王 鼎, 謝順依, 郭志榮, 張林森
?
魚雷PMBLDCM在線智能PID控制器建模與仿真
王 鼎, 謝順依, 郭志榮, 張林森
(海軍工程大學 兵器工程系, 湖北 武漢, 430033)
針對應(yīng)用于新型魚雷武器中的永磁無刷直流電機(PMBLDCM)轉(zhuǎn)矩脈動較大引起的噪聲和振動等問題, 設(shè)計了離線訓(xùn)練與在線訓(xùn)練相結(jié)合的智能比例積分微分(PID)控制器。首先, 通過分析被控對象負載擾動大的特點, 利用人工神經(jīng)網(wǎng)絡(luò)建立了自校正調(diào)節(jié)器, 將其與傳統(tǒng)的PID控制器相結(jié)合,通過在線調(diào)節(jié)PID參數(shù)以達到最優(yōu)的控制效果; 其次, 在Simulink中搭建了在線智能PID控制系統(tǒng)模型并進行了仿真試驗。仿真結(jié)果表明, 在線智能PID控制器具有較好的適應(yīng)性和魯棒性, 系統(tǒng)具有良好的動態(tài)響應(yīng)性能。
魚雷; 永磁無刷直流電動機(PMBLDCM); 轉(zhuǎn)矩脈動; 神經(jīng)網(wǎng)絡(luò); 自校正調(diào)節(jié)器
永磁無刷直流電動機(permanent magnetic brushless DC motors, PMBLDCM)具有調(diào)速方便、結(jié)構(gòu)簡單、維護簡便、電磁污染小、功率密度大等優(yōu)點, 正在逐步應(yīng)用到魚雷動力系統(tǒng)中。但因其轉(zhuǎn)矩波動較大, 不但會產(chǎn)生噪聲和振動等問題[1], 導(dǎo)致魚雷隱蔽性降低, 還會影響整個系統(tǒng)的性能, 從而降低魚雷電機使用壽命和驅(qū)動系統(tǒng)的可靠性, 制約其在魚雷動力系統(tǒng)中的推廣。然而, PMBLDCM具有的其他電機所不具備的優(yōu)良特性, 正是魚雷武器系統(tǒng)所迫切需要的, 因此, 如何抑制PMBLDCM的轉(zhuǎn)矩脈動,發(fā)揮其最大效率就成為急需研究的問題。
針對上述問題, 本文利用人工神經(jīng)網(wǎng)絡(luò)對被控對象負載擾動大的特點建立自校正調(diào)節(jié)器, 將其與傳統(tǒng)的比例積分微分(proportional integral differential, PID)控制結(jié)合, 設(shè)計離線訓(xùn)練與在線訓(xùn)練相結(jié)合的在線智能PID控制器, 通過在線調(diào)節(jié)PID參數(shù)以達到最優(yōu)控制效果, 并進行建模與仿真, 以期減小PMBLDCM轉(zhuǎn)矩脈動。
PMBLDCM原理如圖1所示, PMBLDCM按星型連接120°導(dǎo)通方式工作時, 假設(shè)磁路不飽和, 不計渦流和磁滯損耗, 三相繞組完全對稱[2], 則三相繞組的電壓平衡方程為
式中:U,U,U為相電壓;為相電阻;i,i,i分別為相電流;為相有效電感;為微分算子;e,e,e為相反電勢。
圖1 PMBDCM原理圖
Fig. 1 Principle of PMBLDCM
以電流從A相換流到B相(上橋臂換相), C相為非換向相為例分析。設(shè)換相期間電機轉(zhuǎn)速一定, 反電動勢為理想梯形波形(平頂寬度為120°), 并認為換相期間各相反電動勢幅值不變, 即
式中,k為反電動勢系數(shù)。
換相前, 不考慮非導(dǎo)通相續(xù)流, 有i=i,i=0,e=-e=。設(shè)T1為換相前電磁轉(zhuǎn)矩,T2為換相期間電磁轉(zhuǎn)矩, 則
由式(3)和式(4)可知, 速度一定時, 換相前后電磁轉(zhuǎn)矩與非換相繞組上的電流成正比。因此, 在電機反電動勢為理想梯形波情況下, 如果能夠保證換相期間非換向相繞組上流過電流不變, 則可以抑制換相轉(zhuǎn)矩脈動。設(shè)換相前C 相電流穩(wěn)態(tài)值為0, 由式(1)可得
式中,U1=U-U, 表示 C相繞組上換相前施加電壓。設(shè)U2為換相期間C相繞組上施加電壓, 則換相期間C相電流可以表示為
令0=i, 得
則
由式(9)可知, 如果能夠保證換相期間非換向相繞組上施加電壓維持不變, 則可以保證換相期間非換相繞組電流不變, 從而可以有效地抑制換相轉(zhuǎn)矩脈動[3]。
若換相期間采用特定的調(diào)制方式使非換向相繞組電壓維持恒定, 則可有效抑制換相轉(zhuǎn)矩脈動[4]。本文采用自校正調(diào)節(jié)器與傳統(tǒng)PID控制器相結(jié)合的控制策略, 其控制原理如圖2所示。
圖2 在線智能PID控制器原理圖
自校正調(diào)節(jié)器的設(shè)計思路是把未知參數(shù)的估計和控制器的設(shè)計分開進行。未知參數(shù)用遞推估計方法在線估計, 估計出的參數(shù)就可以被看作真實參數(shù), 對系統(tǒng)進行調(diào)節(jié)[4]。本文的控制系統(tǒng)中自校正調(diào)節(jié)器是以BP神經(jīng)網(wǎng)絡(luò)進行在線估計, 同時也是以BP神經(jīng)網(wǎng)絡(luò)來實時更新PID控制器中的3個可調(diào)參數(shù)k,k,k。
如圖2所示, 網(wǎng)絡(luò)ANN2的輸入為rin2與yout2, 以ANN2估計出的參數(shù)(神經(jīng)元之間的權(quán)值)作為真實參數(shù)建立模型ANN1, 而ANN1的輸入是rin1與yout1, 即認為rin1= rin2, 得出理想狀態(tài)下的PID參數(shù)。同時, PID參數(shù)作為網(wǎng)絡(luò)ANN2的訓(xùn)練教師, 與ANN2的輸出PID參數(shù)比較, 誤差用于修正權(quán)值。最終, 網(wǎng)絡(luò)ANN1與ANN2的輸入與輸出均完全一樣, yout1與yout2也近似相等。在控制對象的參數(shù)有變化時, ANN2可以隨時修正參數(shù), 同時更新ANN1的權(quán)值, 使網(wǎng)絡(luò)模型始終逼近實際模型。
設(shè)計的在線智能PID控制器由自校正調(diào)節(jié)器和PID控制器構(gòu)成,自校正調(diào)節(jié)器應(yīng)用BP神經(jīng)網(wǎng)絡(luò)根據(jù)系統(tǒng)運行狀態(tài)調(diào)節(jié)PID控制器參數(shù),以達到最佳的控制效果, PID控制器則負責直接閉環(huán)控制電機電流??刂破鬏斎雛in=Iin; 中間變量=,為脈寬調(diào)制(PWM)信號的占空比; 輸出yout=。
經(jīng)典的增量數(shù)字PID控制算式為
式中,k,k和k分別為比例、積分、微分系數(shù), 可利用基于BP神經(jīng)網(wǎng)絡(luò)的自校正調(diào)節(jié)器調(diào)節(jié)來找到一個最佳控制規(guī)律[5]。
本文中BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為4-5-3。神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點選為=[rin() yout() error() 1], 輸出層節(jié)點分別對應(yīng)PID控制器的3個可調(diào)參數(shù)k,k和k。由于k,k和k不能為負值,所以輸出層神經(jīng)元的激發(fā)函數(shù)取非負的Sigmoid函數(shù),而隱含層神經(jīng)元的激發(fā)函數(shù)取正負對稱的Sigmoid函數(shù)[5]。
因此可得神經(jīng)網(wǎng)絡(luò)輸出層權(quán)系數(shù)計算公式
式中:()為學習速率;為慣性系數(shù)。
據(jù)上述推算方法得隱含層權(quán)系數(shù)計算公式
為了驗證所設(shè)計的控制器效果,在Matlab/ Simulink中搭建控制系統(tǒng)模型并進行仿真研究[6-7], 如圖3所示。仿真樣機參數(shù): 額定功率=4 000 W, 額定電壓=300 V, 額定轉(zhuǎn)速=2 500 r /min, 額定轉(zhuǎn)矩T=1.8 N·m, 每相繞組電阻= 7.82 Ω, 有效電感=40 mH, 轉(zhuǎn)動慣量=1.23×10-4kg·m2, 電動勢系數(shù)=0.76 V/ rad·s-1。
本抑制策略中神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)采用上一周期根據(jù)經(jīng)驗確定的k,k和k及控制系統(tǒng)中的rin, yout, error, 訓(xùn)練網(wǎng)絡(luò)ANN2, 并相應(yīng)更新ANN1。同時記錄本周期的rin, yout, error,k,k,k, 用于下一周期的網(wǎng)絡(luò)訓(xùn)練和PID控制。
圖4記錄的是在未加換相轉(zhuǎn)矩波動控制時測得的轉(zhuǎn)矩, 由圖4可以看出, 轉(zhuǎn)矩波動比較明顯, 達到轉(zhuǎn)矩平均值的33%。圖5記錄的是加入換相轉(zhuǎn)矩波動控制時測得的轉(zhuǎn)矩, 其波動大幅減小。
圖6和圖7驗證了本抑制策略的控制效果。在負載突然增加時, 以前的控制模型不能適應(yīng)新的環(huán)境, 通過在線學習, 重新估計參數(shù), 修正控制模型, 使系統(tǒng)在短時間內(nèi)達到新的平衡狀態(tài)。在新的平衡狀態(tài)和以前的平衡狀態(tài)之間有一個過渡時間, 過渡時間的長短和網(wǎng)絡(luò)學習的收斂速度有關(guān), 網(wǎng)絡(luò)收斂得越快過渡時間越短。在采用控制系統(tǒng)后, 樣機的過渡時間縮短到了未采用時的1/4。
圖3 在線智能PID控制系統(tǒng)模型
圖4 未采用抑制策略轉(zhuǎn)矩波形
圖5 采用抑制策略轉(zhuǎn)矩波形
圖6 未采用抑制策略的突加負載轉(zhuǎn)矩波形
圖7 采用抑制策略的突加負載轉(zhuǎn)矩波形
本文在分析PMBLDCM特點及其在魚雷動力系統(tǒng)領(lǐng)域使用現(xiàn)狀的基礎(chǔ)上, 充分發(fā)揮自校正調(diào)節(jié)器的優(yōu)勢, 結(jié)合PID控制設(shè)計了PMBLDCM的在線智能PID控制器。仿真結(jié)果表明, 在線智能PID控制器對PMBLDCM模型的負載擾動變化具有更強的適應(yīng)性和魯棒性,控制器算法簡單,系統(tǒng)具有良好的動態(tài)響應(yīng)性能, 降低了魚雷PMBLDCM的噪聲與振動, 提高了魚雷武器系統(tǒng)的戰(zhàn)技性能。
[1] Henderson J J R. Design of Brushless Permanent-magnet Motors [M]. Magna Physics Publishing and Clarendon Press Oxford, 1994.
[2] 紀志成, 姜建國, 沈艷霞. 永磁無刷直流電動機轉(zhuǎn)矩脈動及其抑制方法[J]. 微特電機, 2003, (5): 33-35.Ji Zhi-cheng, Jiang Jian-guo, Shen Yan-xia. Review of Torque Ripple and its Suppression in Permanent Magnet Brushless DC Motor[J]. Small & Special Machines, 2003(5): 33-35.
[3] WonSeok O, Kim Y, Kim C, et al. Speed control of induction motor using genetic algorithm based fuzzy controller[C]// Proceedings of IEEE Industrial Electronics Society Confe- rence, San Jose, CA, 1999: 307-311.
[4] Parasiliti F, Petrella R, Tursini M. Torque Ripple Com- pensation in Permanent-Magnet Synchronous Motor Based on Kalman Filter[C]//Proceedings of IEEE Conference ISIE’99- Bled, Slovenia, 1999: 1333-1338.
[5] Lee C K, Kwok N M. Torque Ripple Reduction in BLDC Motor Velocity Control Systems using an Optimal Controller [C]//Proceedings of Electrical Machines and Drives Confe- rence, US, 1993: 600-605.
[6] 飛思科技產(chǎn)品研發(fā)中心. MATLAB6.5 輔助神經(jīng)網(wǎng)絡(luò)分析與設(shè)計[M]. 北京: 電子工業(yè)出版社, 2003.
[7] 徐艷平, 鐘彥儒, 于宏全. 基于Matlab的永磁同步電機直接轉(zhuǎn)矩控制的仿真建模[J]. 微電機, 2005, 38(3):27-30.Xu Yan-ping, Zhong Yan-ru, Yu Hong-quan. Simulation and Modeling of Direct Torque Control of Based on MATLAB[J]. Micromotors, 2005, 38(3): 27-30.
Modeling and Simulation of On-line Intelligent PID Controller for Torpedo PMBDCM
WANG Ding, XIE Shun-Yi, GUO Zhi-rong, ZHANG Lin-sen
(Department of Weaponry Engineering, Navy University of Engineering, Wuhan 430033, China)
An on-line intelligent proportional integral differential(PID)controller is proposed to suppress the torque ripple in permanent magnetic brushless DC motor(PMBDCM). A self-tuning regulator is established by employing artificial neural network, and combined with PID controller. The parameter of PID controller is tuned on-line to get the best control. Then, the model of on-line intelligent PID controller is built by Simulink. The simulation results show that the controller achieves better adaptability and robustness, moreover the system gains good dynamic performance.
torpedo; permanent magnetic brushless DC motor(PMBDCM); torque ripple; neural network; self-tuning regulator
TJ630.32; U664.34
A
1673-1948(2011)02-0124-05
2010-05-06;
2010-06-17.
王鼎(1983-), 男, 在讀博士, 研究方向為魚雷電動力推進技術(shù).
(責任編輯: 陳 曦)