感应电机的神经网络逆控制变频器的构造方法技术

感应电机的神经网络逆控制变频器及构造方法，适用于感应电机的高性能控制，属于电力传动控制设备的技术领域。将由电压控制电压源逆变器１与坐标变换２构造出扩展的压控逆变器３，与被控感应电机４及负载５共同形成复合被控对象６；由静态神经网络７加积分器（ｓ＃＋［－１］）构成神经网络逆８；并将神经网络逆８接在复合被控对象６之前，组成包含转子磁链子系统９１与转速子系统９２的伪线性系统９；再依据线性系统的综合方法，作出包含转子磁链控制器１２１和转速控制器１２２的闭环控制器１２；最后将闭环控制器１２、神经网络逆８、扩展的压控逆变器３顺序串接并与磁链观测器１１共同组成神经网络逆控制变频器１３，来实现对感应电机的高性能控制。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】
感应电机的神经网络逆控制变频器及构造方法一.
本专利技术是一种交流感应电机控制器的构造方法，适用于交流感应电机的高性能控制，属于电力传动控制设备的
二.
技术介绍
目前，采用变频器来驱动交流感应电动机(简称感应电机)从而构成变频调速系统已被广泛应用于原采用直流电机调速传动的许多领域。工业中常用的变频器种类有恒压频比控制变频器与矢量控制变频器。采用恒压频比控制变频器驱动的变频调速系统，实现较简单，但其动、静态调速性能都很差。若对调速系统的动、静态性能要求较高，一般采用矢量控制变频器。然而矢量控制是一种稳态解耦控制方法，仅在电机磁链达到稳定并保持恒定时系统的解耦关系才是成立的，而且由于矢量控制是一种基于电机数学模型及参数的控制方法，因此采用矢量控制变频器驱动的变频调速系统受感应电机参数变化及负载扰动的影响很大，调速系统的控制难以达到期望的高性能。为克服现有的感应电机控制方法对数学模型的依赖性，从本质上改善感应电机控制系统对参数变化及扰动的适应性和鲁棒性，进而提高感应电机控制的各项性能指标，需采用新的控制技术或新的控制方法，从而构成新型的变频器。三.
技术实现思路
1、技术问题本专利技术的目的是提供一种感应电机的神经网络逆控制变频器及构造方法。采用该方法构造出的变频器不依赖于感应电机的数学模型及其参数，能实现感应电机转速及转子磁链之间真正的动态解耦，因而具有优良的动、静态控制性能，抗电机参数变化及负载扰动能力强，能有效地提高感应电机的各项控制性能指标，如动态响应速度、稳态跟踪精度及参数鲁棒性及抗干扰能力等。2、技术方案本专利技术的感应电机的神经网络逆控制变频器及构造方法，是首先将通用的电压控制电压源逆变器、逆派克(Park)变换和逆克拉克(Clark)变换共同形成扩展的电压控制电压源逆变器(简称扩展的压控逆变器)作为其后构造的神经网络逆控制变频器的一部分；并将被控的感应电机及其负载与扩展的压控逆变器作为一个整体组成复合被控对象；进而采用静态神经网络加积分器s-1来构造复合被控对象的神经网络逆，并通过调整神经网络的权系数使神经网络逆实现复合被-->控对象的逆系统结构；然后将神经网络逆置于复合被控对象之前，神经网络逆与复合被控对象组成伪线性系统，伪线性系统等效于两个解耦的二阶积分线性子系统，即转子磁链子系统和转速子系统，从而使感应电机的转子磁链与转速之间实现动态解耦；在此基础上，采用一种线性系统的综合方法对两个解耦二阶积分子系统分别设计转子磁链控制器和转速控制器，并由转子磁链控制器和转速控制器来构成闭环控制器；采用常用的电流转速磁链观测模型及克拉克变换组成的磁链观测器，来获取磁链闭环控制所需的转子磁链信息；最后将闭环控制器、神经网络逆和磁链观测器与扩展的压控逆变器共同构成神经网络逆控制变频器来对感应电机进行控制，以获得优良的控制性能指标，实现感应电机的高性能控制。其中：①神经网络逆的构造方法为用具有6个输入节点、2个输出节点的静态神经网络加4个积分器(s-1)构成具有2个输入节点、2个输出节点的神经网络逆。静态神经网络的第一个输入即为神经网络逆的第一个输入，其经第一个积分器(s-1)为静态神经网络的第二个输入，再经第二个积分器为静态神经网络的第三个输入；静态神经网络的第四个输入即为神经网络逆的第二个输入，其经第三个积分器(s-1)为静态神经网络的第五个输入，再经第四个积分器(s-1)为静态神经网络的第六个输入；静态神经网络的输出即为神经网络逆的输出。②静态神经网络的权系数的调整方法为将定子电压分量和作为复合被控对象的输入，对电机转速ωr，ia和ib进行数据采样，并由磁链观测器估计出转子磁链ψr，将得到的转速ωr及转子磁链ψr离线求一阶及二阶导数，并对信号做规范化处理，组成神经网络的训练样本集{ψr，ωr，用于对静态神经网络进行训练，从而确定静态神经网络的权系数。③神经网络逆控制变频器中的神经网络逆、闭环控制器、坐标变换及磁链观测器为采用数字信号处理器即DSP控制器，通过编制DSP程序来实现，电压控制电压源逆变器即为常用的电压源逆变器。④神经网络逆控制变频器的结构是由闭环控制器、神经网络逆、扩展的压控逆变器与磁链观测器共同组成，其中前向通道由闭环控制器、神经网络逆和扩展的压控逆变器依次串联构成，闭环控制器的两个输出分别为神经网络逆的两个输入，而神经网络逆的两个输出分别为扩展的压控逆变器对应的两个输入；反馈通道有磁链观测器，其输入为定子相电流ia、ib和转速ωr，输出为转子磁链ψr与转子磁链角θ。转子磁链ψr与转速ωr反馈到闭环控制器，分别形成转子磁链闭环控制与转速闭环控制；转子磁链角θ用于坐标变换中的逆派克变换运算。3、技术效果-->本专利技术的原理是通过构造神经网络逆，将对感应电机这一多变量、强耦合、非线性系统的控制转化为对转子磁链与转速的二阶积分线性子系统的控制，相应地就可以方便地设计闭环控制器。由于真正实现了对转速与转子磁链之间的动态解耦，因而可分别独立的实现对感应电机转速与转子磁链的有效控制，获得优良的转速调节性能。而且由于采用了不依赖被控对象数学模型的神经网络来实现逆系统功能，因而大大提高了神经网络逆控制变频器抗感应电机参数变化和负载扰动的能力。本专利技术的优点在于：a.采用神经网络逆，将感应电机这一复杂非线性系统的控制转化为简单的伪线性系统的控制，真正实现了感应电机转速与转子磁链之间的动态解耦。在此基础上，通过合理设计闭环控制器，可获得优良的动、静态调速性能。b.采用静态神经网络加积分器来实现复合被控对象的逆系统，构造神经网络逆变频器来实现对感应电机的控制，完全摆脱了传统的感应电机控制方法对于数学模型的依赖性，有效地减小了感应电机参数变化与负载扰动对感应电机控制的影响，显著地提高了感应电机控制的各项性能指标。本专利技术可用于构造新型变频器对感应电机进行高性能控制，不仅在以交流感应电机为动力装置的传动系统中有很高的应用价值，而且在以其它类型的交流电机为动力装置的传动系统中，应用前景也是非常广阔的。四.附图说明图1是由电压控制电压源逆变器1、坐标变换2共同组成扩展的压控逆变器3的结构图。其中有电压控制电压源逆变器1和由逆派克(Park)变换和逆克拉克(Clark)变换组成的坐标变换2。图2是由扩展的压控逆变器3与被控的感应电机4及其负载5形成的复合被控对象6的结构图。其中有扩展的压控逆变器3、感应电机4与负载5。图3是复合被控对象6的完整数学模型示意图(左图)及其等效数学模型示意图(右图)。图4是神经网络逆8与复合被控对象6共同形成伪线性系统9的示意图，其中左图为神经网络逆8与复合被控对象6的连接图，右图为其等效图即伪线性系统9，包括转子磁链子系统91和转速子系统92。神经网络逆8包含有4个积分器(s-1)和一个静态神经网络7。图5是由电流转速磁链观测模型10与克拉克(Clark)变换组成的磁链观测器11的结构图。其中有电流转速磁链观测模型10，克拉克(Clark)变换和感应电机4。图6是加到复合被控对象6输入端用于获取神经网络训练数据的两个电压分量信号。-->图7是由闭环控制器12与伪线性系统9组成的闭环控制系统简化的结构原理图。其中伪线性系统9包括转子磁链子系统91和转速子系统92；闭环控制器包括转子磁链本文档来自技高网...

【技术保护点】
一种感应电机的神经网络逆控制变频器及构造方法，其特征在于该方法将电压控制电压源逆变器（１）、坐标变换（２）共同组成扩展的电压控制电压源逆变器即扩展的压控逆变器（３）；由扩展的压控逆变器（３）与感应电机（４）及其负载（５）共同构成复合被控对象（６）；再用静态神经网络（７）与积分器（ｓ↑［－１］）来构成复合被控对象（６）的神经网络逆（８），并通过调整静态神经网络（７）的权系数使神经网络逆（８）实现复合被控对象（６）的逆系统结构；然后将神经网络逆（８）接在复合被控对象（６）之前，神经网络逆（８）与复合被控对象（６）等效成由两个独立的二阶积分型转子磁链子系统（９１）和二阶积分型转速子系统（９２）组成的伪线性系统（９），再依据线性系统的综合方法，如比例积分微分控制器ＰＩＤ、极点配置或线性二次型最优设计等方法中的一种，对该伪线性系统（９）中的转子磁链子系统（９１）和转速子系统（９２）分别设计转子磁链控制器（１２１）和转速控制器（１２２），转子磁链控制器（１２１）和转速控制器（１２２）共同组成闭环控制器（１２）；闭环控制所需的转子磁链由磁链观测器（１１）提供，该磁链观测器由常用的电流转速磁链观测模型（１０）和克拉克变换组成；最后将闭环控制器（１２）、神经网络逆（８）、扩展的压控逆变器（３）顺序串接并与磁链观测器（１１）共同构成神经网络逆控制变频器（１３），来对感应电机进行高性能的控制。...

【技术特征摘要】
1、一种感应电机的神经网络逆控制变频器及构造方法，其特征在于该方法将电压控制电压源逆变器(1)、坐标变换(2)共同组成扩展的电压控制电压源逆变器即扩展的压控逆变器(3)；由扩展的压控逆变器(3)与感应电机(4)及其负载(5)共同构成复合被控对象(6)；再用静态神经网络(7)与积分器(s-1)来构成复合被控对象(6)的神经网络逆(8)，并通过调整静态神经网络(7)的权系数使神经网络逆(8)实现复合被控对象(6)的逆系统结构；然后将神经网络逆(8)接在复合被控对象(6)之前，神经网络逆(8)与复合被控对象(6)等效成由两个独立的二阶积分型转子磁链子系统(91)和二阶积分型转速子系统(92)组成的伪线性系统(9)，再依据线性系统的综合方法，如比例积分微分控制器PID、极点配置或线性二次型最优设计等方法中的一种，对该伪线性系统(9)中的转子磁链子系统(91)和转速子系统(92)分别设计转子磁链控制器(121)和转速控制器(122)，转子磁链控制器(121)和转速控制器(122)共同组成闭环控制器(12)；闭环控制所需的转子磁链由磁链观测器(11)提供，该磁链观测器由常用的电流转速磁链观测模型(10)和克拉克变换组成；最后将闭环控制器(12)、神经网络逆(8)、扩展的压控逆变器(3)顺序串接并与磁链观测器(11)共同构成神经网络逆控制变频器(13)，来对感应电机进行高性能的控制。2、根据权利要求1所述的感应电机的神经网络逆控制变频器及构造方法，其特征在于神经网络逆(8)的构造方法为用具有6个输入节点、2个输出节点的静态神经网络(7)加4个积分器(s-1)构成具有2个输入节点、2个输出节点的神经网络逆(8)，其中：静态神经网络(7)的第一个输入即为神经网络逆(8)的第一个输入，其经第一个积分器(s-1)为静态神经网络(7)的第二个输入，再经第二个积分器为静态神经网络(7)的第三个输入；静态神经网络(...

【专利技术属性】
技术研发人员：戴先中，张兴华，刘国海，
申请(专利权)人：东南大学，
类型：发明
国别省市：84[中国|南京]