汪 科

(1.廣西科技大學(xué)，廣西 545006；2.湖南鐵道職業(yè)技術(shù)學(xué)院，湖南 412001)

?

基于神經(jīng)網(wǎng)絡(luò)逆解耦的異步電動機節(jié)能控制

汪 科1,2

(1.廣西科技大學(xué)，廣西 545006；2.湖南鐵道職業(yè)技術(shù)學(xué)院，湖南 412001)

異步電動機矢量控制是一種穩(wěn)態(tài)下的解耦控制，當(dāng)對電機調(diào)節(jié)勵磁進(jìn)行節(jié)能控制時，及負(fù)載突變狀態(tài)下系統(tǒng)解耦性能下降，節(jié)能效果變差。針對異步電動機節(jié)能控制中的上述問題，提出一種將基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)方法的異步電動機解耦控制與基于損耗模型的節(jié)能控制策略相結(jié)合的異步電動機節(jié)能控制方法。仿真表明該方法具有較好的動態(tài)節(jié)能控制效果及較強的負(fù)載跟蹤能力。

異步電動機節(jié)能；神經(jīng)網(wǎng)絡(luò)逆解耦控制；損耗模型

0 引 言

異步電動機因其諸多優(yōu)點已逐步取代了直流電動機。世界各國的以電為動力的機械中，約有90%左右為異步電動機，因此，針對異步電動機的節(jié)能問題的研究成為當(dāng)下的熱點。而傳統(tǒng)情況下，基于矢量控制解耦是解決異步電動機的節(jié)能控制的主要方式，矢量控制解耦通過降低輕載時定子電流的勵磁分量來實現(xiàn)異步電動機的節(jié)能控制。但它是一種近似的穩(wěn)態(tài)解耦控制，如果要實現(xiàn)轉(zhuǎn)矩與磁鏈的解耦控制[4]必須滿足磁鏈達(dá)到穩(wěn)態(tài)且保持恒定的條件。并且在改變勵磁電流和負(fù)載轉(zhuǎn)矩變化時其解耦性能會呈現(xiàn)下降趨勢，節(jié)能控制的效果會越來越差[2]。

基于此，本文有機結(jié)合神經(jīng)網(wǎng)絡(luò)逆控制方法與基于損耗模型的優(yōu)化控制策略，并將其運用到異步電動機節(jié)能控制中，實現(xiàn)了在定子電流勵磁分量動態(tài)調(diào)節(jié)及負(fù)載轉(zhuǎn)矩變化過程中電機勵磁與轉(zhuǎn)矩分量的較為精確解耦，改善了節(jié)能效果。并通過仿真證明了該節(jié)能控制方法可行性。

1 基于損耗模型的節(jié)能控制策略

在分析基于損耗模型的節(jié)能控制策略前，了解其損耗組成是必要的。異步電動機的損耗主要由四個部分組成：銅損耗、鐵損耗、機械損耗、雜散損耗。其中總損耗的80%是銅損和鐵損，它們是可控?fù)p耗，在異步電動機節(jié)能控制的節(jié)能控制研究過程中通常將這部分損耗作為主要研究對象[3]。

三相異步電動機在兩相旋轉(zhuǎn)坐標(biāo)系dq軸上的數(shù)學(xué)模型可表示：

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

式中：uds,udr,uqs,uqrids,idr,iqs,iqr,idFe,iqFe,ψds,ψdr,ψqs,ψqr,ψdm,ψqm分別為dq軸定子、轉(zhuǎn)子的電壓值、電流值、鐵損電流以及磁鏈和互感磁鏈；Rm,Rr,Rs為轉(zhuǎn)子電阻、鐵心等效電阻以及定子電阻； Lls=Llr,Lm為漏感、互感；Te為電磁轉(zhuǎn)矩；p為極對數(shù)。對于鼠籠電機uqr=udr=0；忽略定轉(zhuǎn)子漏感，則在轉(zhuǎn)子磁鏈定向的矢量控制系統(tǒng)中，有ψds=ψdr=ψdm=ψr,ψqr=ψqs=ψqm=0，在同步旋轉(zhuǎn)坐標(biāo)系中，dq軸電流均為直流，因此，電感兩端的電壓降為零(pψdm=0)，將以上條件代入式(1)～式(8)中可得到下式：

(9)

(10)

(11)

電機損耗功率：

(12)

定子銅損：

(13)

轉(zhuǎn)子銅損：

伊恩·莫里斯(Ian Morris)在其史詩巨著《西方將主宰世界多久：東方為什么會落后，西方為什么能崛起》(2014年版)中為人類呈現(xiàn)了一個全景式的歷史反思架構(gòu)。其重心在于討論西方緣何主宰世界；這一現(xiàn)狀是否會繼續(xù)存在，會以何種方式繼續(xù)存在，又會存在多久，接下來會發(fā)生什么[2]。莫里斯以“能量獲取”“組織能力”“作戰(zhàn)能力”以及“信息技術(shù)”四大指標(biāo)作為東西方治理文明比較的基準(zhǔn)，在此基礎(chǔ)上，他進(jìn)一步指出了西方文明領(lǐng)先東方文明有其歷史的先決條件。

(14)

鐵損：

(15)

將式(9)～式(11)代入式(12)～式(14)，再代入式(15)，整理得到電機的總損耗：

(16)

由此可得，如果轉(zhuǎn)速或轉(zhuǎn)矩一定，ploss則是ψr的凸函數(shù)。將式(16)對ψr求偏導(dǎo)，使偏導(dǎo)數(shù)為零，可得到不同轉(zhuǎn)矩和轉(zhuǎn)速情況下使損耗功率為最小的最優(yōu)磁鏈：

(17)

2 基于神經(jīng)網(wǎng)絡(luò)逆的異步電動機節(jié)能控制方法

2.1 異步電動機的可逆性分析

對于異步電動機在轉(zhuǎn)子磁場定向坐標(biāo)系dq軸上的可逆性分析，文獻(xiàn)[1]已經(jīng)做了非常詳細(xì)的闡述，在轉(zhuǎn)子磁場定向的兩相旋轉(zhuǎn)dq軸坐標(biāo)系下異步電動機可以逆解析為如下表達(dá)式：

(18)

式(18)為異步電動機的逆解析表達(dá)式，證明在轉(zhuǎn)子磁場定向坐標(biāo)系dq軸上異步電動機的逆解析性。

2.2 異步電動機神經(jīng)網(wǎng)絡(luò)逆節(jié)能控制

本文采用的異步電動機神經(jīng)網(wǎng)絡(luò)逆控制器的結(jié)構(gòu)如圖1所示。三層RBF神經(jīng)網(wǎng)絡(luò)加積分器來實現(xiàn)異步電動機的線性化解耦，通過線性PD控制器來實現(xiàn)電機轉(zhuǎn)速與磁鏈的解耦控制。其隱層神經(jīng)元的激勵函數(shù)為高斯函數(shù)：

(19)

圖1 異步電動機神經(jīng)網(wǎng)絡(luò)逆節(jié)能的控制結(jié)構(gòu)圖

RBF網(wǎng)絡(luò)的訓(xùn)練是采用自組織選取中心法來完成的，整個訓(xùn)練過程需要采用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱，步驟如下[4]：

(1)求式(19)函數(shù)12個中心值ci。

(2)求解RBF神經(jīng)網(wǎng)絡(luò)的基函數(shù)的方差 。

(20)

式中：cmax是所選中心距離的最大值。

(3)計算wij(隱含層至輸出層之間的神經(jīng)元的連接權(quán)值)。

如圖1所示，四個積分器和已經(jīng)訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)構(gòu)成逆系統(tǒng)。串聯(lián)逆系統(tǒng)與被控對象得到傳函為1/S2的被控對象。根據(jù)線性系統(tǒng)的相關(guān)理論知識，可采用傳遞函數(shù)為式(21)的PD控制器來作為磁鏈和轉(zhuǎn)速控制器。

Gc=Kp+KdS=Kp(1+TdS)

(21)

此PD控制為閉環(huán)控制器，因此它可以通過改變系統(tǒng)的開環(huán)相頻特性曲線，從而使系統(tǒng)更加的穩(wěn)定，達(dá)到良好的控制效果。在設(shè)計過程中，必須考慮系統(tǒng)的穩(wěn)定裕度以及響應(yīng)的速度。所以在設(shè)計時，必須對Kp，Td進(jìn)行設(shè)置，用以提高其動態(tài)負(fù)載的跟蹤性能。一般情況下可將Kp=1 200并使系統(tǒng)的截止頻率ωc=60 rad/s，相角裕度γm=60°，由自動控制原理分析可得Td=0.028 8 s由此可得PD控制器：

GPD(S)=1 200+40.43S=1 200(1+0.028 8S)

(22)

通過基于損耗模型的節(jié)能控制策略和異步電動機神經(jīng)網(wǎng)絡(luò)逆控制方法來獲得圖1中的最優(yōu)磁通計算模塊實現(xiàn)電機節(jié)能控制。

具體步驟如下：

①將式(17)中的轉(zhuǎn)子角頻率、電磁轉(zhuǎn)矩作為最優(yōu)磁通計算模塊的輸入，根據(jù)式(17)計算出最優(yōu)磁鏈輸出給磁鏈控制器，實現(xiàn)節(jié)能控制。

②根據(jù)輸入的轉(zhuǎn)子角頻率計算轉(zhuǎn)子角加速度值并設(shè)定閥值，在當(dāng)電機起動或電機轉(zhuǎn)子角加速度值a≤-150 rad/s2，持續(xù)時間τ≥0.3 s時最優(yōu)磁通計算模塊的輸出值切換為額定磁通輸出，實現(xiàn)快速負(fù)載跟蹤。

3 系統(tǒng)仿真

為了驗證其控制效果，對該模型進(jìn)行仿真研究。選取一臺電機，其參數(shù)：額定轉(zhuǎn)矩Te=12 N·m，定子電阻RS=0.475 Ω，轉(zhuǎn)子電阻Rr=0.895 Ω，漏感Lls=Llr=9.5 mH，互感Lm=0.95 H，極對數(shù)p=2，轉(zhuǎn)動慣量J=0.015 kg·m2，電機的鐵心等效電阻值Rm=500 Ω。

仿真實驗：在轉(zhuǎn)速恒定時，負(fù)載突變。電機以150 rad/s起動，負(fù)載轉(zhuǎn)矩設(shè)定為2.5 N·m，在t=0.5 s時將負(fù)載轉(zhuǎn)矩突變?yōu)? N·m，節(jié)能控制算法在t=0.2 s和t=1 s之間加入。

其仿真結(jié)果如圖2所示。根據(jù)仿真曲線可知，在t=0.2 s加入節(jié)能控制算法進(jìn)行效率優(yōu)化后，磁通的減小非常明顯，電機損耗減小近80%(由260 W減小到60 W左右)。效率提高20%以上。此時對應(yīng)的電磁轉(zhuǎn)矩和轉(zhuǎn)速基本沒有波動。同時在0.5 s時突然加入6 N·m負(fù)載轉(zhuǎn)矩時電磁轉(zhuǎn)矩能立刻跟蹤負(fù)載并與之平衡，轉(zhuǎn)速基本沒有波動，在沒有實施強勵磁的情況下電機迅速達(dá)到了6 N·m電磁轉(zhuǎn)矩并處于節(jié)能運行狀態(tài)。對比不加節(jié)能控制的運行狀態(tài)，電機可控?fù)p耗減少50%、效率提高7%左右。由仿真結(jié)果可知，一定轉(zhuǎn)速下，轉(zhuǎn)矩越大，優(yōu)化磁通越高；負(fù)載越小，優(yōu)化效果越好。電機在輕載時，對于較小的的負(fù)載突變，具有很強的跟蹤能力。轉(zhuǎn)子磁通仍能保持較為優(yōu)化狀態(tài)并在轉(zhuǎn)矩突變后繼續(xù)進(jìn)行節(jié)能控制。仿真實驗表明，該節(jié)能方法具有較好的節(jié)能效果和較強的負(fù)載跟蹤能力。

(a)轉(zhuǎn)子磁通(b)損耗功率

(c)轉(zhuǎn)速(d)電磁轉(zhuǎn)矩

圖2 異步電動機節(jié)能控制仿真圖

4 結(jié) 語

本文在分析傳統(tǒng)矢量控制解耦對異步電動機節(jié)能控制方面存在的不足入手，有機結(jié)合神經(jīng)網(wǎng)絡(luò)逆控制方法與基于損耗模型的優(yōu)化控制策略，并將其運用到異步電動機節(jié)能控制中，實現(xiàn)了在定子電流勵磁分量動態(tài)調(diào)節(jié)及負(fù)載轉(zhuǎn)矩變化過程中電機勵磁與轉(zhuǎn)矩分量的較為精確解耦，改善了節(jié)能效果。并通過仿真證明了該節(jié)能控制方法可行性，改善了基于矢量控制的異步電動機節(jié)能的不足，為異步電動機節(jié)能提供了新的思路。

[1] 戴先中,張興華.感應(yīng)電機的神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)線性化解耦控制[J].中國電機工程學(xué)報,2004,24(1):112-117.

[2] 張德峰.MATLA神經(jīng)網(wǎng)絡(luò)應(yīng)用設(shè)計[M].北京：機械工業(yè)出版社,2009.

[3] 李珂.電動汽車高效快響應(yīng)電驅(qū)動系統(tǒng)控制策略研究[D].濟南：山東大學(xué),2007.

[4] 李永東.交流電機數(shù)字控制系統(tǒng)[M].北京：機械工業(yè)出版社,2002.

[5] CHAKRABORTY C,HORI Y.Fast efficiency optimization techniques for the Indirect vector-controlled induction motor drives[J].IEEE Transactions on Industry Applications,2003,39(4):1070-1076.

A New Energy Saving Method of Asynchronous Motor Based on Neural Network Inverse Decoupling

WANGKe1,2

(1.Guangxi University of Science and Technology,Guangxi 545006,China;2.Hunan Railway Professional Technology College,Hunan 412001,China)

The vector control of asynchronous motor adopts a kind of steady state decoupling control which will become less efficient in energy saving when in the dynamic procedure of excitation regulating or in the load change procedure. In order to solve the problem, a new energy saving method of asynchronous motor was proposed, which was a combinaion of neural network decoupling control of asynchronous motor with an optimizing strategy on loss model. The simulation proves the new method has better results on energy saving in the dynamic procedure and load tracking capability.

the energy saving of asynchronous motor;neural network inverse decoupling control;loss model

2015-12-09

TM343

A

1004-7018(2016)04-0040-03

汪科 (1978-)，男，碩士，講師， 主要研究方向為控制理論與控制工程。