基于神經網絡技術的電機直接轉矩控制系統研究

摘 要： 傳統的電動機直接轉矩控制系統存在一些問題，比如轉矩脈動較大、磁鏈觀測不精確、開關頻率不固定等，影響了控制系統整體性能的進一步提升。為此，結合神經網絡技術，設計了近似圓形磁鏈的直接轉矩控制系統優化方案，探討采用BP神經網絡實現電壓矢量選擇的功能。該方案采用滯環比較器對磁鏈進行調節并實現轉矩調節，建立了空間電壓矢量選擇的最優方式，設計了神經網絡空間電壓矢量選擇器結構，提出采用神經網絡理論取代傳統開關表的方法。系統仿真結果表明，優化后的系統能夠有效降低轉矩脈動，定子磁鏈軌跡的脈動成分也明顯下降，在低速運行狀態下同樣取得了較好的效果，表明該系統達到了調速性能改善和整體性能提升的目的。

關鍵詞： 電動機； 直接轉矩控制系統； 神經網絡技術； 優化方案

中圖分類號： TN876?34 文獻標識碼： A 文章編號： 1004?373X（2015）13?0107?03

Abstract： Since traditional motor direct torque control system has some problems， such as large torque ripple， inaccurate flux linkage observation， unfixed switching frequency， which influence on the integral performance improvement of control system further. Therefore， in combination with neural network technology， the direct torque control system optimization scheme which approximates circular flux linkage was designed. Voltage vector selection function realized by BP neural network is discussed. The system adopts hysteresis comparator to adjust the flux linkage and achieve torque control. The optimal manner for space voltage vector selection was established， then the structure of space voltage vector selector was designed. The method of using neural network theory instead of traditional switching table is proposed. System simulation results show that the optimized system can reduce torque ripple effectively， and the ripple component in stator flux trajectory is also decreased significantly. Good effect is acquired in low?speed operating condition. The system achieves the improvement of speed regulation performance and the promotion of the integral performance.

Keywords： motor； direct torque control system； neural network technology； optimization scheme

0 引 言

目前我國電動機裝機總容量已達4億kW以上，年耗電量達1.2萬億kW·h，占全國總用電量的60%，占工業用電量的80%。但是，我國80%以上的電動機產品效率比國外先進水平低2%～5%，電動機控制系統效率比國外先進水平低10%～20%。因此，如何有效改進我國電動機系統功能、提升其運行效率顯得尤其重要。隨著電力電子技術的發展，對異步電動機的變頻調速技術有了較大推動作用，先后經歷了電壓頻率協調控制[1?2]、轉差頻率控制[3?4]、矢量控制[5?6]及直接轉矩控制[7?8]等階段。此外，隨著人工神經網絡、模糊控制等智能控制理論的快速發展，其在調速系統中也逐步被嘗試和應用。

神經網絡具有無參數化、實施簡單、工程性強、容錯能力強、自組織與自學習等優點。本文基于神經網絡技術的應用，利用其較高的自學習和自適應能力，對傳統電機直接轉矩控制技術進行了改進，提出了基于神經網絡的系統改進方案，即利用神經網絡的自學習和函數逼近能力對開關表、定子磁鏈觀測模型以及速度閉環控制進行優化，克服了傳統的直接轉矩控制系統轉矩脈動較大、磁鏈觀測不精確、開關頻率不固定等問題，有效提升了電動機控制系統的性能。

1 系統優化方案設計

德國魯爾大學學者M.Depenbrock于1985年率先提出了直接轉矩控制理論，并在1987年推廣到弱磁調速范圍。該控制理論控制定子磁鏈沿六邊形軌跡運動。此后，直接轉矩控制技術不斷得以優化和提高。目前，直接轉矩控制技術已經進入實際應用階段。

在實際控制中，直接測量電磁轉矩和定子磁鏈在制造工藝和測量技術上都有很大的困難，測量誤差很大。通常在電動機調速系統中較為容易獲得定子電壓、電流、轉速等參量，因此在實際測量中一般采用間接觀測方法，即建立一個轉矩和磁鏈的觀測模型，根據相關參量來計算得到磁鏈和轉矩的實時值[9]。本文在研究直接轉矩控制系統的基本原理和定子磁鏈觀測模型的基礎上，設計了近似圓形磁鏈的直接轉矩控制系統優化方案，如圖1所示，并給出了磁鏈調節和轉矩調節的具體方法，以及控制系統空間電壓矢量的具體選擇方法。

本優化方案中的近似圓形磁鏈的直接轉矩控制系統采用雙閉環方式控制，外環為速度閉環控制，內環為磁鏈和轉矩閉環控制，通過3/2坐標變換將采集到的電動機三相電壓電流信號變換到兩相靜止坐標系下，得到磁鏈觀測及轉矩觀測的相關輸入參數，再通過相關觀測模型、磁鏈位置計算以及滯環比較器等，共得到三個輸出量：磁鏈響應信號、轉矩響應信號以及扇區號，從而根據開關表得到相應的逆變器輸出電壓開關信號實現對異步電動機的直接轉矩控制，提高電動機性能。

此外，考慮到BP神經網絡的強大功能，嘗試采用BP神經網絡實現電壓矢量選擇的功能，設計三層前向BP神經網絡的輸入和輸出（神經元個數可為3），進行電壓矢量選擇器模型的重構。設計的神經網絡空間電壓矢量選擇器結構如圖2所示。在該優化方案中，可將[ψQ，][TQ]和[Sn]作為神經網絡的輸入信號，功率管的控制信號Sa，Sb和Sc作為神經網絡的輸出。

2 系統主要模塊分析

2.1 磁鏈調節模塊分析

直接轉矩控制系統的磁鏈控制采用bang?bang控制，因此磁鏈的動態響應很快。本方案采用滯環比較器對磁鏈進行調節，其實際上是一個施密特觸發器，對磁鏈幅值進行兩點式調節，其輸入為定子磁鏈給定值[ψs*]與反饋值[ψs]這二者的差值[Δψs]，輸出為磁鏈響應信號[ψQ]。該比較器的容差寬度為[±εψ]，具體的輸入輸出關系見表1。

2.2 轉矩調節模塊分析

本方案中，轉矩調節也采用滯環比較器實現，但是與磁鏈調節不同的是其增加了零矢量，采用了三點式調節來降低轉矩中的脈動成分，調高系統控制性能。其輸入為給定轉矩[Te*]和反饋轉矩[Te]的差值[ΔTe，]輸出為轉矩響應信號[TQ。]該比較器的容差寬度為[±εT，]具體的輸入輸出關系見表2。

2.3 空間電壓矢量的選擇分析

在近似圓形磁鏈軌跡的直接轉矩控制中，功率管的開關頻率相對六邊形磁鏈要高，空間電壓矢量選擇不當會增加轉矩脈動成分和開關次數，因此空間電壓矢量的選擇至關重要，最優的選擇方式可以得到脈動量小的轉矩和圓形磁鏈軌跡，并有效降低功率管開關次數。根據輸出的磁鏈響應信號[ψQ、]轉矩響應信號[TQ]和扇區號[Sn]制定的最優空間電壓矢量開關選擇表，如表3所示。

當需要將直接轉矩控制技術在微處理器中實現時，可以將最優空間電壓矢量開關選擇表存儲在存儲器中，這樣在讀取[ψQ，TQ，Sn]后可以方便快捷地查找到需要的輸出電壓矢量，確定電壓逆變器模型中相關參數的值，有效控制逆變器的輸出。

2.4 神經網絡空間電壓矢量選擇器分析

本文的電機直接轉矩控制系統優化方案中，設計了神經網絡空間電壓矢量選擇器結構，提出了采用神經網絡理論取代傳統開關表的方法，該方法學習性強，對工程人員經驗依賴性低。結合前述分析，設計三層前向BP神經網絡的輸入和輸出神經元個數為3，進行電壓矢量選擇器模型的重構。采用trainlm函數對樣本進行訓練，最大訓練次數設定為2 000，根據隱含層神經元個數的不同，得到相應的網絡誤差，如表4所示。

可以看出，在隱含層個數達到17個以后，訓練次數迅速下降，網絡誤差迅速減小。為了今后在嵌入式系統中更好地實現相關性能，減少系統開銷，并綜合考慮網絡誤差和訓練次數，可選擇隱含層神經元個數為18個，此時訓練次數只需要122次即可達到相當小的訓練誤差。

3 結 論

目前，電動機直接轉矩控制技術由于其具有系統簡潔、魯棒性強、靜態性能和動態響應性能好等優點，在異步電動機調速控制中逐步得到了應用。但是，傳統的直接轉矩控制系統存在一些問題，比如轉矩脈動較大、磁鏈觀測不精確、開關頻率不固定等，影響了系統整體性能的進一步提升。因此，研究如何提升傳統直接轉矩控制系統的性能具有重要的意義。

本文通過對系統相關模型和思想的分析，計了近似圓形磁鏈的直接轉矩控制系統優化方案。同時，引入了人工神經網絡理論，采用BP神經網絡實現電壓矢量選擇的功能，進行電壓矢量選擇器模型的重構。對磁鏈調節、轉矩調節、空間電壓矢量的選擇及神經網絡空間電壓矢量選擇器進行了分析。結合采用Matlab/Simulink仿真平臺，進行系統優化方案的仿真分析，結果表明，優化后的系統能夠有效降低轉矩脈動，定子磁鏈軌跡的脈動成分也明顯下降，在低速運行狀態下同樣取得了較好的效果，表明該系統達到了調速性能改善和整體性能提升的目的。

參考文獻

[1] 周元鈞.交流調速控制系統[M].北京：機械工業出版社，2013.

[2] CHUN T W， CHOI B K， BOSE B K. A novel start?up scheme of stator flux oriented vector?controlled induction motor drive without torque jerk [C]// Record of 2001 IEEE Conference on Industry Applications. Chicago： IEEE， 2003， 1： 148?153.

[3] LIU X J， FELIPE L R， CHAN C W. Model reference adaptive control based on neuron fuzzy networks [J]. IEEE Transactions on Systems， 2004， 34（3）： 302?309.

[4] 薛秀梅.異步電動機直接轉矩控制策略研究[D].焦作：河南理工大學，2011.

[5] 李夙.異步電動機直接轉矩控制[M].北京：機械工業出版社，1998.

[6] 鄭勇.基于SVPWM的異步電機直接轉矩控制系統的研究[D].太原：太原科技大學，2013.

[7] 何志明，廖勇，向大為.定子磁鏈觀測器低通濾波器的改進[J].中國電機工程學報，2008，28（18）：61?65.

[8] ROMERAL L， ARIAS A， ALDABAS E. Novel direct torque control scheme with fuzzy adaptive torque?ripple reduction [J]. IEEE Transaction on Power Electronics， 2003， 50（3）： 487?493.

[9] 劉愛華.基于定子磁鏈低通濾波觀測的直接轉矩控制系統研究[D].長沙：湖南大學，2005.