一種基于人工神經(jīng)網(wǎng)絡(luò)的永磁電機(jī)實(shí)時(shí)自適應(yīng)控制器
摘要：
本文介紹了一種基于人工神經(jīng)網(wǎng)絡(luò)（ann）的永磁同步電機(jī)( ipmsm)實(shí)時(shí)自適應(yīng)控制器。這種控制器能在系統(tǒng)不確定情況下買現(xiàn)對(duì)電機(jī)的精確速度控制。采用了一種場(chǎng)向永磁同步電機(jī)模型來解耦電機(jī)的磁通和力矩，并通過離線訓(xùn)練獲得既定ann速度控制器參數(shù)的初始估計(jì)。為了校正持續(xù)工作情況下電機(jī)的參數(shù)，提出了在線訓(xùn)練。而在在線訓(xùn)練中應(yīng)用了萊溫伯格一馬夸特動(dòng)態(tài)反向傳播( dbp)算法。采用基于數(shù)字信號(hào)處理器的硬件環(huán)境來實(shí)時(shí)實(shí)現(xiàn)了控制器，證明了以上方法的可行性。仿真和試驗(yàn)結(jié)果顯示，這種控制結(jié)構(gòu)能在一個(gè)較寬的操作環(huán)境下自適應(yīng)學(xué)習(xí)，并能在參數(shù)波動(dòng)和負(fù)載變化的情況下提供預(yù)期結(jié)果。
關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)，高性能電機(jī)控制，走部永磁同步電機(jī)，神經(jīng)控制
1 引言
近年來，相比較其它通用的直流和交流電機(jī)來說，永磁同步電機(jī)由于它的高性能、低噪音、高效率，在驅(qū)動(dòng)領(lǐng)域獲得越來越廣泛的應(yīng)用。它的顯著優(yōu)點(diǎn)包括低力矩脈動(dòng)，大變速比情況下的自換向，電機(jī)容量的更有效的使用，以及易于控制。轉(zhuǎn)子內(nèi)嵌永磁鐵、光滑的轉(zhuǎn)子表面、減小了的氣隙帶來了電機(jī)靜噪聲、高速和較好的動(dòng)態(tài)特性。 如同其它類型的交流電機(jī)，永磁同歲電機(jī)有它固有的特性，就是參數(shù)變化的非線形以及有一個(gè)多元高階復(fù)雜動(dòng)態(tài)系統(tǒng)。所幸的是，矢量或者場(chǎng)量控制的應(yīng)用簡(jiǎn)化了電機(jī)模型以及相應(yīng)的控制方案。電磁轉(zhuǎn)矩正比于正交的定子電流和磁通的乘積，因此產(chǎn)生等同于直流勵(lì)磁電機(jī)的性能曲線，保證了快速響應(yīng)。然而，對(duì)于一個(gè)高性能的驅(qū)動(dòng)系統(tǒng)來說，除了快速準(zhǔn)確的響應(yīng)，轉(zhuǎn)速受到干擾和參數(shù)變化的影響快速穩(wěn)定的能力尤為重要。
一般的，基于線性非時(shí)變參數(shù)的經(jīng)典控制設(shè)計(jì)在一定程度上可以削弱參數(shù)變化和外部干擾的影響。然而，系統(tǒng)傳遞函數(shù)的零極點(diǎn)能隨參數(shù)變化，模型中的不確定因素都可以削弱這些控制的性能。因此，用于高精度工業(yè)驅(qū)動(dòng)中的更先進(jìn)有效的永磁直流電機(jī)控制系統(tǒng)在研發(fā)領(lǐng)域引起了人們廣泛的興趣。
自適應(yīng)控制也許是最被人們看好的控制策略，當(dāng)代文獻(xiàn)中提及了多種算法，包括模型參考自適應(yīng)控制(mrac)、自調(diào)節(jié)器(str)和變結(jié)構(gòu)自適應(yīng)控制。作者們?cè)谒麄兊拇蟛糠治恼轮卸贾赋�，自適應(yīng)控制可以提高電氣驅(qū)動(dòng)系統(tǒng)的性能。但是系統(tǒng)辨識(shí)和狀態(tài)估計(jì)經(jīng)�；谔囟ǖ南到y(tǒng)模型結(jié)構(gòu)的假設(shè)，這就需要復(fù)雜的計(jì)算，特別是當(dāng)電機(jī)和負(fù)載動(dòng)態(tài)特性都不明確的時(shí)候。
為了克服這些困難，人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和控制技術(shù)為未知或下確定動(dòng)態(tài)特性的驅(qū)動(dòng)系統(tǒng)控制器的設(shè)計(jì)提供了一個(gè)固定的框架。其中，ann的非線性近似能力是最顯著的。神經(jīng)網(wǎng)絡(luò)由于其簡(jiǎn)化和歸納模型辨識(shí)工作和控制方案配置的潛力，使它在很多控制領(lǐng)域得到廣泛的開發(fā)應(yīng)用。
但是，為了使神經(jīng)網(wǎng)絡(luò)自適應(yīng)系統(tǒng)能夠真正有效的實(shí)現(xiàn)實(shí)時(shí)工作，很多方面都要考慮進(jìn)去。一般的多層前饋人工神經(jīng)網(wǎng)絡(luò)(fahzn)本質(zhì)上是處理靜態(tài)問題的，通用的bp靜態(tài)訓(xùn)練算法嚴(yán)重限制了它在實(shí)時(shí)自適應(yīng)系統(tǒng)中的應(yīng)用。因此，靜態(tài)誤差bp對(duì)于這里討論的驅(qū)動(dòng)系統(tǒng)來說并不是一個(gè)理想的方法。
現(xiàn)在，在ann控制領(lǐng)域，很多學(xué)者都致力于更有效的用于實(shí)時(shí)裝置的在線自適應(yīng)學(xué)習(xí)算法。在這些算法中，具有網(wǎng)絡(luò)誤差梯度在線檢測(cè)的動(dòng)態(tài)bp引起了很多人的興趣。為了檢測(cè)誤差梯度，要考慮到系統(tǒng)輸出的期望值與實(shí)際值之間的誤差輸出，所以除了很多文獻(xiàn)中提及的控制系統(tǒng)外，還建立了辨識(shí)系統(tǒng)。這個(gè)方案成功地利用了bp誤差輸出的梯度檢測(cè)，在實(shí)時(shí)辨識(shí)和控制方面把傳統(tǒng)靜態(tài)bp延伸到了動(dòng)態(tài)學(xué)習(xí)方法。但是，這個(gè)方案的主要不足就是它的復(fù)雜的系統(tǒng)結(jié)構(gòu)和復(fù)雜的訓(xùn)練過程，以及附帶的辨識(shí)網(wǎng)絡(luò)。
既然我們討論了基于ann的控制問題，接下來主要考慮實(shí)時(shí)方案連續(xù)操作的可行性。但是，當(dāng)確定了基于ann的在線實(shí)時(shí)適應(yīng)算法以后，分析及開發(fā)出ann控制理論的更精確有效的切合實(shí)際的方法就是主要的問題。因此，為了減少計(jì)算工作量、簡(jiǎn)化控制方案，我們?cè)谝罁?jù)控制方面的理諗知識(shí)演繹并建立切實(shí)有效的對(duì)于矢量控制永磁同步電機(jī)驅(qū)動(dòng)的控制方案方面做了不少努力。并且做了一個(gè)基于數(shù)字信號(hào)處理器實(shí)驗(yàn)硬件系統(tǒng)來檢驗(yàn)控制器的運(yùn)行結(jié)果。
接下來，在本文的第二部分我們給出了關(guān)于ipv sm的數(shù)學(xué)模型。第三部分描述了ipmsm的ann辨識(shí)和ain實(shí)時(shí)自適應(yīng)控制。第四部分給出了在波動(dòng)運(yùn)行情況下的基于ann的驅(qū)動(dòng)系統(tǒng)的仿真結(jié)果。最后，在第五部分討論了實(shí)時(shí)控制系統(tǒng)的實(shí)現(xiàn)及其運(yùn)行結(jié)果。
2 ipmsm的數(shù)學(xué)模型
為了通過減少同步電機(jī)轉(zhuǎn)子坐標(biāo)系中定予電流的交軸（q軸 |
