两电机调速系统的神经网络逆在线调整控制

《两电机调速系统的神经网络逆在线调整控制》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第43卷第5期电力电子技术Vo1．43No．52009年5月PowerElectroniCSMay，2009两电机调速系统的神经网络逆在线调整控制薛剑锋，刘国海，赵筱赫(江苏大学，江苏镇江212013)摘要：针对MIMO非线性强耦合的两电机变频调速系统，在基于神经网络逆系统离线训练的基础上提出了在线调整的策略，通过静态神经网络加积分器来构造两电机变频调速系统的逆模型，在实际运行中不断地修正神经网络权值，更精确地逼近其逆系统，实现MIMO系统的线性化与解耦。仿真和实验结果表明，系统具有优良的动静态解耦性能和较强的抗负载扰动的能力关键词：变频调速：交流电机／神经网络；

2、解耦中图分类号：TM301．2文献标识码：A文章编号：1000—100X(2009)05—0042—03On·lineAdjustmentControlofTwoMotorVariableSpeed-regulatingSystembasedonNeuralNetworkInverseXUEJian—feng，LIUGuo．hal，ZHA0Xiao．he(JiangsuUniversity，Zhenji~g212013，China)Abstract：Twomotorvariablefrequencyspeed—regulatingsystemisaMIMO，non

3、linearandhighcouplingcontrolsystem．Astrategyofeontroling011一linebasedonartificialneuralnetwork(ANN)inversesystemisproposed，bywhichtheMIMOnon—linearsystemcanbetransformedintoanumberofSISOlinearsubsystems．AstaticANNandaintegratorareusedtoCOIl—structtheANNinverseofthetwomotorvariablefreq

4、uencyspeed-regulatingsystem，inwhichtheconnectionvaluecanbeamendedon—lineinordertoapproachtheinversesystemexactly．TheSimulationandexperimentalresultsshowthatthesystemhasgoodstaticanddynamicdecouplingperformancesandhigh-disturbanceofload．KeywOrds：variab11efrequencyspeed—regulating；ACmot

5、or／neurMnetwork；decouplingFoundationProject：SupposedbyNationalNaturalScienceFoundationofChina(No．60874014)；NaturalScienceFounda—tionofJiangsuProvince(No．BK2007094)1引言其权值的策略，采用双BP神经网络结构，在可逆性在许多实际工业应用中，在多电机调速系统运分析的基础上，采用静态神经网络加积分器构造出行过程中，要求各台电机之间必须协调运行．同时张两电机变频调速系统的逆系统。通过离线学习训练力保持在某个给定值

6、恒定不变，并且不受电机速度得到其初始权值．并与原系统串联作为神经网络逆变化的影响。为了进一步提高张力控制的性能，就必控制器．然后在电机实际运行中．采用相同结构的神须实现速度和张力的解耦。神经网络逆系统控制方经网络在线逼近其逆系统。在下一个采样周期把在法『l_2l克服了大多数方法依赖系统精确数学模型的缺线逼近得到的权值信息赋给神经网络逆控制器．通点13-41。可实现对～一般非线性系统的线性化解耦控制．过不断地调整神经网络逆控制器的权值来达到对转并且其结构简单、易于工程实现。用神经网络来构造速和张力的精确解耦控制。仿真及实验结果表明了原系统的“逆系统”．将对象补偿为具

7、有线性传递关该控制策略的有效性。系的且已解耦的一种规范化系统．再分别对各解耦2两电机系统数学模型及其线性化子系统设计线性闭环控制器．从而实现对原非线性当变频器工作在矢量控制方式下．系统的数学耦合系统的高性能控制。模型可表示为：大多数用于多电机的神经网络逆控~lJ[51都是采npl)rtpITrl2--1(F)]用离线训练的方式，一旦训练完成权值不可改变。而电机在实际运行中受负载、参数变化影响较大，也影--1／Frl-+每响了通过离线训练的神经网络对逆系统逼近的精确性。在神经网络离线训练的基础上，提出了在线调整警)(一r2F)】(1)=一+基金项目：国家自然科学基金

8、资助项目(