為逆變器的速度給定，輸出變量為感 應電機調速系統的速度，得到感應電機調速系統的數學模型為A《坐標系下的三階微分方 程，速度相對階數為一階，確定逆系統的輸入變量為轉速的一階導數，輸出變量為感應電 機調速系統的輸入；
③ 構造模糊神經網絡逆；
④ 將階躍激勵信號加到感應電機調速電機系統的輸入端；釆集激勵信號和實際轉速； 對得到的實際轉速信號進行離線求一階導數；用構成的訓練樣本集對模糊神經網絡進行訓 練以確定模糊神經網絡的各參數；
⑤ 復合形成速度偽線性系統；
⑥ 設計魯棒控制器后與模糊神經網絡逆相串接構成模糊神經網絡逆魯棒控制器。 本發明通過構造模糊神經網絡逆，根據感應電機調速系統的速度這一主要被控量，將
磁鏈和速度相互耦合的復雜非線性系統的控制問題轉化為一個恒量控制和簡單偽線性系統 的控制問題，相應地合理設計魯棒控制器，實現對感應電機調速系統的高精度魯棒控制。 本發明的優點在于
1、 采用模糊神經網絡逆，解決了復雜非線性系統的線性化控制問題，克服了神經網絡 存在局部極小點、過學習及結構和類型的選擇過分依賴經驗等缺陷；
2、 將模糊神經網絡逆方法與魯棒控制結合，合理設計魯棒控制器，抑制參數攝動和負 載突變，克服未建模動態的干擾，進一步發展了逆系統方法，獲得高性能的魯棒控制；
3、 本發明的方法不僅可用于設計新的感應電機調速系統控制方案，在舊的感應電機調 速系統的改造中，其應用前景也非常廣闊，系統的控制代碼可以方便地移植到各種控制芯 片中，大大縮短開發周期。
圖1是由電流控制電壓源型的逆變器1驅動的感應電機2及負載3形成的感應電機調 速系統的原理結構圖。圖2是圖1中的逆變器1與感應電機2的數學模型示意圖及其等效圖。 圖3是感應電機調速系統4的單輸入(逆變器的輸入)和單輸出(速度)等效框圖。 圖4是模糊神經網絡逆5與感應電機調速系統4復合構成的偽線性系統6的示意圖及 其等效圖。
圖5是加到感應電機調速系統4輸入端的階躍激勵信號(為逆變器的頻率給定W )。 圖6是模糊神經網絡51的訓練誤差變化曲線國。 圖7是由魯棒控制器7與偽線性系統6組成的閉環控制系統的結構圖。 圖8是采用模糊神經網絡逆魯棒控制器8對感應電機調速系統4進行控制的完整原理 框圖。
圖9是采用dSPACE (實時仿真系統，下同)作為模糊神經網絡逆魯棒控制器的本發 明裝置組成示意圖。其中有逆變器l、 dSPACE9、工控機10和光電編碼器11。
圖10是采用dSPACE作為模糊神經網絡逆魯棒控制器時的系統控制框圖。
具體實施例方式
如圖l-4所示，本發明將電流控制電壓源型的逆變器l、感應電機2和負載3作為一個 整體構成感應電機調速系統4。該感應電機調速系統4的數學模型為A《坐標系下的三階微 分方程，輸出為速度，速度的相對階數為一階，整體系統即感應電機調速系統4對應的逆 系統存在。采用2個輸入節點、1個輸出節點的模糊神經網絡51加1個積分通過離線學習 構成模糊神經網絡逆5，再將模糊神經網絡逆5串接在原系統即被控的感應電機調速系統4 之前，二者共同復合成等效的速度一階積分型偽線性子系統6，為單輸出速度系統。根據 感應電機調速系統4的速度這一主要被控量，將磁鏈和速度相互耦合的復雜非線性系統的 控制問題轉化為一個恒量控制和簡單偽線性系統的控制問題，最后根據內模控制理論，對 得到的偽線性子系統6相應地合理設計魯棒控制器7,魯棒控制器7包括控制器71和內部 模型72相連接，如圖7所示，實現對感應電機調速系統4的高精度魯棒控制。最終形成的 模糊神經網絡逆魯棒控制器8，如圖8所示，該模糊神經網絡逆魯棒控制器8由模糊神經 網絡逆5與魯棒控制器7相串接組成，可根據不同的控制要求采用不同的硬件或軟件來實 現。
具體實施分以下6步
① 如圖1所示，組成感應電機調速系統4。將電流控制電壓源型的逆變器1與被控的 感應電機2及負載3共同組成復合被控對象即感應電機調速系統4,該復合被控對象以逆 變器1的轉速給定為輸入，以感應電機1的轉速為輸出。
② 通過分析、等效與推導，為模糊神經網絡逆5的構造與學習訓練提供方法上的依據。首先將負載3等效為感應電機2的轉矩參數，視為感應電機模型的可變參量。再作逆變器 十感應電機的等效，對于逆變器驅動的感應電機2其輸入變量為該逆變器1的速度給定， 輸出變量為該感應電機2的速度，其等效結構如圖2所示。然后作整個感應電機調速系統4 的等效，輸入變量為逆變器l的速度給定"，輸出變量為感應電機調速系統4的速度^， 整個感應電機調速系統4的等效框圖如圖3所示。最后通過分析和推導可得到整個感應電 機調速系統4的數學模型為A《坐標系下的三階微分方程，速度相對階數為一階，經推導 可證明該系統的逆系統存在，并可確定其逆系統的輸入變量為轉速A的一階導數A,輸出 變量為原系統的輸入^'，即被控的感應電機調速系統4的輸入q'。需要說明的是，這一步 僅為以下的模糊神經網絡逆5的構造與學習提供方法上的根據，在本發明的具體實施中， 這一步的分析、等效以及逆系統的證明等可跳過。
③ 構造模糊神經網絡逆5。采用自適應神經模糊推理系統(ANFIS，簡稱模糊神經網絡) 加1個積分器構造模糊神經網絡逆5，見圖4左圖中的虛線框內所示，模糊神經網絡51采 用5層的ANFIS網絡，輸入節點數為2個，誤差指標取樣本的均方誤差RMSE，輸入輸出 變量的隸屬函數均采用鐘形函數，每個輸入取15個隸屬度函數，輸出函數類型為線性，模 糊神經網絡51的參數在下一步的離線學習中確定；然后用此具有2個輸入節點、l個輸出 節點的模糊神經網絡51加1個積分構成具有1個輸入節點、1個輸出節點的模糊神經網絡 逆5，見圖4左圖中的虛線框內所示，其中模糊神經網絡51的第一個輸入為模糊神經網 絡逆5的輸入，其經1個積分作為模糊神經網絡51的第二個輸入，模糊神經網絡51的輸 出即為模糊神經網絡逆5的輸出。
④ 確定模糊神經網絡51的參數。其步驟是(A)選擇逆變器1的速度給定信號(或頻 率給定)作為學習激勵信號，如圖5所示，以便感應電機調速系統4在其工作范圍內能被 充分激勵；(B)將選定的激勵信號以輸入的形式加到圖3所示的感應電機調速系統4的輸 入端^'，進行開環運行，按0.1秒的采樣間隔采樣激勵信號^'、實際轉速^，保存采樣數 據{^,^}; (C)對得到的實際轉速^進行離線求一階導數A，從而構成模糊神經網絡51 的訓練樣本集(^'，A,^h (D)對模糊神經網絡51采用混合算法進行訓練，學習訓練20 次后，訓練樣本的均方根誤差RMSE-0.0008(誤差曲線如圖6所示)，校驗樣本的 RMSE=0.0015,達到了控制的精度要求，從而確定了模糊神經網絡51的各參數。
⑤ 形成速度偽線性系統6。將離線訓練好的模糊神經網絡51配上一個積分構成的模糊 神經網絡逆5，如圖4左圖中的虛線框內所示，與圖l所示的被控的感應電機調速系統4 串接復合，形成速度一階的偽線性系統6，如圖4所示，實現了把復雜非線性耦合系統控 制轉化為簡單的線性系統控制。⑥ 設計魯棒控制器7。依據得到的速度一階偽線性子系統的性質、實際運行中所面臨 的干擾及參數的時變特性設計魯棒控制器7。魯棒控制器7可以采用線性系統魯棒控制理 論中內模原理、Lyapunov理論和HjS制理論等設計方法。本發明的速度魯棒控制器7根據
內模原理設計，控制器71為(7 = ^(25 + 1)，被控對象的內部模型72為&")"—1，其 結構及連接情況如圖7所示。
⑦ 形成模糊神經網絡逆魯棒控制器8。最終形成的模糊神經網絡逆魯棒控制器8包括 模糊神經網絡逆5與魯棒控制器7兩部分，如圖8所示，可根據不同控制要求采用不同的 硬件或軟件來實現。
圖9是本發明的具體實施例的示意圖，圖中，模糊神經網絡逆魯棒控制器8采用dSPACE 實現，其附帶模塊包括的模擬輸入ADC模塊、增量編碼器接口及DSP子系統，逆變器l 采用三菱公司PS12036專用智能功率模塊ASPIM實現。被控感應電機2的型號為Y90S-4， 電機參數為Pe=l.lA:W; "=220/380 V; /e=2.7A; /e=50Hz; "p=2; cor=146.6rad/s。系統實 驗步驟如圖10所示，包括實驗過程中的主要步驟和程序框圖，實現程序下載、虛擬儀表設 計連接和速度模糊神經網絡逆魯棒控制，實時防真后進行數據顯示、故障診斷、報警，對 參數的修改和暫停等，同時開始速度控制中斷服務程序，依次進行現場保護、信號采樣、 數據處理、對模糊神經網絡逆魯棒控制、現場恢復后返回。
權利要求
1.一種感應電機調速系統模糊神經網絡逆魯棒控制器，包括電流控制電壓源型的逆變器(1)和感應電機(2)，感應電機(2)分別連接負載(3)和光電編碼盤(11)，其特征是該模糊神經網絡逆魯棒控制器(8)由模糊神經網絡逆(5)與魯棒控制器(7)串接組成，其中模糊神經網絡逆(5)用模糊神經網絡(51)加1個積分構成，且串接在感應電機調速系統(4)之前，感應電機調速系統(4)由逆變器(1)、感應電機(2)及負載(3)作為一個整體組成，所述模糊神經網絡逆(5)和感應電機調速系統(4)復合構成偽線性子系統(6)；魯棒控制器(7)由偽線性子系統(6)設計得到，魯棒控制器(7)包括控制器(71)和內部模型(72)相連接。
2. 根據權利要求1所述的感應電機調速系統的模糊神經網絡逆魯棒控制器，其特征 是所述模糊神經網絡(51)采用5層模糊神經網絡，輸入節點數為2個，輸出節點數為l 個，模糊神經網絡逆(5)具有1個輸入節點和1個輸出節點，模糊神經網絡(51)的第一 個輸入為模糊神經網絡逆(5)的輸入，經1個積分作為模糊神經網絡(51)的第二個輸入， 模糊神經網絡(51)的輸出為模糊神經網絡逆(5)的輸出，輸入輸出變量的隸屬函數均采 用鐘形函數，每個輸入取15個隸屬度函數，輸出函數類型為線性。
3. —種感應電機調速系統模糊神經網絡逆魯棒控制器的構造方法，其特征是依次包 括如下步驟① 將逆變器(1)與感應電機(2)及負載(3)共同組成感應電機調速系統(4);② 對整個感應電機調速系統(4)進行等效，輸入變量為逆變器(1)的速度給定，輸 出變量為感應電機調速系統(4)的速度，得到感應電機調速系統(4)的數學模型為A《 坐標系下的三階微分方程，速度相對階數為一階，確定逆系統的輸入變量為轉速的一階導 數，輸出變量為感應電機調速系統(4)的輸入；③ 構造模糊神經網絡逆(5);④ 將階躍激勵信號加到感應電機調速電機系統(4)的輸入端；采集激勵信號和實際轉 速;對得到的實際轉速信號進行離線求一階導數;用構成的訓練樣本集對模糊神經網絡(51) 進行訓練以確定模糊神經網絡(51)的各參數；⑤ 復合形成速度偽線性系統(6);(D設計魯棒控制器(7)后與模糊神經網絡逆(5)相串接構成模糊神經網絡逆魯棒控 制器(8)。
全文摘要
本發明公開了一種感應電機調速系統的模糊神經網絡逆魯棒控制器及其構造方法，將逆變器、感應電機及負載作為一個整體組成感應電機調速系統，用模糊神經網絡逆串接在感應電機調速系統前，二者共同復合成一階積分型速度偽線性系統，對得到的速度偽線性系統設計魯棒控制器，將所述模糊神經網絡逆與魯棒控制器相連接形成模糊神經網絡逆魯棒控制器，實現對感應電機調速系統的高精度魯棒控制，本發明可抑制參數攝動和負載突變，克服未建模動態的干擾，不僅用于設計新的感應電機調速系統控制方案，在舊的感應電機調速系統的改造中應用前景非常廣闊，系統的控制代碼可方便地移植到各種控制芯片中，大大縮短開發周期。
文檔編號H02P27/04GK101630940SQ20091018431
公開日2010年1月20日 申請日期2009年8月12日 優先權日2009年8月12日
發明者劉國海, 躍 沈, 滕成龍, 彥 蔣 申請人:江蘇大學