神經網絡在永磁同步電機變頻調速系統中的應用

侯艷雪，黃曼磊，陶麗楠，李洪坤

哈爾濱工程大學自動化學院，黑龍江哈爾濱 150001

神經網絡在永磁同步電機變頻調速系統中的應用

侯艷雪，黃曼磊，陶麗楠，李洪坤

哈爾濱工程大學自動化學院，黑龍江哈爾濱 150001

永磁同步電機調速系統被廣泛應用于工業、農業等各個領域。為了能夠減少能源的消耗，節約成本，須在工業設計和控制技術方面實現高效率、高節能的要求。采用基于空間矢量脈寬調制（SVPWM）策略的矢量控制方案能夠使系統的調速范圍較寬，精度較高，抗擾動能力強，得到較好的控制效果，但其超調量較大，而利用神經網絡的精準建模特性可有效解決該問題。采用MATLAB／SIMULINK仿真軟件設計了轉速、電流雙閉環SVPWM型交流變頻調速系統，對永磁同步電機運用了id＝0的矢量控制方法。提出在轉速控制器的設計中，用單神經元控制器取代傳統的PI控制器。通過調節控制器參數并進行仿真，驗證了系統模型的合理性，有效地提高了系統的動態性能，改善了系統的穩定性。

單神經元；變頻調速系統；矢量控制；神經網絡

近年來，交流變頻調速系統的發展非常迅速，已成為調速系統主要研究和發展的對象。目前該系統在市場上廣泛采用的控制策略為正弦脈寬調制（si-nusoidal pulse width modulation，SPWM），但采用該方法會使系統產生某些高次諧波分量，進而引起電動機發熱、轉矩脈動甚至系統的振蕩。空間矢量脈寬調制（space vector pulse width modulation，SVP-WM）的算法簡單且易于實現，在輸出電壓或電機線圈電流中產生的諧波少，且就SPWM方法來說能夠進一步提高對電壓源逆變器直流供電電源的利用率［1-2］。故采用基于SVPWM的空間矢量控制策略來控制永磁同步電機能產生更好的控制效果。在閉環控制電機轉速方面，傳統上采用PI控制器，但由于該系統較為復雜，采用PI規律很難進一步提高控制效果。單神經元自適應PID（single neuron adap-tive PID，SNAPID）控制器不需要對被控對象進行精確的建模與分析，它能通過自身不斷的學習迭代過程，了解系統的結構參數與不確定性，生成最佳的控制參數，環境變化適應能力較強，可以得到較好的控制效果［3-4］。

1 單神經元控制算法

單神經元控制器是神經網絡中最基本的元件，它計算量小、結構簡單、應用方便。由具有自學習和自適應能力的單神經元構成單神經元自適應智能PID控制器，不但結構簡單，而且有較強的魯棒性，能滿足實時控制的要求。

1.1 單神經元典型的學習規則

單神經元典型的學習規則有：無監督的Hebb學習規則為Δwij（k）＝ηoj（k）oi（k）；有監督的Delta學習規則為Δwij（k）＝η（dj（k）－oj（k））oi（k）；有監督的Hebb學習規則是將無監督的Hebb學習規則稍作改進，引入有監督的Delta學習規則中定義的神經元激活值，即為Δwij（k）＝η（dj（k）－oj（k））oj（k）oi（k）。其中η為學習速率，oi（k）、oj（k）分別表示神經元i、j的激活值，wij表示神經元i、j的權值。

1.2 SNAPID控制器的學習規則

SNAPID控制器是通過對加權系數的調整來實現自適應、自組織功能，權系數的調整是按有監督的Hebb學習規則實現的。文中SNAPID控制器采用的是改進的有監督的Hebb學習規則，表達式為

式中：Δe（k）＝e（k）－e（k－1），z（k）＝e（k），x1（k）＝e（k）為當前誤差，x2（k）＝e（k）－e（k－1）為誤差的一階差分，x3（k）＝e（k）－2e（k－1）＋e（k－2）為誤差的二階差分，K為神經元的比例系數，ηP、ηI、ηD分別為比例、積分、微分的學習速率，wi（k）為xi（k）加權系數，u（k）為控制信號。

SNAPID控制器控制結構如圖1所示，其輸入端為誤差e（k），輸出端為控制信號u（k）。神經元比例系數K為唯一的參數，通過選取合適的K值，控制器的權系數在P、I、D這3個路徑不斷迭代，快速實現控制作用。在程序的起始位置分別對學習速率ηI、ηP、ηD與加權系數w1（k）、w2（k）、w3（k）賦值，學習規則中誤差e（k）與控制信號u（k）初值均為零，wi（k）與xi（k）按照學習規則不斷迭代并作數量積運算，得到作用于控制對象的控制信號u（k），之后加權系數繼續不斷迭代循環往復進行［5］。因為神經元具有學習能力，通過適當調節比例項P和積分項I的學習效率，在起動階段可達到無超調的理想狀態，且微分項D通常被忽略。這樣提高了系統的實時性［6］。

圖1 Hebb學習規則的控制結構

2 SVPWM交流變頻調速系統

SVPWM算法是在三相正弦波對稱電壓的作用下，通過選擇合適的空間電壓矢量，并調控其的作用順序和作用時間，使定子磁鏈空間矢量旋轉軌跡接近圓形［7］。運用MATLAB／SIMULINK建立基于SVPWM的雙閉環交流變頻調速系統［8］，驗證SNAPID控制器的有效性。

2.1 SNAPID控制器的交流變頻調速系統

傳統的轉速控制器是以永磁同步電機的轉速為被控對象，采用傳統的PI控制與給定轉速構成的閉環反饋控制系統。采用MATLAB／SIMULINK設計SNAPID控制器的方法為：編寫關于改進的有監督的Hebb學習規則的仿真M程序，利用SIMULINK中的MATLAB-Function模塊進行調用［9］，取代傳統的PI控制環節。在本設計的控制器設置初始值時，神經元控制器學習速率ηI為0.6，ηP為0.4，ηD為0，權系數w1（k）初值為0.25，w2（k）初值為4，w3（k）初值為0。得到基于SNAPID控制器的交流變頻調速系統如圖2所示。

2.2 仿真試驗與結果分析

為了驗證本文所設計的變頻調速系統的模型的正確性及其靜、動態性能，對其轉速一定時，負載轉矩發生變化的情況進行仿真試驗。按照圖2所示，設置永磁電機的參數如下：電機額定功率PN＝1.68 kW，額定轉矩TN＝8 N·m，額定轉速nN＝2 000 r／min，極對數p＝4，定子電阻Rs＝0.958 5Ω，電機在d、q軸下的電感Ld＝Lq＝0.005 25 H，轉動慣量J＝0.000 632 9 kg·m2，轉子磁場磁通ψf＝0.182 7Wb，粘滯摩擦系數B＝0.000 303 5 N·m·s。且設置逆變器直流側電壓為Udc＝300 V，設定電機的給定轉速為n＝2 000 r／min。

具體仿真步驟實施如下：將仿真時間設為0.3 s，讓電動機以負載轉矩為TL＝1 N·m直接啟動，運行達到穩定后，第0.15 s時，突加電動機負載轉矩至TL＝3 N·m。得到分別采用傳統PI控制器和SNAPID控制器時，電動機在啟動及突加負載轉矩的過程中轉速的變化曲線如圖3所示，電磁轉矩的變化曲線如圖4所示，以及電動機d、q軸的電流曲線如圖5所示。

圖2 基于SNAPID控制器的交流變頻調速系統

圖3 電動機轉速變化曲線

圖4 電動機電磁轉矩變化曲線

圖5 電動機d軸電流

圖6 q軸電流的變化曲線

如圖3、4所示，電動機在帯載啟動時，電磁轉矩較大，這是為了完成電機的加速過程，使其轉速可以在極短時間內達到電機的給定值2 000 r／min；到0.15 s時，負載轉矩突加為3 N·m，轉速和電磁轉矩均產生了波動，隨后電磁轉矩迅速穩定在3 N·m上，轉速也快速穩定在2 000 r／min上。

如圖5、6所示，由于電動機采用了id＝0的矢量控制方法，故d軸電流始終在設定值0附近波動，而q軸電流與電機的電磁轉矩之間成正比［10］。系統的電流曲線不論在啟動過程中還是突加負載轉矩時，都能夠快速地恢復穩定狀態，達到穩定值。

比較2種控制器下轉速、電磁轉矩的變化曲線，從控制系統的過渡過程特性來看，啟動時，采用普通PI控制器得到的轉速和電磁轉矩曲線均有較大的超調量，其中轉速超調量約為20%，過渡過程歷時約為0.05 s；采用SNAPID控制器得到的轉速和電磁轉矩曲線相對來說超調量減小，轉速超調量為12.5%，過渡過程歷時為0.035 s。運行至0.15 s時突加負載轉矩，采用普通PI控制器，電動機轉速受到擾動有較大的變化，轉速動態變化率為9.38%，且恢復時間為0.02 s；采用SNAPID控制器動態變化率為3.05%，且恢復時間為0.018 s。總體來說，SNAPID控制器的控制性能要優于普通PI控制器，具有很好的自適應性和魯棒性，對系統的動態過程和穩定性進行了改善。

3 結束語

仿真分析和實驗結果表明，單神經元PID控制器是一種具有自學習能力和自適應能力的良好控制器，將其應用在交流變頻調速系統中，能有效地減小超調，縮短調節時間，對其動態過程和穩定性起到了極大的改善。

［1］范心明.基于SIMULINK的SVPWM仿真［J］.電氣傳動自動化，2009（3）：19-21.

［2］程啟明，王映斐，胡曉青，等.基于SVPWM的永磁同步電機矢量控制系統的建模與仿真［J］.上海電力學院學報，2012，28（4）：329-335.

［3］吳凌云，陳春霞.基于單神經元PID控制器的PLC直流電機控制系統［J］.制造業自動化，2010，32（9）：101-139.

［4］李俊麗，何勇，王生澤.單神經元PID在多電機同步控制中的應用［J］.機電工程，2010，27（8）：14-18.

［5］劉金琨.先進PID控制及其MATLAB仿真［M］.北京：電子工業出版社，2003：87-92.

［6］萬健如，張海波，曹才開.單神經元PID控制器永磁同步電機調速系統［J］.電力電子技術，2005，39（1）：75-78.

［7］楊玉杰，汪仁先.基于MATLAB的SVPWM變頻調速系統的仿真［J］.鞍山鋼鐵學院學報，2002，25（4）：244-247.

［8］王晶，翁國慶，張有兵.電力系統的MATLAB／SIMULINK仿真與應用［M］.西安：西安電子科技大學出版社，2008：97-105.

［9］隋峻，王晶，樊鍵，等.SVPWM在永磁同步電機系統中的應用與仿真［J］.兵工自動化，2011，30（3）：55-58.

［10］任俊杰.船用永磁同步電動機推進系統建模與仿真研究［D］.大連：大連海事大學，2010：19-28.

Application of artificial neural network（ANN）in variable frequency speed control system of PMSM

HOU Yanxue，HUANGManlei，TAO Linan，LIHongkun
College of Automation，Harbin Engineering University，Harbin 150001，China

The speed control system of the permanentmagnet synchronousmotor（PMSM）has been widely used in industry，agriculture and many other fields.In order to reduce energy consumption and save cost effectively，it is necessary to accomplish the requirements of high efficiency and high energy saving on the aspects of industrial de-sign and control technology.The vector controlmethod based on the space vector pulse width modulation（SVP-WM）strategy provideswide speed range，high precision and good ability to resist disturbance for the system.The control effect is excellent，but its overshoot is large.The precisemodeling property of the neural network is used to effectively solve this problem.This paper designed a kind of variable frequency speed control system based on SVP-WM that contains double closed-loop of speed and current by MATLAB／SIMULINK，and the vector controlmethod of id＝0was used to control the PMSM.In this study，we adopt single neuron controller to replace the traditional PI controller in the process of designing a speed controller.Moreover，the rationality of the system modelwas verified by adjusting the parameters of the controller，and the dynamic performance and stability of the system are improved.

single neuron；variable frequency speed control system；vector control；artificial neural network（ANN）

TM341；TP273.2

A

1009-671X（2015）02-001-04

10.3969／j.issn.1009-671X.201405020

2014-05-28.

日期：2015-03-25.

侯艷雪（1988-），女，碩士研究生；

黃曼磊（1969-），男，教授，博士生導師.

黃曼磊，E-mail：mlhuang51＠163.com.

http：／／www.cnki.net／kcms／detail／23.1191.u.20150325.1254.006.html