无刷直流电机神经网络逆控制器及构造方法技术

本发明专利技术公开了一种无刷直流电机调速控制器及构造方法，包括神经网络逆与线性闭环控制器，将逆变桥及无刷直流电机作为一个整体组成一个无刷直流电机调速系统，将神经网络逆串在所述的无刷直流电机调速系统前，共同复合成由速度子系统构成的伪线性系统，在速度子系统基础上再构建线性闭环控制器；神经网络逆与线性闭环控制器相串接即形成神经网络逆控制器，采用该控制器的无刷直流电机可获得优良的调速性能，不仅可设计新的无刷直流调速系统，而且可用于改造原有的无刷直流电机系统，构置系统方便且成本低。

【技术实现步骤摘要】

本专利技术涉及一种无刷直流电机控制器及其构造方法，适用于无刷直流电机的高性能调 速应用，属于电力传动控制设备的

技术介绍
目前，由于电力电子器件价格的逐步降低，同时高性能的永磁材料不断出现，工业生 产中大量使用永磁无刷直流电机取代结构复杂且存在换向问题的直流电机。无刷直流电机 具有于直流电机的机械特性，同时结构简单运行稳定，无需电刷换向，适用于各种工况。 但是由于电机运行中参数摄动和换相过程造成电磁转矩脉动限制了其调速性能。作为一复 杂的多变量非线性系统，无刷直流电机采用传统的类似直流电机的PID控制策略很难满足 高性能调速的需要，因为PID参数的整定值是一定范围内的优化值，而不是全局性的最优 值，从根本上不能在较宽的范围内得到好的动态性能和稳态精度，同时作为一种线性控制 策略，PID控制对非线性程度较高的系统难以较好控制，这是一个亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种既可改善无刷直流电机对参数变化以及扰动的适应性、鲁棒 性，同时又能有效地提高各项控制性能指标，如动态响应速度、稳态跟踪精度的神经网络 逆控制器。本专利技术的另一目的是提供无刷直流电机的神经网络逆控制器的构造方法。本专利技术无刷直流电机神经网络逆控制器采用的技术方案是包括含降压斩波变换器的 逆变桥连接无刷直流电机、神经网络逆与线性闭环控制器相连接，将所述的神经网络逆与 线性闭环控制器相串接形成无刷直流电机神经网络逆控制器，其中神经网络逆用静态人工 神经网络加2个积分环节构成，线性闭环控制器为速度控制器，由线性系统的设计方法对 伪线性系统分别作出；伪线性系统为速度子系统，无刷直流电机调速系统由逆变桥、无刷 直流电机及负载作为一个整体组成，神经网络逆和无刷直流电机调速系统共同复合组成等 效的伪线性系统。本专利技术无刷直流电机的神经网络逆控制器的构造方法采用的技术方案是依次包括如 下步骤①组成无刷直流电机调速调速系统；②作整个无刷直流电机调速调速系统的等效， 输入变量为无刷直流电机调速系统控制器的占空比，输出变量为电机的实际转速，通过分 析和推导可得到整个无刷直流电机调速调速系统的数学模型为二阶微分方程，速度相对阶 数为二阶，定其逆系统的输入变量为转速，转速的一阶导数以及二阶导数，输出变量为无刷直流电机调速调速系统的为占空比；③设计负载转矩观测器为降维观测器；④构造神经 网络逆；⑤将阶阶跃激励信号加到无刷直流电机调速调速系统输入端；采集激励信号和实 际转速；对得到的实际转速信号进行离线求一阶导数以及二阶导数，同时通过负载转矩观 测器的观测值，用构成的训练样本集对静态人工神经网络进行训练，确定静态人工神经网 络的各个权系数；⑥形成速度子系统；@作出线性闭环控制器后与神经网络广义逆相串接 构成无刷直流电机神经网络逆控制器。本专利技术通过构造神经网络逆环节，将原无刷直流电机调速系统这一非线性系统线性化 为伪线性系统，再通过合理的设计闭环控制器，可获得优良的调速性能。本专利技术的优点在于1、 采用神经网络逆方法，解决了复杂非线性系统的控制问题，通过进一步合理设计 线性闭环控制器，获得高性能的协调控制以及抗负载扰动运行性能。2、 本专利技术的方法较之传统的无刷直流电机调速系统，硬件结构变化不大，构造系统 方便，成本低，应用前景非常广阔。附图说明图1是无刷直流电机调速的原理结构图。其中有无刷直流电机1、含BUCK(降压斩波) 电路的逆变桥2。图2是无刷直流电机调速系统对应的单输入(占空比p)单输出(电机实际转速必)的等 效图。图3是神经网络逆4与无刷直流电机调速系统3复合构成的伪线性系统的示意图及其 等效图。其中包含积分器、静态人工神经网络41，伪线性系统5。图4是由线性闭环控制器6与伪线性系统5组成的闭环控制系统的结构图。其中伪线 性系统由速度子系统51构成；线性闭环控制器为速度控制器。图5是采用无刷直流电机神经网络逆控制器8对无刷直流电机调速系统3进行控制的 完整原理框图。图6是无刷直流电机在阶跃信号激励下的转速响应(给定转速为阶跃信号)。图7是采用DSP控制板作为神经网络逆控制器的本专利技术装置组成示意图。其中包含DSP控制器7、光电编码器9。图8是采用DSP控制器7作为神经网络逆控制器时的程序运行框图。具体实施例方式如图l-2，把无刷直流电机1和含BUCK (降压斩波)电路的逆变桥电路2共同作为 一个整体组成无刷直流电机调速系统3。根据分析可知该无刷直流电机调速系统3为非线性单输入单输出系统，输入为占空比p,输出为实际转速必，且速度的相对阶为二阶，整个系统分段可逆。如图3，采用4个输入节点以及1个输出节点的静态人工神经网络41(如多层网络BP或经向基函数网络RBF等)加2个积分器构成神经网络逆4。再将神经网络逆4串接在原系统即被控的无刷直流电机调速系统3之前，复合成速度二阶积分型伪线性系统5，实现整个系统的线性化。如图4，最后为了消除逆系统逼近误差，对得到的伪线性子系统5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)进行线性闭环控制器6的设计。最终形成的神经网络逆控制器包括神经网络逆4与线性闭环控制器5两部分，可根据不同的控制要求采用不同的硬件或软件来实现。具体实施分以下7步① 如图1所示，组成无刷直流电机调速系统的硬件。将含BUCK(降压斩波)变换器的逆变桥2与无刷直流电机1共同复合成一个整体，该复合被控对象以占空比为输入p,电机的实际转速为输出w。② 通过分析、等效与推导，为神经网络逆4的构造与学习训练提供方法上的依据。首先作含BUCK(降压斩波)换器的逆变桥2与无刷直流电机l的等效，含BUCK(降压斩波)变换器的逆变桥电路如图(2)所示，两者的等效可化单输入单输出的非线性系统，且转速的相对阶为二阶，经推导可证明该系统在运行区域内分段可逆，并可确定其逆系统的输入变量为转速必， 一阶导数；以及二阶导数5，输出变量为原系统(无刷直流调速系统3)的输入P。需要说明的是，这一步仅为以下的神经网络逆4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，这一步的分析、等效以及逆系统的证明等可跳过。③ 设计负载转矩观测器10。根据现在控制理论中的状态反馈与观测器理论，依据无刷直流电机l的线性数学模型以占空比P为输入，直流母线电流为输出设计降维观测器，实时对负载转矩 ;进行观测。④ 构造神经网络逆4。采用静态人工神经网络41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BP网络，输入层节点数为4个，隐含层节点数为12个，输出层l个节点，隐层神经元函数使用(0， 1) S型函数/( = (^-广)/(^+e—,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；然后用此具有4个输入节点、l个输出节点的静态神经网络41加2个积分构成4输入节点，l输出节点的神经网络逆4，见图3的虚线框所示，其中静态神经网络41第一个输入为神经网络逆4的第一个输入，其经第一个积分器为静态神经网络41的第二个输入，经第二个积分器为静态神经网络41的第三个输入，静态神经网络41的第四输入为负载观测器10对负载转矩的观测值 l 。⑤ 确定神经网络的各权系数。其步骤是(A)选择速度给定信号作为学习激励信号， 如本文档来自技高网...

【技术保护点】
一种无刷直流电机调速系统控制器，包括含降压斩波变换器的逆变桥（２）连接无刷直流电机（１）、神经网络逆（４）与线性闭环控制器（６）相连接，其特征是：将所述的神经网络逆（４）与线性闭环控制器（６）相串接形成无刷直流电机神经网络逆控制器（８），其中神经网络逆（４）用静态人工神经网络（４１）加２个积分环节构成，线性闭环控制器（６）为速度控制器，由线性系统的设计方法对伪线性系统（５）分别作出；伪线性系统（５）为速度子系统（５１），无刷直流电机调速系统（３）由逆变桥（２）、无刷直流电机（１）及负载作为一个整体组成，神经网络逆（４）和无刷直流电机调速系统（３）共同复合组成等效的伪线性系统（５）。

【技术特征摘要】
1.一种无刷直流电机调速系统控制器，包括含降压斩波变换器的逆变桥(2)连接无刷直流电机(1)、神经网络逆(4)与线性闭环控制器(6)相连接，其特征是将所述的神经网络逆(4)与线性闭环控制器(6)相串接形成无刷直流电机神经网络逆控制器(8)，其中神经网络逆(4)用静态人工神经网络(41)加2个积分环节构成，线性闭环控制器(6)为速度控制器，由线性系统的设计方法对伪线性系统(5)分别作出；伪线性系统(5)为速度子系统(51)，无刷直流电机调速系统(3)由逆变桥(2)、无刷直流电机(1)及负载作为一个整体组成，神经网络逆(4)和无刷直流电机调速系统(3)共同复合组成等效的伪线性系统(5)。2. 根据权利要求1所述的无刷直流电机调速系统控制器，其特征是所述静态人工 神经网络(41)有4个输入节点和1个输出节点，其中静态人工神经网络(41)的第一输 入为神经网络逆(4)的输入，第一个输入经第一个积分环节为静态人工神经网络(41) 的第二个输入，静态人工神经网络(41)的第二个输入经过一积分环节为其第三个输入， 其第四输入为负载转矩观测器(10)对负载转矩的观测值，静态...

【专利技术属性】
技术研发人员：刘国海，金鹏，蒋彦，沈跃，
申请(专利权)人：江苏大学，
类型：发明
国别省市：32[中国|江苏]