本发明专利技术提供了一种基于人工神经网络的永磁同步电机自整定速度控制器。以速度环的小信号模型为基础，结合PID控制器物理意义明显、结构简单的优势，以及神经网络强大的自适应能力，本发明专利技术设计了一个基于神经网络的速度控制器，由权重更新单元、重新训练单元和管理单元组成。权重更新单元实时更新权重值以调节输出结果，重新训练单元对神经网络的权重值重新进行训练，以将输出限定在允许的范围内，管理单元通过对转矩的观测及内部转矩给定发生器，判定是否需要启动重新训练单元。在每个控制周期中，管理单元监管权重更新单元及重新训练单元的工作，使两者相互配合，实现良好的实时速度控制。该发明专利技术提高了速度响应的性能，对参数变换具有很好的鲁棒性。
【技术实现步骤摘要】
本专利技术属于永磁同步电机控制
，具体涉及一种基于神经网络的永磁同步 电机参数自整定速度控制器。
技术介绍
在永磁同步电机调速系统中，通常要求电机具有良好的动态、稳态特性及抗扰性。 传统的PID控制器因其易于实现的特点在永磁同步电机驱动系统中得到了普遍的应用，其 控制性能在多数条件下可以满足要求。PID控制器的输出由误差、误差累积以及误差变化率 三个部分加权组成，其参数的整定和优化很大程序上依靠工程师的经验；另一方面，环境因 素包括电机参数的变化会在相当程度上影响传统定参数PID控制器的控制性能。 基于神经网络的控制是一种非线性的控制方案，其输出为输入的加权处理，并根 据相应规则实时修正权重以得到更合适的输出结果。使用梯度下降法训练神经网络及更新 神经网络权重，其工作原理为：以速度跟踪偏差的平方值为性能指标，按该性能指标相对某 权重的负梯度方向为搜索方向，设置学习率来调节更新与训练的强度。相比于PID控制，神 经网络控制器对环境变化具有良好的适应性，且参数不需要太多人为干扰，更具有智能性。
技术实现思路
本专利技术的目的是提供一种基于神经网络的永磁同步电机自整定速度控制器，以实 现永磁同步电机的高性能速度动态响应控制，提高速度控制器对参数变化的鲁棒性。本发 明的实施对象为永磁同步电机，以速度环的小信号模型及PID控制器为基础提出基于神经 网络的速度控制器结构，引入重新训练机制，提高控制器的动态响应性能。 1.所述速度控制器的管理部分包括：权重更新单元、重新训练单元和管理单元； 权重更新单元实时更新权重值以调节输出结果，重新训练单元对神经网络的权重值重新进 行训练，以将输出限定在允许的范围内，管理单元通过对转矩的观测及内部转矩给定发生 器，判定是否需要启动重新训练单元； 2.速度控制器的神经元结构： 根据速度环的离散小信号模型及PID控制系统结构得到单神经元控制器结构，该 神经元有4个输入，分别为速度给定、速度跟踪误差、速度跟踪误差变化率及一个常值输入 (作为偏置），及各输入对应的权值，输出经过tan-sigmoid函数限幅。速度环的离散小信 号模型为【主权项】1. 基于神经网络的永磁同步电机自整定速度控制器，其特征是，包括权重更新单元、重 新训练单元和管理单元；权重更新单元实时更新权重值以调节输出结果，重新训练单元对 神经网络的权重值重新进行训练，以将输出限定在允许的范围内，管理单元通过对转矩的 观测及内部转矩给定发生器，判定是否需要启动重新训练单元；速度控制器的神经元结构 为单神经元结构，该神经元有4个输入，分别为速度给定、速度跟踪误差、速度跟踪误差变 化率及一个常值输入，及各输入对应的权值，输出经过tan-sigmoid函数限幅；速度环的离 散小信号模型为其中Λ?；(η)是当前控制周期上转矩的变化量，Λ ω (η+1)、Λ ω (n)分别为期望的速 度改变量与当前速度改变量，Jm为电机惯量，B m为粘滞系数，T s为控制周期； 速度控制器内部转矩发生器根据当前采样周期控制器输出及速度变化量估测负载情 况，并根据负载转矩估测值、速度跟踪误差及控制规律计算转矩给定曲线；负载转矩估测值 为其中?Υ(η)为当前周期估测的负载情况，TANN(n)为当前周期神经网络控制器输出， △ ω (η)、ω (n)分别为当前周期速度改变量及当前速度； 转矩给定曲线选为其中e为自然指数，ω?为期望速度，γ用于调节控制器的刚性。2. 如权利要求1所述基于神经网络的永磁同步电机自整定速度控制器，其特征是，在 每个控制周期中，所述管理单元监管权重更新单元及重新训练单元的工作，使两者相互配 合，保证速度控制器的正常运行及动态响应；当控制器的输出偏离内部转矩发生器产生的 转矩给定曲线超出一定范围!'#时，则对神经网络重新训练，其中|为误差容 忍度系数。3. 如权利要求2所述基于神经网络的永磁同步电机自整定速度控制器，其特征是，重 新训练过程按照梯度下降法实施，当新产生的权值使输出重新回到TMf范围内 时即完成重新训练。【专利摘要】本专利技术提供了一种基于人工神经网络的永磁同步电机自整定速度控制器。以速度环的小信号模型为基础，结合PID控制器物理意义明显、结构简单的优势，以及神经网络强大的自适应能力，本专利技术设计了一个基于神经网络的速度控制器，由权重更新单元、重新训练单元和管理单元组成。权重更新单元实时更新权重值以调节输出结果，重新训练单元对神经网络的权重值重新进行训练，以将输出限定在允许的范围内，管理单元通过对转矩的观测及内部转矩给定发生器，判定是否需要启动重新训练单元。在每个控制周期中，管理单元监管权重更新单元及重新训练单元的工作，使两者相互配合，实现良好的实时速度控制。该专利技术提高了速度响应的性能，对参数变换具有很好的鲁棒性。【IPC分类】H02P6-06, H02P6-08【公开号】CN104852639【申请号】CN201510275336【专利技术人】王艳, 刘洋, 吴定会, 纪志成 【申请人】江南大学【公开日】2015年8月19日【申请日】2015年5月26日本文档来自技高网...
【技术保护点】
基于神经网络的永磁同步电机自整定速度控制器，其特征是，包括权重更新单元、重新训练单元和管理单元；权重更新单元实时更新权重值以调节输出结果，重新训练单元对神经网络的权重值重新进行训练，以将输出限定在允许的范围内，管理单元通过对转矩的观测及内部转矩给定发生器，判定是否需要启动重新训练单元；速度控制器的神经元结构为单神经元结构，该神经元有4个输入，分别为速度给定、速度跟踪误差、速度跟踪误差变化率及一个常值输入，及各输入对应的权值，输出经过tan‑sigmoid函数限幅；速度环的离散小信号模型为ΔTe(n)=JmTs(Δω(n+1)-Δω(n))+BmΔω(n+1),]]>其中ΔTe(n)是当前控制周期上转矩的变化量，Δω(n+1)、Δω(n)分别为期望的速度改变量与当前速度改变量，Jm为电机惯量，Bm为粘滞系数，Ts为控制周期；速度控制器内部转矩发生器根据当前采样周期控制器输出及速度变化量估测负载情况，并根据负载转矩估测值、速度跟踪误差及控制规律计算转矩给定曲线；负载转矩估测值为TL(n)=TANN(n)-JmΔω(n)Ts-Bm(n),]]>其中TL(n)为当前周期估测的负载情况，TANN(n)为当前周期神经网络控制器输出，Δω(n)、ω(n)分别为当前周期速度改变量及当前速度；转矩给定曲线选为Tref′(n)=TL(n)+f(ω*(n),ω(n))=TL(n)+Tmax·sign(ω*(n)-ω(n))·(eγ·abs(ω*(n)-ω(n))-1)]]>Tref=sign(Tref′)·Tmaxwhen abs(Tref′)>TmaxTref′others]]>其中e为自然指数，ω*为期望速度，γ用于调节控制器的刚性。...
【技术特征摘要】
【专利技术属性】
技术研发人员：王艳，刘洋，吴定会，纪志成，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。