一种基于BP模糊神经网络的PID调速方法及其系统技术方案

本发明专利技术公开了一种基于BP模糊神经网络的PID调速方法及其系统，包括：S1：获取电机第一时刻的第一转速误差数据；S2：基于所述第一转速误差数据和第一模糊控制函数生成第一增益系数；S3：基于所述第一增益系数生成用于控制电机转速的第一比例系数。本发明专利技术通过使用BP模糊神经网络改进PID调速方法，使得调速系统具有更强的抗干扰能力，有效降低了响应时间和调节时间。同时，通过进一步改进神经网络的训练方法，进一步降低了转速的超调量，同时避免了造成电网产生谐波，有效地解决了因电网产生谐波造成的能源浪费问题。

【技术实现步骤摘要】
一种基于BP模糊神经网络的PID调速方法及其系统
本专利技术涉及电气传动与控制
，具体涉及一种基于BP模糊神经网络的PID调速方法及其系统。
技术介绍
目前，变频、永磁和液力耦合调速是现有的电机主要调速技术方法。通过改变频率来进行调速的方法具有很大的应用范围，既能够实现基速以下调速也可以进行基速以上调速。液力耦合调速器使用条件灵活，可以在电机不停止转动的条件下，进行电机启动或制动。永磁调速利用永磁转子、导体转子、调速机构这三个主要结构来完成调速过程。BP神经网络作为一种按照误差逆向传播算法训练的多层前馈神经网络，能够有效降低调速系统的调节时间。具体的，电机调速系统通常采用比例积分(proportional-integral,PI)控制策略，然而实际应用中，电机的时变、非线性、强耦合的特性使得传统控制策略无法满足系统高精度的动、静态性能指标。将现代控制理论中的模糊控制、最优控制、模型参考自适应控制、预测控制、滑模控制等最新成果引入电机控制系统中，有效提高了电机的运行性能。但是这些方法依赖于电机精确的数学模型，系统性能易受到参数变化及各种不确定因素的影响，使得其应用受限。因此，传统的电机调速系统存在调节时间长、超调量大以及抗干扰能力差的问题。
技术实现思路
有鉴于此，本专利技术提供一种基于BP模糊神经网络的PID调速系统及其方法，解决了传统的电机调速系统存在的调节时间长、超调量大以及抗干扰能力差的问题。为解决以上问题，本专利技术的技术方案为采用一种基于BP模糊神经网络的PID调速方法，包括：S1：获取电机第一时刻的第一转速误差数据；S2：基于所述第一转速误差数据和第一模糊控制函数生成第一增益系数；S3：基于所述第一增益系数生成用于控制电机转速的第一比例系数。可选地，所述方法还包括：S4：获取电机第二时刻的第二转速误差数据，并生成误差变化率数据；S5：基于所述第二转速误差数据和所述误差变化率数据生成第二模糊控制函数；S6：基于所述第二转速误差数据和所述第二模糊控制函数生成第二增益系数；S7：基于所述第二增益系数生成用于进一步控制电机转速的第二比例系数。可选地，所述S5包括：S51：将所述第二转速误差数据和所述误差变化率数据进行模糊化并生成模糊集合数据；S52：基于所述模糊集合数据确定模糊控制规则表；S53：将所述模糊控制规则表解模糊生成所述第二模糊控制函数。可选地，所述S53包括：S531：将所述模糊控制规则表解模糊获取样本数据；S532：通过训练所述样本数据生成所述第二模糊控制函数。可选地，所述S532包括：初始化神经网络单元的连接权值和节点阈值，并将所述样本数据输入神经网络单元；计算隐含层和输出层的输出值；基于所述隐含层和所述输出层的输出值，计算所述隐含层和所述输出层的误差值；基于所述隐含层和所述输出层的误差值更新所述连接权值和所述节点阈值；在所述误差满足要求或迭代次数完成的情况下，生成所述第二模糊控制函数。相应地，本专利技术提供，一种基于模糊神经网络的PID调速系统，包括：测速单元：用于获取电机第一时刻的转速数据，并计算电机的第一转速误差数据；第一控制单元：能够基于所述第一转速误差数据和第一模糊控制函数生成第一增益系数；第二控制单元：能够基于所述第一增益系数生成用于控制电机转速的第一比例系数。可选地，所述测速单元还能够获取电机第二时刻的转速数据，计算电机的第二转速误差数据和误差变化率数据并传输至所述模糊神经网络单元，所述模糊神经网络单元基于所述第二转速误差数据和所述误差变化率数据生成样本数据，并将所述样本数据传输至所述第一控制单元，所述第一控制单元基于所述样本数据生成第二模糊控制函数，并基于所述第二转速误差数据和所述第二模糊控制函数生成第二增益系数并传输至所述第二控制单元，所述第二控制单元基于所述第二增益系数生成用于进一步控制电机转速的第二比例系数。可选地，所述模糊神经网络单元包括：模糊单元：用于将所述第二转速误差数据和所述误差变化率数据进行模糊化并生成模糊集合数据；推理单元：能够基于所述模糊集合数据确定模糊控制规则表；解模糊单元：用于将所述模糊控制规则表解模糊生成样本数据。可选地，所述第一控制单元还包括神经网络单元，能够基于所述样本数据生成所述第二模糊控制函数。可选地，在所述样本数据输入所述神经网络单元的情况下，所述神经网络单元初始化神经网络单元的连接权值和节点阈值，并将所述样本数据输入神经网络单元；计算隐含层和输出层的输出值；基于所述隐含层和所述输出层的输出值，计算所述隐含层和所述输出层的误差值；基于所述隐含层和所述输出层的误差值更新所述连接权值和所述节点阈值；在所述误差满足要求或迭代次数完成的情况下，生成所述第二模糊控制函数。本专利技术的首要改进之处为提供的基于BP模糊神经网络的PID调速方法，通过使用BP模糊神经网络改进PID调速方法，使得调速系统具有更强的抗干扰能力，有效降低了响应时间和调节时间。同时，通过进一步改进神经网络的训练方法，进一步降低了转速的超调量，同时避免了造成电网产生谐波，有效地解决了因电网产生谐波造成的能源浪费问题。附图说明图1是本专利技术的基于BP模糊神经网络的PID调速方法的简化流程图；图2是本专利技术的模糊神经网络单元工作的简化流程图；图3是本专利技术的生成第二模糊控制函数的简化流程图；图4是本专利技术的训练样本数据的简化输入输出关系图；图5是本专利技术的模糊规则表；图6是本专利技术的仿真系统的简化模块连接图；图7是本专利技术的仿真结果图；图8是本专利技术的训练样本数据的简化流程图；图9是本专利技术的模糊神经网络单元的简化模块连接图；和图10是本专利技术的基于BP模糊神经网络的PID调速系统的简化模块连接图。具体实施方式为了使本领域的技术人员更好地理解本专利技术的技术方案，下面结合附图和具体实施例对本专利技术作进一步的详细说明。如图1所示，一种基于BP模糊神经网络的PID调速方法，包括：S1：通过测速单元获取电机第一时刻的转速数据，并基于标准转速数据生成第一转速误差数据。生成的所述第一转速误差数据通过所述测速单元传输至第一控制单元。其中，第一转速误差数据被定义为电机第一时刻的转速数据与标准转速数据的差值数据。S2：所述第一控制单元基于所述第一转速误差数据和第一模糊控制函数生成第一增益系数，并将所述第一增益系数传输至第二控制单元。S3：所述第二控制单元基于所述增益系数生成用于控制电机转速的第一比例系数。S4：通过所述测速单元获取电机第二时刻的转速数据，并基于所述标准转速数据生成第二转速误差数据和误差变化率数据。生成的所述第二转速误差数据和误差变化率数据通过所述测速单元传输至模糊神经网络单元。其中，第二时刻被定义为由第一比例系数控制电机转速改变后的时刻，第一时刻和第二时刻的时间间隔可根据不同电机转速的不同适应性调整，本专利技术不做具体限定。其中，第二转速误差数据被定义为电机第二时刻的转速数据与标准本文档来自技高网...

【技术保护点】
1.一种基于BP模糊神经网络的PID调速方法，其特征在于，包括：/nS1：获取电机第一时刻的第一转速误差数据；/nS2：基于所述第一转速误差数据和第一模糊控制函数生成第一增益系数；/nS3：基于所述第一增益系数生成用于控制电机转速的第一比例系数。/n

【技术特征摘要】
1.一种基于BP模糊神经网络的PID调速方法，其特征在于，包括：
S1：获取电机第一时刻的第一转速误差数据；
S2：基于所述第一转速误差数据和第一模糊控制函数生成第一增益系数；
S3：基于所述第一增益系数生成用于控制电机转速的第一比例系数。


2.根据权利要求1所述的PID调速方法，其特征在于，所述方法还包括：
S4：获取电机第二时刻的第二转速误差数据，并生成误差变化率数据；
S5：基于所述第二转速误差数据和所述误差变化率数据生成第二模糊控制函数；
S6：基于所述第二转速误差数据和所述第二模糊控制函数生成第二增益系数；
S7：基于所述第二增益系数生成用于进一步控制电机转速的第二比例系数。


3.根据权利要求2所述的PID调速方法，其特征在于，所述S5包括：
S51：将所述第二转速误差数据和所述误差变化率数据进行模糊化并生成模糊集合数据；
S52：基于所述模糊集合数据确定模糊控制规则表；
S53：将所述模糊控制规则表解模糊生成所述第二模糊控制函数。


4.根据权利要求3所述的PID调速方法，其特征在于，所述S53包括：
S531：将所述模糊控制规则表解模糊获取样本数据；
S532：通过训练所述样本数据生成所述第二模糊控制函数。


5.根据权利要求4所述的PID调速方法，其特征在于，所述S532包括：
初始化神经网络单元的连接权值和节点阈值，并将所述样本数据输入神经网络单元；
计算隐含层和输出层的输出值；
基于所述隐含层和所述输出层的输出值，计算所述隐含层和所述输出层的误差值；
基于所述隐含层和所述输出层的误差值更新所述连接权值和所述节点阈值；
在所述误差满足要求或迭代次数完成的情况下，生成所述第二模糊控制函数。


6.一种基于模糊神经网络的PID调速系统，其特征在于，包括：
测速单元：用于获取电机第一时...

【专利技术属性】
技术研发人员：许丽，
申请(专利权)人：成都理工大学工程技术学院，
类型：发明
国别省市：四川;51