侯艷雪，黃曼磊，陶麗楠，李洪坤

哈爾濱工程大學(xué)自動化學(xué)院，黑龍江哈爾濱 150001

神經(jīng)網(wǎng)絡(luò)在永磁同步電機(jī)變頻調(diào)速系統(tǒng)中的應(yīng)用

侯艷雪，黃曼磊，陶麗楠，李洪坤

哈爾濱工程大學(xué)自動化學(xué)院，黑龍江哈爾濱 150001

永磁同步電機(jī)調(diào)速系統(tǒng)被廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)等各個(gè)領(lǐng)域。為了能夠減少能源的消耗，節(jié)約成本，須在工業(yè)設(shè)計(jì)和控制技術(shù)方面實(shí)現(xiàn)高效率、高節(jié)能的要求。采用基于空間矢量脈寬調(diào)制（SVPWM）策略的矢量控制方案能夠使系統(tǒng)的調(diào)速范圍較寬，精度較高，抗擾動能力強(qiáng)，得到較好的控制效果，但其超調(diào)量較大，而利用神經(jīng)網(wǎng)絡(luò)的精準(zhǔn)建模特性可有效解決該問題。采用MATLAB／SIMULINK仿真軟件設(shè)計(jì)了轉(zhuǎn)速、電流雙閉環(huán)SVPWM型交流變頻調(diào)速系統(tǒng)，對永磁同步電機(jī)運(yùn)用了id＝0的矢量控制方法。提出在轉(zhuǎn)速控制器的設(shè)計(jì)中，用單神經(jīng)元控制器取代傳統(tǒng)的PI控制器。通過調(diào)節(jié)控制器參數(shù)并進(jìn)行仿真，驗(yàn)證了系統(tǒng)模型的合理性，有效地提高了系統(tǒng)的動態(tài)性能，改善了系統(tǒng)的穩(wěn)定性。

單神經(jīng)元；變頻調(diào)速系統(tǒng)；矢量控制；神經(jīng)網(wǎng)絡(luò)

近年來，交流變頻調(diào)速系統(tǒng)的發(fā)展非常迅速，已成為調(diào)速系統(tǒng)主要研究和發(fā)展的對象。目前該系統(tǒng)在市場上廣泛采用的控制策略為正弦脈寬調(diào)制（si-nusoidal pulse width modulation，SPWM），但采用該方法會使系統(tǒng)產(chǎn)生某些高次諧波分量，進(jìn)而引起電動機(jī)發(fā)熱、轉(zhuǎn)矩脈動甚至系統(tǒng)的振蕩。空間矢量脈寬調(diào)制（space vector pulse width modulation，SVP-WM）的算法簡單且易于實(shí)現(xiàn)，在輸出電壓或電機(jī)線圈電流中產(chǎn)生的諧波少，且就SPWM方法來說能夠進(jìn)一步提高對電壓源逆變器直流供電電源的利用率［1-2］。故采用基于SVPWM的空間矢量控制策略來控制永磁同步電機(jī)能產(chǎn)生更好的控制效果。在閉環(huán)控制電機(jī)轉(zhuǎn)速方面，傳統(tǒng)上采用PI控制器，但由于該系統(tǒng)較為復(fù)雜，采用PI規(guī)律很難進(jìn)一步提高控制效果。單神經(jīng)元自適應(yīng)PID（single neuron adap-tive PID，SNAPID）控制器不需要對被控對象進(jìn)行精確的建模與分析，它能通過自身不斷的學(xué)習(xí)迭代過程，了解系統(tǒng)的結(jié)構(gòu)參數(shù)與不確定性，生成最佳的控制參數(shù)，環(huán)境變化適應(yīng)能力較強(qiáng)，可以得到較好的控制效果［3-4］。

1 單神經(jīng)元控制算法

單神經(jīng)元控制器是神經(jīng)網(wǎng)絡(luò)中最基本的元件，它計(jì)算量小、結(jié)構(gòu)簡單、應(yīng)用方便。由具有自學(xué)習(xí)和自適應(yīng)能力的單神經(jīng)元構(gòu)成單神經(jīng)元自適應(yīng)智能PID控制器，不但結(jié)構(gòu)簡單，而且有較強(qiáng)的魯棒性，能滿足實(shí)時(shí)控制的要求。

1.1 單神經(jīng)元典型的學(xué)習(xí)規(guī)則

單神經(jīng)元典型的學(xué)習(xí)規(guī)則有：無監(jiān)督的Hebb學(xué)習(xí)規(guī)則為Δwij（k）＝ηoj（k）oi（k）；有監(jiān)督的Delta學(xué)習(xí)規(guī)則為Δwij（k）＝η（dj（k）－oj（k））oi（k）；有監(jiān)督的Hebb學(xué)習(xí)規(guī)則是將無監(jiān)督的Hebb學(xué)習(xí)規(guī)則稍作改進(jìn)，引入有監(jiān)督的Delta學(xué)習(xí)規(guī)則中定義的神經(jīng)元激活值，即為Δwij（k）＝η（dj（k）－oj（k））oj（k）oi（k）。其中η為學(xué)習(xí)速率，oi（k）、oj（k）分別表示神經(jīng)元i、j的激活值，wij表示神經(jīng)元i、j的權(quán)值。

1.2 SNAPID控制器的學(xué)習(xí)規(guī)則

SNAPID控制器是通過對加權(quán)系數(shù)的調(diào)整來實(shí)現(xiàn)自適應(yīng)、自組織功能，權(quán)系數(shù)的調(diào)整是按有監(jiān)督的Hebb學(xué)習(xí)規(guī)則實(shí)現(xiàn)的。文中SNAPID控制器采用的是改進(jìn)的有監(jiān)督的Hebb學(xué)習(xí)規(guī)則，表達(dá)式為

式中：Δe（k）＝e（k）－e（k－1），z（k）＝e（k），x1（k）＝e（k）為當(dāng)前誤差，x2（k）＝e（k）－e（k－1）為誤差的一階差分，x3（k）＝e（k）－2e（k－1）＋e（k－2）為誤差的二階差分，K為神經(jīng)元的比例系數(shù)，ηP、ηI、ηD分別為比例、積分、微分的學(xué)習(xí)速率，wi（k）為xi（k）加權(quán)系數(shù)，u（k）為控制信號。

SNAPID控制器控制結(jié)構(gòu)如圖1所示，其輸入端為誤差e（k），輸出端為控制信號u（k）。神經(jīng)元比例系數(shù)K為唯一的參數(shù)，通過選取合適的K值，控制器的權(quán)系數(shù)在P、I、D這3個(gè)路徑不斷迭代，快速實(shí)現(xiàn)控制作用。在程序的起始位置分別對學(xué)習(xí)速率ηI、ηP、ηD與加權(quán)系數(shù)w1（k）、w2（k）、w3（k）賦值，學(xué)習(xí)規(guī)則中誤差e（k）與控制信號u（k）初值均為零，wi（k）與xi（k）按照學(xué)習(xí)規(guī)則不斷迭代并作數(shù)量積運(yùn)算，得到作用于控制對象的控制信號u（k），之后加權(quán)系數(shù)繼續(xù)不斷迭代循環(huán)往復(fù)進(jìn)行［5］。因?yàn)樯窠?jīng)元具有學(xué)習(xí)能力，通過適當(dāng)調(diào)節(jié)比例項(xiàng)P和積分項(xiàng)I的學(xué)習(xí)效率，在起動階段可達(dá)到無超調(diào)的理想狀態(tài)，且微分項(xiàng)D通常被忽略。這樣提高了系統(tǒng)的實(shí)時(shí)性［6］。

圖1 Hebb學(xué)習(xí)規(guī)則的控制結(jié)構(gòu)

2 SVPWM交流變頻調(diào)速系統(tǒng)

SVPWM算法是在三相正弦波對稱電壓的作用下，通過選擇合適的空間電壓矢量，并調(diào)控其的作用順序和作用時(shí)間，使定子磁鏈空間矢量旋轉(zhuǎn)軌跡接近圓形［7］。運(yùn)用MATLAB／SIMULINK建立基于SVPWM的雙閉環(huán)交流變頻調(diào)速系統(tǒng)［8］，驗(yàn)證SNAPID控制器的有效性。

2.1 SNAPID控制器的交流變頻調(diào)速系統(tǒng)

傳統(tǒng)的轉(zhuǎn)速控制器是以永磁同步電機(jī)的轉(zhuǎn)速為被控對象，采用傳統(tǒng)的PI控制與給定轉(zhuǎn)速構(gòu)成的閉環(huán)反饋控制系統(tǒng)。采用MATLAB／SIMULINK設(shè)計(jì)SNAPID控制器的方法為：編寫關(guān)于改進(jìn)的有監(jiān)督的Hebb學(xué)習(xí)規(guī)則的仿真M程序，利用SIMULINK中的MATLAB-Function模塊進(jìn)行調(diào)用［9］，取代傳統(tǒng)的PI控制環(huán)節(jié)。在本設(shè)計(jì)的控制器設(shè)置初始值時(shí)，神經(jīng)元控制器學(xué)習(xí)速率ηI為0.6，ηP為0.4，ηD為0，權(quán)系數(shù)w1（k）初值為0.25，w2（k）初值為4，w3（k）初值為0。得到基于SNAPID控制器的交流變頻調(diào)速系統(tǒng)如圖2所示。

2.2 仿真試驗(yàn)與結(jié)果分析

為了驗(yàn)證本文所設(shè)計(jì)的變頻調(diào)速系統(tǒng)的模型的正確性及其靜、動態(tài)性能，對其轉(zhuǎn)速一定時(shí)，負(fù)載轉(zhuǎn)矩發(fā)生變化的情況進(jìn)行仿真試驗(yàn)。按照圖2所示，設(shè)置永磁電機(jī)的參數(shù)如下：電機(jī)額定功率PN＝1.68 kW，額定轉(zhuǎn)矩TN＝8 N·m，額定轉(zhuǎn)速nN＝2 000 r／min，極對數(shù)p＝4，定子電阻Rs＝0.958 5Ω，電機(jī)在d、q軸下的電感Ld＝Lq＝0.005 25 H，轉(zhuǎn)動慣量J＝0.000 632 9 kg·m2，轉(zhuǎn)子磁場磁通ψf＝0.182 7Wb，粘滯摩擦系數(shù)B＝0.000 303 5 N·m·s。且設(shè)置逆變器直流側(cè)電壓為Udc＝300 V，設(shè)定電機(jī)的給定轉(zhuǎn)速為n＝2 000 r／min。

具體仿真步驟實(shí)施如下：將仿真時(shí)間設(shè)為0.3 s，讓電動機(jī)以負(fù)載轉(zhuǎn)矩為TL＝1 N·m直接啟動，運(yùn)行達(dá)到穩(wěn)定后，第0.15 s時(shí)，突加電動機(jī)負(fù)載轉(zhuǎn)矩至TL＝3 N·m。得到分別采用傳統(tǒng)PI控制器和SNAPID控制器時(shí)，電動機(jī)在啟動及突加負(fù)載轉(zhuǎn)矩的過程中轉(zhuǎn)速的變化曲線如圖3所示，電磁轉(zhuǎn)矩的變化曲線如圖4所示，以及電動機(jī)d、q軸的電流曲線如圖5所示。

圖2 基于SNAPID控制器的交流變頻調(diào)速系統(tǒng)

圖3 電動機(jī)轉(zhuǎn)速變化曲線

圖4 電動機(jī)電磁轉(zhuǎn)矩變化曲線

圖5 電動機(jī)d軸電流

圖6 q軸電流的變化曲線

如圖3、4所示，電動機(jī)在帯載啟動時(shí)，電磁轉(zhuǎn)矩較大，這是為了完成電機(jī)的加速過程，使其轉(zhuǎn)速可以在極短時(shí)間內(nèi)達(dá)到電機(jī)的給定值2 000 r／min；到0.15 s時(shí)，負(fù)載轉(zhuǎn)矩突加為3 N·m，轉(zhuǎn)速和電磁轉(zhuǎn)矩均產(chǎn)生了波動，隨后電磁轉(zhuǎn)矩迅速穩(wěn)定在3 N·m上，轉(zhuǎn)速也快速穩(wěn)定在2 000 r／min上。

如圖5、6所示，由于電動機(jī)采用了id＝0的矢量控制方法，故d軸電流始終在設(shè)定值0附近波動，而q軸電流與電機(jī)的電磁轉(zhuǎn)矩之間成正比［10］。系統(tǒng)的電流曲線不論在啟動過程中還是突加負(fù)載轉(zhuǎn)矩時(shí)，都能夠快速地恢復(fù)穩(wěn)定狀態(tài)，達(dá)到穩(wěn)定值。

比較2種控制器下轉(zhuǎn)速、電磁轉(zhuǎn)矩的變化曲線，從控制系統(tǒng)的過渡過程特性來看，啟動時(shí)，采用普通PI控制器得到的轉(zhuǎn)速和電磁轉(zhuǎn)矩曲線均有較大的超調(diào)量，其中轉(zhuǎn)速超調(diào)量約為20%，過渡過程歷時(shí)約為0.05 s；采用SNAPID控制器得到的轉(zhuǎn)速和電磁轉(zhuǎn)矩曲線相對來說超調(diào)量減小，轉(zhuǎn)速超調(diào)量為12.5%，過渡過程歷時(shí)為0.035 s。運(yùn)行至0.15 s時(shí)突加負(fù)載轉(zhuǎn)矩，采用普通PI控制器，電動機(jī)轉(zhuǎn)速受到擾動有較大的變化，轉(zhuǎn)速動態(tài)變化率為9.38%，且恢復(fù)時(shí)間為0.02 s；采用SNAPID控制器動態(tài)變化率為3.05%，且恢復(fù)時(shí)間為0.018 s。總體來說，SNAPID控制器的控制性能要優(yōu)于普通PI控制器，具有很好的自適應(yīng)性和魯棒性，對系統(tǒng)的動態(tài)過程和穩(wěn)定性進(jìn)行了改善。

3 結(jié)束語

仿真分析和實(shí)驗(yàn)結(jié)果表明，單神經(jīng)元PID控制器是一種具有自學(xué)習(xí)能力和自適應(yīng)能力的良好控制器，將其應(yīng)用在交流變頻調(diào)速系統(tǒng)中，能有效地減小超調(diào)，縮短調(diào)節(jié)時(shí)間，對其動態(tài)過程和穩(wěn)定性起到了極大的改善。

［1］范心明.基于SIMULINK的SVPWM仿真［J］.電氣傳動自動化，2009（3）：19-21.

［2］程啟明，王映斐，胡曉青，等.基于SVPWM的永磁同步電機(jī)矢量控制系統(tǒng)的建模與仿真［J］.上海電力學(xué)院學(xué)報(bào)，2012，28（4）：329-335.

［3］吳凌云，陳春霞.基于單神經(jīng)元PID控制器的PLC直流電機(jī)控制系統(tǒng)［J］.制造業(yè)自動化，2010，32（9）：101-139.

［4］李俊麗，何勇，王生澤.單神經(jīng)元PID在多電機(jī)同步控制中的應(yīng)用［J］.機(jī)電工程，2010，27（8）：14-18.

［5］劉金琨.先進(jìn)PID控制及其MATLAB仿真［M］.北京：電子工業(yè)出版社，2003：87-92.

［6］萬健如，張海波，曹才開.單神經(jīng)元PID控制器永磁同步電機(jī)調(diào)速系統(tǒng)［J］.電力電子技術(shù)，2005，39（1）：75-78.

［7］楊玉杰，汪仁先.基于MATLAB的SVPWM變頻調(diào)速系統(tǒng)的仿真［J］.鞍山鋼鐵學(xué)院學(xué)報(bào)，2002，25（4）：244-247.

［8］王晶，翁國慶，張有兵.電力系統(tǒng)的MATLAB／SIMULINK仿真與應(yīng)用［M］.西安：西安電子科技大學(xué)出版社，2008：97-105.

［9］隋峻，王晶，樊鍵，等.SVPWM在永磁同步電機(jī)系統(tǒng)中的應(yīng)用與仿真［J］.兵工自動化，2011，30（3）：55-58.

［10］任俊杰.船用永磁同步電動機(jī)推進(jìn)系統(tǒng)建模與仿真研究［D］.大連：大連海事大學(xué)，2010：19-28.

Application of artificial neural network（ANN）in variable frequency speed control system of PMSM

HOU Yanxue，HUANGManlei，TAO Linan，LIHongkun
College of Automation，Harbin Engineering University，Harbin 150001，China

The speed control system of the permanentmagnet synchronousmotor（PMSM）has been widely used in industry，agriculture and many other fields.In order to reduce energy consumption and save cost effectively，it is necessary to accomplish the requirements of high efficiency and high energy saving on the aspects of industrial de-sign and control technology.The vector controlmethod based on the space vector pulse width modulation（SVP-WM）strategy provideswide speed range，high precision and good ability to resist disturbance for the system.The control effect is excellent，but its overshoot is large.The precisemodeling property of the neural network is used to effectively solve this problem.This paper designed a kind of variable frequency speed control system based on SVP-WM that contains double closed-loop of speed and current by MATLAB／SIMULINK，and the vector controlmethod of id＝0was used to control the PMSM.In this study，we adopt single neuron controller to replace the traditional PI controller in the process of designing a speed controller.Moreover，the rationality of the system modelwas verified by adjusting the parameters of the controller，and the dynamic performance and stability of the system are improved.

single neuron；variable frequency speed control system；vector control；artificial neural network（ANN）

TM341；TP273.2

A

1009-671X（2015）02-001-04

10.3969／j.issn.1009-671X.201405020

2014-05-28.

日期：2015-03-25.

侯艷雪（1988-），女，碩士研究生；

黃曼磊（1969-），男，教授，博士生導(dǎo)師.

黃曼磊，E-mail：mlhuang51＠163.com.

http：／／www.cnki.net／kcms／detail／23.1191.u.20150325.1254.006.html