基于RBF神经网络的永磁同步电机在线辨识与模型参考自适应控制

《基于RBF神经网络的永磁同步电机在线辨识与模型参考自适应控制》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第36卷第2期EastC善hina莱El电ect力ricPowerV01．36No．22008年2月Feb．2008基于RBF神经网络的永磁同步电机在线辨识与模型参考自适应控制蔡智慧，唐忠。，马士英(1．长沙理工大学电气与信息工程学院，湖南长沙410076；2．上海电力学院计算机与信息工程学院，上海200090)摘要：永磁同步电机控制系统是多变量和非线性的。针对传统PI控制方法的不足，提出了种基于RBF神经网络的永磁同步电机在线辨识与模型参考自适应控制方法。该方法利用RBF神经网络极强的非线性映射能力，通过对神经网络的离线和在线训练，实现了

2、电机速度的自适应控制。仿真结果表明该方法控制精度高，动、静态特性好。关键词：永磁同步电机；自适应控制；RBF神经网络；矢量控制；在线辨识作者简介：蔡智慧(1980一)，男，硕士研究生，主要研究方向为电力系统运行分析和控制。中图分类号：TM301．2文献标识码：A文章编号：1001_9529(2008)02-0108-05RBFneuralnetworkbasedon-linediscriminationandmodelreferenceself-adaptivecontrolforpermanentmagnetsynchronousmotorsCAIZhi一，TANGZhong2，MAS

3、hi—ying(1．SchoolofElectricalandInformationEnganeering，ChangshaUniversityofScienceandTechnology，Changsha410076，China；2．SchoolofComputerandInformationEngineering，ShanghaiUniversi(yofElectricPower，Shanghai200090，China)Abstract：Thecontrolsystemofthepermanentmagnetsynchronousmotorismulti—variableandno

4、n．1inear．TosolvethedefectsofthetraditionalPIcontrolmethod，aRBFneuralnetworkbasedon1inediscriminationandmodelrefer-enceself-adaptivecontrolmethodforpermanentmagnetsynchronousmotorsisproposedwhichachievestheadaptivecontrolofthemotorspeedbyusingtheoutstdndingnon—linearmappingabilityofRBFneuralnetwor

5、kandtheof-lineandon—linetrainingoftheneuralnetwork．Simulationsshowthatthemethodhashighcontrolaccuracyandgooddy一●namicandstaticcharacteristics．Keywords：permanentmagnetsynchronousmotor；self-adaptivecontrol；RBFneuralnetwork；vectorcontrol；on—linediscrimination·永磁同步电机由于具有结构紧凑、高气隙密神经网络是基于模仿人脑神经网络结构和功能而

6、度、高功率密度以及高转矩／惯性比等特点，在交建立的一种信息处理系统，它不需要精确的数学流伺服控制中发挥着越来越重要的作用，已广泛模型，能够解决许多复杂的、不确定的非线性问用于柔性制造系统、机器人、办公自动化、数控机题。径向基函数(RBF)神经网络是一种具有单隐床等领域。传统在对永磁同步电机的转子磁链定层的3层前馈网络，与BP网络相比，RBF网络不向控制中，参考转速与实际反馈转速的误差通过仅具有良好的生物背景，而且结构简单，收敛速度PI调节，得到q轴电流的参考值。而实际的系统快，泛化能力强。中的被控对象在某些应用场合会随工况而变化，基于上述理由，本文将RBF神经网络应用于对一些精度要求高的

7、场合，传统的固定增益的PI永磁同步电机的系统参数在线辨识和模型参考自调节器已经不能够取得满意的控制效果。为了克适应闭环速度控制中。通过离线训练和在线训练服常规PI调节器的缺点，相关文献给出了多种消相结合的方法对RBF网络的参数进行调整。仿除不确定性影响的控制策略。，虽然这些策略都真实验结果验证了本文理论及控制研究的正确性取得了较好的控制效果，但均存在定的不足，和有效性。如：计算量大、消除不确定影响因数比较单一等。维普资讯http:/