基于神經網絡逆解耦的異步電動機節能控制

汪 科

(1.廣西科技大學，廣西 545006；2.湖南鐵道職業技術學院，湖南 412001)

?

基于神經網絡逆解耦的異步電動機節能控制

汪 科1,2

(1.廣西科技大學，廣西 545006；2.湖南鐵道職業技術學院，湖南 412001)

異步電動機矢量控制是一種穩態下的解耦控制，當對電機調節勵磁進行節能控制時，及負載突變狀態下系統解耦性能下降，節能效果變差。針對異步電動機節能控制中的上述問題，提出一種將基于神經網絡逆系統方法的異步電動機解耦控制與基于損耗模型的節能控制策略相結合的異步電動機節能控制方法。仿真表明該方法具有較好的動態節能控制效果及較強的負載跟蹤能力。

異步電動機節能；神經網絡逆解耦控制；損耗模型

0 引 言

異步電動機因其諸多優點已逐步取代了直流電動機。世界各國的以電為動力的機械中，約有90%左右為異步電動機，因此，針對異步電動機的節能問題的研究成為當下的熱點。而傳統情況下，基于矢量控制解耦是解決異步電動機的節能控制的主要方式，矢量控制解耦通過降低輕載時定子電流的勵磁分量來實現異步電動機的節能控制。但它是一種近似的穩態解耦控制，如果要實現轉矩與磁鏈的解耦控制[4]必須滿足磁鏈達到穩態且保持恒定的條件。并且在改變勵磁電流和負載轉矩變化時其解耦性能會呈現下降趨勢，節能控制的效果會越來越差[2]。

基于此，本文有機結合神經網絡逆控制方法與基于損耗模型的優化控制策略，并將其運用到異步電動機節能控制中，實現了在定子電流勵磁分量動態調節及負載轉矩變化過程中電機勵磁與轉矩分量的較為精確解耦，改善了節能效果。并通過仿真證明了該節能控制方法可行性。

1 基于損耗模型的節能控制策略

在分析基于損耗模型的節能控制策略前，了解其損耗組成是必要的。異步電動機的損耗主要由四個部分組成：銅損耗、鐵損耗、機械損耗、雜散損耗。其中總損耗的80%是銅損和鐵損，它們是可控損耗，在異步電動機節能控制的節能控制研究過程中通常將這部分損耗作為主要研究對象[3]。

三相異步電動機在兩相旋轉坐標系dq軸上的數學模型可表示：

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

式中：uds,udr,uqs,uqrids,idr,iqs,iqr,idFe,iqFe,ψds,ψdr,ψqs,ψqr,ψdm,ψqm分別為dq軸定子、轉子的電壓值、電流值、鐵損電流以及磁鏈和互感磁鏈；Rm,Rr,Rs為轉子電阻、鐵心等效電阻以及定子電阻； Lls=Llr,Lm為漏感、互感；Te為電磁轉矩；p為極對數。對于鼠籠電機uqr=udr=0；忽略定轉子漏感，則在轉子磁鏈定向的矢量控制系統中，有ψds=ψdr=ψdm=ψr,ψqr=ψqs=ψqm=0，在同步旋轉坐標系中，dq軸電流均為直流，因此，電感兩端的電壓降為零(pψdm=0)，將以上條件代入式(1)～式(8)中可得到下式：

(9)

(10)

(11)

電機損耗功率：

(12)

定子銅損：

(13)

轉子銅損：

伊恩·莫里斯(Ian Morris)在其史詩巨著《西方將主宰世界多久：東方為什么會落后，西方為什么能崛起》(2014年版)中為人類呈現了一個全景式的歷史反思架構。其重心在于討論西方緣何主宰世界；這一現狀是否會繼續存在，會以何種方式繼續存在，又會存在多久，接下來會發生什么[2]。莫里斯以“能量獲取”“組織能力”“作戰能力”以及“信息技術”四大指標作為東西方治理文明比較的基準，在此基礎上，他進一步指出了西方文明領先東方文明有其歷史的先決條件。

(14)

鐵損：

(15)

將式(9)～式(11)代入式(12)～式(14)，再代入式(15)，整理得到電機的總損耗：

(16)

由此可得，如果轉速或轉矩一定，ploss則是ψr的凸函數。將式(16)對ψr求偏導，使偏導數為零，可得到不同轉矩和轉速情況下使損耗功率為最小的最優磁鏈：

(17)

2 基于神經網絡逆的異步電動機節能控制方法

2.1 異步電動機的可逆性分析

對于異步電動機在轉子磁場定向坐標系dq軸上的可逆性分析，文獻[1]已經做了非常詳細的闡述，在轉子磁場定向的兩相旋轉dq軸坐標系下異步電動機可以逆解析為如下表達式：

(18)

式(18)為異步電動機的逆解析表達式，證明在轉子磁場定向坐標系dq軸上異步電動機的逆解析性。

2.2 異步電動機神經網絡逆節能控制

本文采用的異步電動機神經網絡逆控制器的結構如圖1所示。三層RBF神經網絡加積分器來實現異步電動機的線性化解耦，通過線性PD控制器來實現電機轉速與磁鏈的解耦控制。其隱層神經元的激勵函數為高斯函數：

(19)

圖1 異步電動機神經網絡逆節能的控制結構圖

RBF網絡的訓練是采用自組織選取中心法來完成的，整個訓練過程需要采用MATLAB神經網絡工具箱，步驟如下[4]：

(1)求式(19)函數12個中心值ci。

(2)求解RBF神經網絡的基函數的方差 。

(20)

式中：cmax是所選中心距離的最大值。

(3)計算wij(隱含層至輸出層之間的神經元的連接權值)。

如圖1所示，四個積分器和已經訓練完成的神經網絡構成逆系統。串聯逆系統與被控對象得到傳函為1/S2的被控對象。根據線性系統的相關理論知識，可采用傳遞函數為式(21)的PD控制器來作為磁鏈和轉速控制器。

Gc=Kp+KdS=Kp(1+TdS)

(21)

此PD控制為閉環控制器，因此它可以通過改變系統的開環相頻特性曲線，從而使系統更加的穩定，達到良好的控制效果。在設計過程中，必須考慮系統的穩定裕度以及響應的速度。所以在設計時，必須對Kp，Td進行設置，用以提高其動態負載的跟蹤性能。一般情況下可將Kp=1 200并使系統的截止頻率ωc=60 rad/s，相角裕度γm=60°，由自動控制原理分析可得Td=0.028 8 s由此可得PD控制器：

GPD(S)=1 200+40.43S=1 200(1+0.028 8S)

(22)

通過基于損耗模型的節能控制策略和異步電動機神經網絡逆控制方法來獲得圖1中的最優磁通計算模塊實現電機節能控制。

具體步驟如下：

①將式(17)中的轉子角頻率、電磁轉矩作為最優磁通計算模塊的輸入，根據式(17)計算出最優磁鏈輸出給磁鏈控制器，實現節能控制。

②根據輸入的轉子角頻率計算轉子角加速度值并設定閥值，在當電機起動或電機轉子角加速度值a≤-150 rad/s2，持續時間τ≥0.3 s時最優磁通計算模塊的輸出值切換為額定磁通輸出，實現快速負載跟蹤。

3 系統仿真

為了驗證其控制效果，對該模型進行仿真研究。選取一臺電機，其參數：額定轉矩Te=12 N·m，定子電阻RS=0.475 Ω，轉子電阻Rr=0.895 Ω，漏感Lls=Llr=9.5 mH，互感Lm=0.95 H，極對數p=2，轉動慣量J=0.015 kg·m2，電機的鐵心等效電阻值Rm=500 Ω。

仿真實驗：在轉速恒定時，負載突變。電機以150 rad/s起動，負載轉矩設定為2.5 N·m，在t=0.5 s時將負載轉矩突變為6 N·m，節能控制算法在t=0.2 s和t=1 s之間加入。

其仿真結果如圖2所示。根據仿真曲線可知，在t=0.2 s加入節能控制算法進行效率優化后，磁通的減小非常明顯，電機損耗減小近80%(由260 W減小到60 W左右)。效率提高20%以上。此時對應的電磁轉矩和轉速基本沒有波動。同時在0.5 s時突然加入6 N·m負載轉矩時電磁轉矩能立刻跟蹤負載并與之平衡，轉速基本沒有波動，在沒有實施強勵磁的情況下電機迅速達到了6 N·m電磁轉矩并處于節能運行狀態。對比不加節能控制的運行狀態，電機可控損耗減少50%、效率提高7%左右。由仿真結果可知，一定轉速下，轉矩越大，優化磁通越高；負載越小，優化效果越好。電機在輕載時，對于較小的的負載突變，具有很強的跟蹤能力。轉子磁通仍能保持較為優化狀態并在轉矩突變后繼續進行節能控制。仿真實驗表明，該節能方法具有較好的節能效果和較強的負載跟蹤能力。

(a)轉子磁通(b)損耗功率

(c)轉速(d)電磁轉矩

圖2 異步電動機節能控制仿真圖

4 結 語

本文在分析傳統矢量控制解耦對異步電動機節能控制方面存在的不足入手，有機結合神經網絡逆控制方法與基于損耗模型的優化控制策略，并將其運用到異步電動機節能控制中，實現了在定子電流勵磁分量動態調節及負載轉矩變化過程中電機勵磁與轉矩分量的較為精確解耦，改善了節能效果。并通過仿真證明了該節能控制方法可行性，改善了基于矢量控制的異步電動機節能的不足，為異步電動機節能提供了新的思路。

[1] 戴先中,張興華.感應電機的神經網絡逆系統線性化解耦控制[J].中國電機工程學報,2004,24(1):112-117.

[2] 張德峰.MATLA神經網絡應用設計[M].北京：機械工業出版社,2009.

[3] 李珂.電動汽車高效快響應電驅動系統控制策略研究[D].濟南：山東大學,2007.

[4] 李永東.交流電機數字控制系統[M].北京：機械工業出版社,2002.

[5] CHAKRABORTY C,HORI Y.Fast efficiency optimization techniques for the Indirect vector-controlled induction motor drives[J].IEEE Transactions on Industry Applications,2003,39(4):1070-1076.

A New Energy Saving Method of Asynchronous Motor Based on Neural Network Inverse Decoupling

WANGKe1,2

(1.Guangxi University of Science and Technology,Guangxi 545006,China;2.Hunan Railway Professional Technology College,Hunan 412001,China)

The vector control of asynchronous motor adopts a kind of steady state decoupling control which will become less efficient in energy saving when in the dynamic procedure of excitation regulating or in the load change procedure. In order to solve the problem, a new energy saving method of asynchronous motor was proposed, which was a combinaion of neural network decoupling control of asynchronous motor with an optimizing strategy on loss model. The simulation proves the new method has better results on energy saving in the dynamic procedure and load tracking capability.

the energy saving of asynchronous motor;neural network inverse decoupling control;loss model

2015-12-09

TM343

A

1004-7018(2016)04-0040-03

汪科 (1978-)，男，碩士，講師， 主要研究方向為控制理論與控制工程。