权威论文发表网
权威期刊论文发表热门点击 《人民论坛》、 《山东社会科学》、 《新闻爱好者》、 《制造业自动化》 << 期刊汇总

你的位置:权威期刊 >> 论文库 >> 教育论文 >> 教育理论 >> 详细内容 在线投稿

基于小波神经网络无速度传感器 DTC 系统参数辨识的理论初研究

热度0票 浏览40次 时间:2019年11月22日 09:43
 陈宁宁 1 王远祥 2 乐山职业技术学院 四川乐山 614000摘要:本文通过对小波神经网络辨识及 DTC 系统存在问题的分析,由于遗传算法能够搜索整个空间,不容易陷入局部最优解,所以不受搜寻空间的限制性假设的束缚,所以本文提出采用小波神经网络的转速辩识器代替 DTC 系统中的速度传感器,以论证 DTC 系统无速度传感器的方案是可行及有效性。
关键词:DTC;小波神经网络;直接转矩 1. 基于神经网络辨识的方法人工神经网络以其独特的非传统解析表达方式和固有的学习能力,对不确定的复杂问题表现出很强的控制能力,目前已被广泛应用于非线性控制领域,如复杂系统的建模、参数辨识和自适应控制。神经网络已被证明具有逼近任意非线性函数的能力,人工神经网络经过严格的训练以后,具有对非线性系统进行辨识的能力,由非线性处理函数构成的多层网络更具有对任意函数良好的逼近能力。
M.Godoy Simoes 等间利用神经网络对感应电机控制系统的反馈信号进行估计,以电机终端测量的电压、电流信号作为输入样本,通过对多层非线性前向网络进行训练,使得网络能够对电机转子磁链、转矩以及磁链的相位进行辨识,并且将辨识结果用于系统的反馈输入。作者对神经网络构成的控制系统和 DSP 构成的系统进行了性能比较,比 较结构显示前者比后者具有更快的相应速度,更少的电流谐波以及具有更强的故障容错能力。
Lazhar Ben-rmhlm 等 P 提出了 - 种神经网络自适应转速估计方法。这种方法是基 F 转子磁链的电压和电流模型、用神经网络训练电流模型得到转子磁链的估计值,通过对电压模型的实时计算得到磁链的实际值,两者之差作为输入样本对神经网络进行修 iFE 训练,从而估计出转速大小,这种方法也可是看成是一 个变化的模型参考自适应系统,只是把对神经网络的训练过程作为可调模型的参考自适应算法。
Abellattah Ba-Ran 等人“提出一种利用神经网络对定子磁链进行辨识的方法,该方法以测量得到的定子电压、电流和转速作为多层前向网络的输入。利用输入输出样本训练该网络,使神经网络构成的系统逼近真实的定子磁链,再根据定子磁链计算得到转子磁链。作者利用 Matlab 对由神经网络构成的系统进行仿真,仿真结果表明系统具有良好的性能,可以替代传统的磁场定向控制。
其他一些学者也做了很多研究,Y.S.Kung 等提出了一种 2 自由度的控制器,Michacl. T.Wishart 提出利用神经网络辨识转速和控制定子电流的方法,Mietek A. Brdys 对利用动态网络的控制系统进行了研究,也取得了很好的仿真效果。
2.DTC 系统存在的问题及解决方案
直接转矩控制调速系统由主回路和控制回路构成。众所周知,IGBT 脉宽调制电压型逆变器以其结构简单、体积小、重量轻等诸多优点在高性能交流传动领域得到了广泛的应用,本系统采用了它作为主电路来完成功率放大作用。另外,在直接转矩控制方案中,转矩控制的数字化是关键,其响应的快速性在控制上对微处理器的速度和功能提出了很高的要求。
为了实现异步电动机高性能的直接转矩控制,必须准确知道异步电机的电阻和转速等参数。当然,可以安装电机同轴的光电编码器来检测转子转速,可是这不仅增加设备的硬件投资,增大整个系统的体积,而且还存在着工艺,安装与维护的苦难,同时机械上的误差影响检测精度与控制性能,导致系统可靠性下降,况且当电机在潮湿,粉尘等恶劣环境下,速度传感器无法使用。
同样,在 DTC 系统中,定子电阻的精确观测也至关重要,当然,电机高速运行时,定子电阻压降对定子磁链的影响很小,可以忽略由定子电阻变化引起的影响。然而,在低速运行时,由于定子电阻上的压降分量增大,定子电阻变化引起的磁链变化不能忽略。例如,若定子电阻值估算误差为 15%,磁链不合理观测误差能达到 20%,从而使控制性能变坏。因此,定子电阻的精确观测是改善系统低速性能的关键。但定子电阻的变化与绕组端部的温升、定子电流及频率等诸多因素有关,具有时变性、非线性、大惯性等特点。因此,对定子电阻的精确观测存在着一定的困难。
为解决 _ 上述问题,首先对转速采用无速度传感器方案,根据定子电流、电压和转速的关系来对转速参数进行辨识。虽定子电阻没有具体的关系表达式,但是绕组端部温度及其变化率综合体现各种因素的影响,可以作为与定子电阻的关系量。为了得到转速和定子电阻观测器,目前,有各种各样的方法来对它们进行辨识,如模糊算法,遗传算法,尤其是神经网络算法。近年来,神经网络的研究取得了长足的进展,基于神经网络模型参数辨识的研究得到了广泛的应用,神经网络表現出很好的自学习功能和自适应能力且有较好的抗干扰能力。采用 sigmoid 函数构成的多层前馈神经网络原则上可以无限逼近非线性函数,但是从文献可知 ",当辨识电机参数输入矢量仅仅是定子电流和电压时,不能得到很好的效果,不管神经网络的结构怎么改进,神经网络的输出不能跟随电机模型的输出,辨识的误差比较大,当然可以在定子相电流上:加上时延量,可是使神经网络的结构趋于复杂,训练所需的时间变长,况且当采用最流行的 BP 算法时,有时会陷入局部极小点的问题,使参数无法达到预定的效果。
由于小波变换或分解所表现的良好的时频局部化特性,以及多尺度的功能,同时为了避免神经网络的不足之处,笔者认为小波函数和神经网络相结合的方法,得到所谓的小波神经网络(WNN),它同神经网络相比,有五大优点:
(1)小波神经元及整个结构的确定有可靠的理论依据,可避免 BP 网络等结构设计的复杂性。
(2)小波神经元的低相关性,使得小波网络有更快的收敛速度。
(3)隐层单元数可根据对输入信号的小波分析确定,在一定程度上白化了神经网络
(4)由于小波神经元有良好局部和多分辨率特性,使得小波神经网络有更强的自适应能力和更高的预报精度。
(5)结合小波变换良好的时频局域化性质,使得小波神经网络有更强的自学习功能,因而具有较强的逼近与容错能力。
结束语
根据小波神经网络的优越的自学习和自适应性,对基于小波神经网络的无速度传感器 DTC 系统进行了一定程度的仿真,仿真结果证实了该方法具有一定的的辨识效果,所以该方法可行,且有效。
该方法控制手段直接,省去了繁琐的坐标变换和解耦计算。其结构简明且不受电动机转子参数的影响,具有优良的静、动态性能。
参考文献:
[1] 吴建兵,刘国海 BP 神经网络辩识感应电机转子磁链和转速 . 电力电子技术 .
VOL36.2002
[2] 陈哲,冯天谨小波分析与神经网络结构的研究进展 . 电子科学学刊 . 第 22 卷 . 第 3 期 .2000,5
[3] 贾建强,韩如成,左龙 . 基于 MATLAB/SIMULINK 的交流电机调速系统建模与仿真,电机与控制学报,2000,6,4(2):91~93.
[4] 马宪民,桂佑林 . 基于 DSP 的直接转矩控制系统的设计与实现,自动化与仪器仪表,2002(2):44~45.
[5] 施保华,秦娟英 . 基于 MATLAB/SIMULINK 动态仿真模型的异步电动机直接转矩控制的研究,电气传动自动化,2001,12,23(6).
[6] 曹承志编著 . 微型计算机控制新技术 . 北京:机械工业出版社,2001.
权威期刊&d7V"_N_H:P



权威期刊www.qwqk.com)核心期刊,是一个专门从事期刊推广、论文发表发表论文指导的机构。本站提供整体论文发表解决方案:省级论文/国家级论文/核心论文/CN论文。
投稿邮箱:[email protected]
在线咨询:85386079、85792550(QQ)
联系电话:18602588568
权威期刊论坛http://www.qwqk.com/bbs/
权威期刊论文发表、发表论文专业机构

上一篇 下一篇

联系我们