感應電機調速系統的模糊神經網絡控制研究
薛劍鋒，劉國海
（江蘇大學，鎮江212013）
摘要：針對多變量、非線性、強耦合的感應電機調速系統，傳統的pid控制和模糊控制均不能達到理想的控制效果的問題，依據空間矢量控制理論建立了感應電機的數學模型，提出了一種基于模糊神經網絡的感應電機調速系統控制方法，并且在基于神經網絡離線訓練的基礎上提出了在線調整網絡參數的策略，實現了感應電機調速系統的高精度控制，并通過仿真進行了分析研究。結果表明，系統具有優良的動靜態性能，且對電機參數的變化與負載擾動具有較強的魯棒性。
關鍵詞：模糊神經網絡；感應電機；調速系統；在線控制
中圖分類號：tm346 文獻標志碼：a 文章編號：1001-6848(2010)05-0053-03
0引 言
感應電機調速系統是一個復雜的強耦合的多變量非線性系統。傳統的pid控制對感應電機調速系統參數和外部負載擾動變化敏感、魯棒性能差。微分幾何控制方法以及逆系統方法也被用于感應電機的控制，但其解耦線性化的實現，要求獲得對象的精確數學模型，難以在實際中真正應用。模糊控制和神經網絡控制均屬于智能控制的范疇，都具有不依賴于被控對象的數學模型和魯棒性強的特點，能夠很好的克服模型參數變化和非線性等不確定因素的影響。但若將其應用到感應電機調速這類強耦合的多變量非線性系統中，二者都具有各自的優缺點。
本文將模糊神經網絡引入感應電機調速系統，由神經網絡來實現模糊推理，利用神經網絡的學習能力來調整模糊隸屬函數和控制規則，并針對感應電i機在實際運行中，受電機負載、參數變化影響較大，尤其是轉子電阻在電機運行中會發生較大的變化，影響了通過離線訓練的神經網絡對系統控制的精確性這類問題，在神經網絡離線訓練的基礎上提出了在線訓練調整網絡參數的方法，進而研究了模糊神經網絡在感應電機調速系統中的應用，并給出了仿真試驗結果，結果表明了該控制方法的有效性。
1感應電機調速系統的數學模型及系統結構
電流跟蹤型spwm逆變器供電的感應電機變頻調速系統，忽略變頻器的時滯，在轉子磁場定向的條件下d、q兩相坐標系下的狀態方程可以用降維的三階非線性模型描述：徽電
若將變頻器設置為磁場定向運行模式，這時該臺逆變器可以不考慮磁鏈的變化（即認為磁鏈恒定且為額定值），原系統可作為單輸入、單輸出系統。
系統結構如圖1所示，m為感應電機期望轉速，wr為感應電機實際轉速。圖中x1，x2和u分別是模糊神經網絡的輸入和輸出，其論域均設為[o，1]，誤差e和誤差變化率；通過x映射轉化為神經網絡的輸入x1，x2，神經網絡的輸出u通過u映射轉化為感應電機的電氣同步角速度w1。
圖1中ec為誤差目標函數，根據ec由在線訓練算法可在線調節模糊神經網絡的權值，所以系統具有自學習的功能。
2模糊神經網絡控制器
2.1模糊神經網絡結構
模糊神經網絡結構如圖2所示。圖2中第1層將x1、x2引入網絡；第ⅱ層將x1、x2模糊化，采用的隸屬面數為高斯函數；第ⅲ層對應模糊推理，ⅱ表示模糊操作，這里用+乘積操作代替取小運算；第ⅳ層對應去模糊化操作。網絡的輸入輸出關系如下：
第1層輸出節點：
第ⅱ層輸入輸出節點：
| 
