基于神经网络的感应电动机的模型参考自适应速度控制系统.pdf

第 卷第 期 佛山科学技术学院学报 自然科学版 23 4 ( ) .23 .4 Vol No 年 月 2005 12 ]ournal of Foshan university Natural science edition( ) Dec.2005 文章编号:1008-01T1(2005)04-0025-04 基于神经网络的感应电动机的模型参考 自适应速度控制系统 谢秉恩1 2 2 1 徐小增 胥布工 (1.华南理工大学自动化科学与工程学院 广东广州 510640; 2.佛山科学技术学院自动化系 广东佛山 528000) 摘要 系统中分别设计了一个神经网络系统辨识器: (NNPI)和一个模型参考自适应神经网络控制器(NNPIC) NNPI 自适应地在线辨识出系统的集中不确定量 NNPIC 能使到系统输出跟踪参考模型的输出 仿真实验表O 明 与常规的控制器相比 本文设计的速度控制方案能取得优良的控制性能 且在负载转矩和电机内部参数变 化的情况下有很强的鲁棒性O 关键词 矢量控制 感应电动机 神经网络 自适应控制: ; ; ; 中图分类号: 346 文献标识码: TM A 矢量控制技术的提出和应用 大大推动了交流传动的发展 使得交流传动的性能可与直流传动性能 相媲美[1 2]O 在负载转矩不变和电机内部参数不变的条件下 传统的 PID控制在异步电动机的速度控制 上能够取得较好的控制性能 但是在实际的工业生产过程中 负载转矩常常在一定范围内变化 电机的 内部参数变化较大 因此 为保证获得预期的动态响应 必须设计出鲁棒性强的速度控制方案 由于神O O 经网络具有自学习 自适应的能力 并且能以任意的精度逼近任意的非线性函数 因此 将神经网络应用~ 于动态系统的辨识和控制成为了当今的研究热点之一[3 4]O本文设计的控制方案中分别设计了一个神经 网络系统辨识器NNPI 和一个模型参考自适应神经网络控制器NNPIC 两者的设计相互独立 通过O 和 的补偿作用 系统能有效地减少负载转矩变化和电机内部参数变化对系统性能的影 NNPI NNPIC 响 使电机的实际转速 ( )能快速地跟踪转速命令 ( )O wr k w kr 1 矢量控制异步电动机的数学模型 矢量控制的基本原理是通过分解定子电流 使之分 解成转矩和磁场两个电流分量 经过坐标变换实现电动 机的转矩和磁链的控制完全解耦 再分别控制转矩电流 分量和磁链电流分量 使电机的电磁转矩与转矩电流分 量成线性关系 从而得到与直流电动机相应的控制性能 O 在矢量控制情况下 异步电动机速度控制系统的结构如 图 异步电动机速度控制系统的结构图 1 图 所示 1 O 收稿日期:2005-09-08 基金项目 广东省自然科学基金资助项目: (020118) 作者简介 谢秉恩 男 广东东莞人 华南理工大学与佛山科学技术学院联合培养硕士研究生 : (1