恒压频比变频调速系统的神经网络逆复合控制器构造方法技术方案

恒压频比变频调速系统的神经网络逆复合控制器构造方法，适用于恒压频比变频调速系统的进一步高性能控制，属于电力传动控制设备的技术领域。把被控的恒压频比工作方式的变频器１、交流电机２及负载３作为一个整体组成恒压频比变频调速系统４；根据该恒压频比变频调速系统４对应的逆系统，用静态人工神经网络５１加积分器并通过学习算法构成神经网络逆５；将神经网络逆５接在恒压频比变频调速系统４前，复合成二阶积分型的伪线性系统６，再依据线性系统的设计方法对该伪线性系统６作出线性闭环控制器７，最后将线性闭环控制器７与神经网络逆５相串接形成神经网络逆复合控制器８，对恒压频比变频调速系统进行控制。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】
恒压频比变频调速系统的神经网络逆复合控制器构造方法一、
本专利技术是一种交流感应电动机的控制器构造方法，适用于恒压频比变频调速系统(即以恒压频比方式工作的变频器驱动交流感应电动机从而构成的交流变频调速系统)的进一步高性能控制，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(简称交流电机)从而构成交流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。由于以恒压频比(简称V/f)方式工作的通用变频器体积小、重量轻、可靠性高且价格低，采用这样的通用变频器来直接驱动交流电机从而构成恒压频比变频调速系统(简称V/f变频调速系统)在工业生产领域中应用很广泛。当由于各种原因(如希望进一步提高对交流电机转速的控制性能、对多交流电机系统实现协调控制或对整个生产线实现网络分布式控制)，需要对V/f变频调速系统实现进一步控制时(往往是希望进一步提高整个系统或生产线的性能)，采用常用的比例积分微分PID调节无法达到满意的控制效果。这是由于V/f变频调速系统是一复杂的非线性系统，采用常规的控制器很难达到高性能控制。因此如何在不对原有的V/f变频调速系统结构做任何的改造的前提下(即把变频器与感应电机作为一个整体)，进一步提高该系统的控制性能，是一个急待解决的问题。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不改变原V/f变频调速系统的结构、能提高交流电机转速控制性能、又易于实现的恒压频比变频调速系统的神经网络逆复合控制器构造方法。2、技术方案本专利技术的恒压频比变频调速系统的神经网络逆复合控制器构造方法，是把被控的恒压频比工作方式的变频器、交流电机及负载作为一个整体组成V/f变频调速系统；用静态人工神经网络加积分器s-1并通过调整静态人工神经网络的各个权系数使神经网络逆实现V/f变频调速系统对应的逆系统结构；然后将神经网络逆接在V/f变频调速系统前，复合成二阶积分型的伪线性系统，-->再依据线性系统的设计方法对该伪线性系统作出线性闭环控制器，最后将神经网络逆与线性闭环控制器相串接形成神经网络逆复合控制器，对V/f变频调速系统进行控制。其中：①神经网络逆的构造方法为用具有5个输入节点、1个输出节点的静态人工神经网络加2个积分器s-1构成具有1个输入节点、1个输出节点的神经网络逆。静态人工神经网络的第一个输入为神经网络逆的输入，其经第一个积分器s-1为静态人工神经网络的第二个输入，再经第二个积分器为静态人工神经网络的第三个输入，静态人工神经网络的第四、五个输入来自交流电机的两个定子电流isα，isβ的测量值，静态人工神经网络的输出即为神经网络逆的输出。②静态人工神经网络的各个权系数确定方法为将阶跃激励信号加到V/f变频调速系统的输入端；采集激励信号实际转速ωr、两个电流分量isα与isβ；对得到的实际转速ωr进行离线求一阶与二阶导数用构成的训练样本集{ωr，isα，isβ}对静态人工神经网络进行训练，从而确定静态人工神经网络的各个权系数。③神经网络逆复合控制器的实现方法为采用计算机、编制计算机程序来实现。3、技术效果本专利技术的原理是通过构造神经网络逆，将原V/f变频调速系统这一复杂非线性系统的控制问题转化为简单的伪线性系统的控制问题，相应地就可以合理地设计线性闭环控制器，实现对V/f变频调速系统的有效控制，获得优良的转速控制与抗负载扰动运行性能。本专利技术的优点在于：1.采用神经网络逆，将V/f变频调速系统这一复杂非线性系统的控制问题转化为简单的伪线性系统的控制问题，进一步合理设计线性闭环控制器，可获得优良的转速控制与抗负载扰动运行性能。2.把V/f变频调速系统作为一个整体，不需要深入到变频器内部，不需要对原V/f变频调速系统做任何结构上的改造，就能进一步提高V/f变频调速系统的运行性能。3.可方便地应用于单交流电机系统、多交流电机系统或整个生产线(包含交流电机)实现网络分布式控制，通用性强，且成本不高。本专利技术的方法不仅在设计新的多(单)交流电机系统或生产线的网络分布式控制或网络协调控制中有很高的应用价值，而且在旧的多(单)交流电机系统或生产线的网络分布式控制的改造中，应用的前景也是非常广阔的。-->四、附图说明图1是以恒压频比方式工作的变频器驱动的交流调速系统的原理结构图。其中有以恒压频比方式工作的变频器1、交流电机2、负载3。图2是V/f变频调速系统各部分数学模型示意图及其系统等效图。图3是神经网络逆5与V/f变频调速系统4复合构成的伪线性系统6的示意图及等效图。其中有积分器s-1、静态人工神经网络51、伪线性系统6。图4是加到V/f变频调速系统输入端的阶跃激励信号。图5是采用神经网络逆复合控制器8对V/f变频调速系统进行控制的完整原理框图。其中有线性闭环控制器7。图6是采用工控机作为神经网络逆复合控制器8的本专利技术装置组成示意图。其中有工控机10、光电编码器9。图7是采用工控机作为神经网络逆复合控制器8时的程序运行框图图8是西门子MMV变频器V/f运行模式的原理框图。五、具体实施方案本专利技术的方案是把以恒压频比方式工作的变频器、交流电机及其负载(即V/f变频调速系统全部)作为一个整体(该整体系统的数学模型为静止两相坐标系下的四阶微分方程、相对阶数为二阶，整体系统即V/f变频调速系统对应的逆系统存在)，采用5个输入节点、1个输出节点的静态人工神经网络(如多层网络MLN或经向基函数网络RBF等)加2个积分器构成神经网络逆，并通过调整神经网络的各个权系数使神经网络逆实现V/f变频调速系统对应的逆系统结构。再将神经网络逆串接在原系统(即被控的V/f变频调速系统)之前，复合成二阶积分型的伪线性系统，把复杂的非线性系统控制转化为简单的线性系统控制。最后对伪线性系统采用线性系统设计理论(如比例积分微分PID、极点配置等设计方法)进行闭环控制器的设计。最终形成的神经网络逆复合控制器包括神经网络逆与线性闭环控制器两部分。具体实施分以下5步：①通过分析、等效与推导，为神经网络逆的构造与学习提供方法上的根据。将以恒压频比方式工作的变频器驱动的交流调速系统(简称V/f变频调速系统，包括变频器、交流电机与负载，如图1所示)作为一个整体建立数学模型。经图2所示的系统等效，可得到系统整体的数学模型为静止两相坐标系下的四阶微分方程，相对阶数为二阶，经推导可证明该系统的逆系统存在，并可确定其逆系统的输入变量是转速的二阶导数、输出变量为原系统(即被控的V/f变频调速系统)的输入。需要说明的是，这一步仅为以下的神经网络逆的构造与学习提供方法上的根据，在本专利技术的具体实施中，这第一步(包括数学模型建立、分析以及逆系统的证明等)可跳过。-->②采用静态人工神经网络(简称神经网络)加2个积分器构造神经网络逆(见图3左图中的虚线框内所示)。神经网络采用3层的MLN网络，输入层节点数为5个，隐含层节点数为12个，输出层1个节点，隐层神经元函数使用(-1，1)S型函数f(x)=ex-e-xex+e-x,]]>输出层的神经元采用纯线性变换函数，神经网络的各权系数将在下一步的离线学习中确定；然后用具有5个输入节点、1个输出节点的神经网络加2个积分器s-1构成具有1个输入节点、本文档来自技高网...

【技术保护点】
一种恒压频比变频调速系统的神经网络逆复合控制器构造方法，其特征在于该方法把被控的恒压频比工作方式的变频器（１）、交流电机（２）及负载（３）作为一个整体组成恒压频比变频调速系统（４）；用静态人工神经网络（５１）加积分器ｓ↑［－１］构成神经网络逆（５），并通过调整静态人工神经网络（５１）的各个权系数使神经网络逆（５）实现恒压频比变频调速系统（４）对应的逆系统结构；然后将神经网络逆（５）接在恒压频比变频调速系统（４）之前，复合成二阶积分型的伪线性系统（６），再依据线性系统的设计方法对该伪线性系统（６）作出线性闭环控制器（７），最后将线性闭环控制器（７）与神经网络逆（５）相串联形成神经网络逆复合控制器（８），对恒压频比变频调速系统进行控制。

【技术特征摘要】
1、一种恒压频比变频调速系统的神经网络逆复合控制器构造方法，其特征在于该方法把被控的恒压频比工作方式的变频器(1)、交流电机(2)及负载(3)作为一个整体组成恒压频比变频调速系统(4)；用静态人工神经网络(51)加积分器s-1构成神经网络逆(5)，并通过调整静态人工神经网络(51)的各个权系数使神经网络逆(5)实现恒压频比变频调速系统(4)对应的逆系统结构；然后将神经网络逆(5)接在恒压频比变频调速系统(4)之前，复合成二阶积分型的伪线性系统(6)，再依据线性系统的设计方法对该伪线性系统(6)作出线性闭环控制器(7)，最后将线性闭环控制器(7)与神经网络逆(5)相串联形成神经网络逆复合控制器(8)，对恒压频比变频调速系统进行控制。2、根据权利要求1所述的恒压频比变频调速系统的神经网络逆复合控制器构造方法，其特征在于神经网络逆(5)的构造方法为用具有5个输入节点、...

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