BP神經網絡PI控制在盾構變頻器上的應用分析

（中鐵工程裝備集團有限公司，河南 鄭州 450016）

隨著城市交通立體化發展，城市地下公路隧道逐漸增多，公路隧道的特點是隧道直徑大、地層復雜、沉降管控嚴格。針對上述特點，公路隧道多采用盾構法，采用這種大直徑盾構，由于效率、結構等問題，刀盤主驅動多采用電機驅動，所以控制刀盤運動的核心就是變頻器。

目前電驅盾構主驅動品牌多采用Schneider、ABB、SIEMENS 等，這些品牌的大多數采用變頻（VF）控制和矢量控制（VC）[1]；VF 控制是開環控制，改變頻率調節電機轉速，在改變輸出頻率的同時要保證頻率與電壓比值恒定，所以電機參數對VF 控制影響很小，但存在控制精度不高，低頻段輸出扭矩小等缺點；VC 控制通過坐標轉換把交流異步電機的數學模型轉化為直流電機數學模型，直流電機控制模型是把電流分為勵磁分量和轉矩分量，這樣就可以通過兩個分量的幅值大小和相位大小來控制交流電機，所以其控制精度高，且在低頻段輸出扭矩大，但其存在運算量大響應不及時的缺點；由于VC 控制需要通過解耦的方式需要大量運算，算法的響應相比就會慢，為了克服這一缺點，ABB 采用直接轉矩控制[2～3]（DTC），其原理是定子的電壓和電流是可檢測量，檢測出的值可根據空間矢量數學模型計算得出磁鏈和轉矩，得到的結果與目標值比較，這樣減少了的VC 控制中的解耦環節提高了響應速度，但DTC 采用Bang-Bang 控制器，這就使得輸出會出現較大的電流沖擊，影響電氣部件的壽命。各種廠家的控制方式不同，但面向用戶的調節還是采用傳統的PID 控制器，傳統的變頻器PID 控制器參數是恒定，當負載側發生突變時無法快速響應的問題。

1 傳統PID調節

目前大盾構主驅動采用多電機協同工作的方法，控制流程如圖1 所示，這是PID 控制器參數以穩定為主會適當犧牲響應速度而且PID 參數是固化在變頻器上的，當地層穩定時變頻器控制效果良好，但當遇到復雜地層時，可能造成局部電機負載突增、轉速突降的狀況，如果還使用上述參數，可能會造成電機轉速震蕩觸發單盤停止信號，導致刀盤驟停，引起掌子面壓力波動。

圖1 傳統PID調節流程圖

2 基于BP神經網絡PI控制方法

針對PID 控制器PID 參數不能實時調整的缺點，本文采用一種BP 神經網絡PI 控制方法[4～7]，控制流程圖如圖2 所示，由于PI 調節已經滿足調節需要，所以不對微分環節進行調節。

圖2 采用神經網絡PI調節流程圖

2.1 神經網絡調節器

由于地層變化導致局部驟變，通過BP 神經網絡調節器對Kp、Ki進行實時調節，BP 網絡為3層網絡結構，如圖3 所示。

圖3 BP網絡圖

ec是對誤差e做微分，它能夠反映出無差累計對系統的影響，本章采用e和ec來作為神經網絡的輸入量是為了更全面地反映無差對系統的影響。

對于PID 控制器輸出層節點輸出2 個可變參數Kp、Ki，所以對應輸出層的神經元為2 個，PID 的參數值不能為負，故網絡輸出層的激發函數使用不為負的Sigmoid 函數，公式如下

隱層神經元個數為

式中q——隱層神經元數量；

m——輸出層神經元個數；

n——輸入層神經元個數。

f——經驗值，根據需要f取[1～10]區間中的整數，本文f=3。

計算得出q=5。

隱層神經元的激發函數是可以為負的，所以選取Sigmoid 函數為正負對稱，公式如下

取性能指標函數為

網絡輸入層輸入如下

網絡隱層的輸入、輸出如下

式中M——輸入層的輸入個數，輸入層定義為（1），隱層定義為（2），輸出層定義為（3）。

網絡輸出層的輸入輸出如下

基于本文模型特點權系數搜索調整策略定為以負梯度方向，負梯度即梯度下降，為提高系統運算速度對全局增壓一極小慣性項。

?y(k)/?u(k)無法得出，所以根據近似替換理論以sgn［?y(k)/?u(k)］函數替換，由于替代不能等同于原函數所以會形成誤差，所以要調整網絡學習速率的方式來彌補誤差值。

根據上述分析可得到網絡輸出層權值的學習公式為

同理，可以得到隱層權系數的學習算法為

2.2 算法

1）挑選合適的神經網絡結構，依據經驗選擇學習速率η及慣性系數α，初始化的值。

2）通過實時采樣可得到rin（k）和y（k）的值，代入公式e（k）=rin（k）-y（k）算得誤差值。

3）神經網絡輸入歸一化處理。

4）根據網絡結構和綜上公式進行計算，得到結果Kp，Ki值。

6）值k=k+1，回到（1）。

3 仿真分析與結論

為比較突變狀態下兩種控制方式的優越性在電機速度達到穩態后，加上一個干擾變量，再對達到穩態的時間進行比較。

搭建MATLAB 兩種控制方法的仿真模型，經仿真研究得到速度的響應曲線如圖4、圖5 所示。通過仿真曲線圖可以看出圖4 和圖5 在電機加速度段達到穩態效果幾乎一樣，但在達到穩態后加入一個干擾信號時圖5 能更快達到穩態。

圖4 傳統PID控制的速度響應

圖5 神經網絡PI控制的速度響應曲線

綜合仿真得出采用BP 神經網絡PI 控制方法對突變負載響應較好，達到了設計效果。