专利名称：恒压频比变频调速系统的神经网络逆复合控制器构造方法
技术领域：
本发明是一种交流感应电动机的控制器构造方法，适用于恒压频比变频调速系统(即以恒压频比方式工作的变频器驱动交流感应电动机从而构成的交流变频调速系统)的进一步高性能控制，属于电力传动控制设备的技术领域。
三、技术内容1、技术问题本发明的目的是提供一种不改变原V/f变频调速系统的结构、能提高交流电机转速控制性能、又易于实现的恒压频比变频调速系统的神经网络逆复合控制器构造方法。
2、技术方案本发明的恒压频比变频调速系统的神经网络逆复合控制器构造方法，是把被控的恒压频比工作方式的变频器、交流电机及负载作为一个整体组成V/f变频调速系统；用静态人工神经网络加积分器s-1并通过调整静态人工神经网络的各个权系数使神经网络逆实现V/f变频调速系统对应的逆系统结构；然后将神经网络逆接在V/f变频调速系统前，复合成二阶积分型的伪线性系统，再依据线性系统的设计方法对该伪线性系统作出线性闭环控制器，最后将神经网络逆与线性闭环控制器相串接形成神经网络逆复合控制器，对V/f变频调速系统进行控制。其中①神经网络逆的构造方法为用具有5个输入节点、1个输出节点的静态人工神经网络加2个积分器s-1构成具有1个输入节点、1个输出节点的神经网络逆。静态人工神经网络的第一个输入为神经网络逆的输入，其经第一个积分器s-1为静态人工神经网络的第二个输入，再经第二个积分器为静态人工神经网络的第三个输入，静态人工神经网络的第四、五个输入来自交流电机的两个定子电流isα，isβ的测量值，静态人工神经网络的输出即为神经网络逆的输出。
②静态人工神经网络的各个权系数确定方法为将阶跃激励信号 加到V/f变频调速系统的输入端；采集激励信号 实际转速ωr、两个电流分量isα与isβ；对得到的实际转速ωr进行离线求一阶与二阶导数 用构成的训练样本集{ ωr， isα，isβ}对静态人工神经网络进行训练，从而确定静态人工神经网络的各个权系数。
③神经网络逆复合控制器的实现方法为采用计算机、编制计算机程序来实现。
3、技术效果本发明的原理是通过构造神经网络逆，将原V/f变频调速系统这一复杂非线性系统的控制问题转化为简单的伪线性系统的控制问题，相应地就可以合理地设计线性闭环控制器，实现对V/f变频调速系统的有效控制，获得优良的转速控制与抗负载扰动运行性能。
本发明的优点在于1.采用神经网络逆，将V/f变频调速系统这一复杂非线性系统的控制问题转化为简单的伪线性系统的控制问题，进一步合理设计线性闭环控制器，可获得优良的转速控制与抗负载扰动运行性能。
2.把V/f变频调速系统作为一个整体，不需要深入到变频器内部，不需要对原V/f变频调速系统做任何结构上的改造，就能进一步提高V/f变频调速系统的运行性能。
3.可方便地应用于单交流电机系统、多交流电机系统或整个生产线(包含交流电机)实现网络分布式控制，通用性强，且成本不高。
本发明的方法不仅在设计新的多(单)交流电机系统或生产线的网络分布式控制或网络协调控制中有很高的应用价值，而且在旧的多(单)交流电机系统或生产线的网络分布式控制的改造中，应用的前景也是非常广阔的。
四
图1是以恒压频比方式工作的变频器驱动的交流调速系统的原理结构图。其中有以恒压频比方式工作的变频器1、交流电机2、负载3。
图2是V/f变频调速系统各部分数学模型示意图及其系统等效图。
图3是神经网络逆5与V/f变频调速系统4复合构成的伪线性系统6的示意图及等效图。其中有积分器s-1、静态人工神经网络51、伪线性系统6。
图4是加到V/f变频调速系统输入端的阶跃激励信号。
图5是采用神经网络逆复合控制器8对V/f变频调速系统进行控制的完整原理框图。其中有线性闭环控制器7。
图6是采用工控机作为神经网络逆复合控制器8的本发明装置组成示意图。其中有工控机10、光电编码器9。
图7是采用工控机作为神经网络逆复合控制器8时的程序运行框8是西门子MMV变频器V/f运行模式的原理框图。
五、具体实施方案本发明的方案是把以恒压频比方式工作的变频器、交流电机及其负载(即V/f变频调速系统全部)作为一个整体(该整体系统的数学模型为静止两相坐标系下的四阶微分方程、相对阶数为二阶，整体系统即V/f变频调速系统对应的逆系统存在)，采用5个输入节点、1个输出节点的静态人工神经网络(如多层网络MLN或经向基函数网络RBF等)加2个积分器构成神经网络逆，并通过调整神经网络的各个权系数使神经网络逆实现V/f变频调速系统对应的逆系统结构。再将神经网络逆串接在原系统(即被控的V/f变频调速系统)之前，复合成二阶积分型的伪线性系统，把复杂的非线性系统控制转化为简单的线性系统控制。最后对伪线性系统采用线性系统设计理论(如比例积分微分PID、极点配置等设计方法)进行闭环控制器的设计。最终形成的神经网络逆复合控制器包括神经网络逆与线性闭环控制器两部分。
具体实施分以下5步①通过分析、等效与推导，为神经网络逆的构造与学习提供方法上的根据。将以恒压频比方式工作的变频器驱动的交流调速系统(简称V/f变频调速系统，包括变频器、交流电机与负载，如图1所示)作为一个整体建立数学模型。经图2所示的系统等效，可得到系统整体的数学模型为静止两相坐标系下的四阶微分方程，相对阶数为二阶，经推导可证明该系统的逆系统存在，并可确定其逆系统的输入变量是转速的二阶导数、输出变量为原系统(即被控的V/f变频调速系统)的输入。需要说明的是，这一步仅为以下的神经网络逆的构造与学习提供方法上的根据，在本发明的具体实施中，这第一步(包括数学模型建立、分析以及逆系统的证明等)可跳过。
②采用静态人工神经网络(简称神经网络)加2个积分器构造神经网络逆(见图3左图中的虚线框内所示)。神经网络采用3层的MLN网络，输入层节点数为5个，隐含层节点数为12个，输出层1个节点，隐层神经元函数使用(-1，1)S型函数f(x)=ex-e-xex+e-x,]]>输出层的神经元采用纯线性变换函数，神经网络的各权系数将在下一步的离线学习中确定；然后用具有5个输入节点、1个输出节点的神经网络加2个积分器s-1构成具有1个输入节点、1个输出节点的神经网络逆(见图3左图中的虚线框内所示)，其中神经网络的第一个输入为神经网络逆的输入，其经第一个积分器s-1为神经网络的第二个输入，再经第二个积分器为神经网络的第三个输入，神经网络的第四、五个输入来自交流电机的两个电流分量isα，isβ的测量值(isα和isβ由测量到的交流电机定子的两个相电流ia和ib经标准的克拉克Clarke变换得到)，神经网络的输出即为神经网络逆的输出。
③调整神经网络的各个权系数。(A)选择合适的学习激励信号(如图4所示的不同的阶跃给定)，以便V/f变频调速系统在其工作范围内能被充分激励；(B)将选定的阶跃激励信号以输入的形式加到图1所示的V/f变频调速系统的输入端，并按0.1秒的采样间隔采集激励信号 实际转速ωr、两个电流分量isα与isβ并保存采样数据{ ωr，isα，isβ}；(C)对采样得到的实际转速ωr进行离线求一阶与二阶导数 从而构成神经网络的训练样本集{ ωr， isα，isβ}；(D)对神经网络采用变学习率的误差反传BP算法进行训练，学习训练100次后，神经网络训练误差小于0.002，满足要求，从而确定了神经网络的各权系数。
④形成二阶积分型的伪线性系统。将确定了各个权系数的神经网络配上两个积分器构成的神经网络逆(如图3左图中的虚线框内所示)与原系统(即图1所示的被控的V/f变频调速系统)复合(串接)，形成二阶积分型的伪线性系统(如图3所示)，实现了把复杂非线性系统控制转化为简单线性系统控制。
⑤构成神经网络逆复合控制器。对二阶积分型伪线性系统(如图3所示)进行闭环控制器设计。闭环控制器可以采用线性系统理论中的比例积分微分PID、极点配置或二次型指标最优等设计方法(在图5例中，选用了比例微分PD调节器，PD＝0.6+2s)。最终形成的神经网络逆复合控制器包括神经网络逆与线性闭环控制器两部分(如图5所示)，可根据不同的控制要求采用不同的硬件或软件来实现。
图6给出了本发明的具体实施例的示意图，神经网络逆复合控制器采用工控机(加模拟数字转换A/D卡、计数卡与通信卡)来实现(其程序运行框图如图7所示)，变频器采用西门子MMV型号(图8给出了西门子MMV变频器V/f运行方式的原理框图)，交流电机的型号为Y90S-4其参数为Pe＝1.1kW；Ue＝220/380V；Ie＝2.7A；fe＝50Hz；np＝2；ne＝1400rpm；根据以上所述，便可实现本发明。
权利要求
1.一种恒压频比变频调速系统的神经网络逆复合控制器构造方法，其特征在于该方法把被控的恒压频比工作方式的变频器(1)、交流电机(2)及负载(3)作为一个整体组成恒压频比变频调速系统(4)；用静态人工神经网络(51)加积分器s-1构成神经网络逆(5)，并通过调整静态人工神经网络(51)的各个权系数使神经网络逆(5)实现恒压频比变频调速系统(4)对应的逆系统结构；然后将神经网络逆(5)接在恒压频比变频调速系统(4)之前，复合成二阶积分型的伪线性系统(6)，再依据线性系统的设计方法对该伪线性系统(6)作出线性闭环控制器(7)，最后将线性闭环控制器(7)与神经网络逆(5)相串联形成神经网络逆复合控制器(8)，对恒压频比变频调速系统进行控制。
2.根据权利要求1所述的恒压频比变频调速系统的神经网络逆复合控制器构造方法，其特征在于神经网络逆(5)的构造方法为用具有5个输入节点、1个输出节点的静态人工神经网络(51)加2个积分器s-1构成具有1个输入节点、1个输出节点的神经网络逆(5)，其中静态人工神经网络(51)的第一个输入为神经网络逆(5)的输入，其经第一个积分器s-1为静态人工神经网络(51)的第二个输入，再经第二个积分器为静态人工神经网络(51)的第三个输入，静态人工神经网络(51)的第四、五个输入来自交流电机(2)的两个定子电流isα，isβ的测量值，静态人工神经网络(51)的输出即为神经网络逆(5)的输出。
3.根据权利要求1所述的恒压频比变频调速系统的神经网络逆复合控制器构造方法，其特征在于静态人工神经网络(51)的各个权系数确定方法为将阶跃激励信号 加到恒压频比变频调速系统(4)的输入端；采集激励信号 实际转速ωr、两个电流分量isα与isβ；对得到的实际转速ωr进行离线求一阶与二阶导数 用构成的训练样本集{ ωr， isα，isβ}对静态人工神经网络(51)进行训练，从而确定静态人工神经网络(51)的各个权系数。
4.根据权利要求1所述的恒压频比变频调速系统的神经网络逆复合控制器构造方法，其特征在于神经网络逆复合控制器(8)的实现方法为采用工控机(10)、编制计算机程序来实现。
全文摘要
恒压频比变频调速系统的神经网络逆复合控制器构造方法，适用于恒压频比变频调速系统的进一步高性能控制，属于电力传动控制设备的技术领域。把被控的恒压频比工作方式的变频器1、交流电机2及负载3作为一个整体组成恒压频比变频调速系统4；根据该恒压频比变频调速系统4对应的逆系统，用静态人工神经网络51加积分器并通过学习算法构成神经网络逆5；将神经网络逆5接在恒压频比变频调速系统4前，复合成二阶积分型的伪线性系统6，再依据线性系统的设计方法对该伪线性系统6作出线性闭环控制器7，最后将线性闭环控制器7与神经网络逆5相串接形成神经网络逆复合控制器8，对恒压频比变频调速系统进行控制。
文档编号H02P21/00GK1431768SQ0311285
公开日2003年7月23日 申请日期2003年2月20日 优先权日2003年2月20日
发明者戴先中, 刘国海, 张兴华, 张 浩 申请人:东南大学