资源描述:
《神经网络在电机振动控制中的应用》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、神经网络在电机振动控制中的应用·綦慧蒋俊祁姜建国·1·科研成果3神经网络在电机振动控制中的应用綦慧蒋俊祁姜建国中国矿业大学信电学院(徐州221008)TM301.2摘要基于干扰对消原理,利用多层前向神经网络对电气传动系统中存在的电机非线性振动进行控制。计算机仿真结果表明了该控制方案的可行性和有效性。主题词电机振动神经网络控制ApplicationofNeuralNetinMotorVibrationControlQiHuiJiangJunqiJiangJianguoCollegeofInformationandElectricalEngi
2、neering,CUMT(Xuzhou221008)AbstractNon2linearvibrationsofthemotorinelectricdrivesystemiscontrolledbyusingmulti2layerfor2wardneurologynetworkonthebasisofinterferencecoeliminationprinciple.Thecomputersimulationhasshownthefeasibilityandefficiency.Keywordsmotorvibrationsneural
3、netcontrol可以任意精度逼近非线性函数,具有大规模并行处1引言理结构和自组织、自学习、自适应能力,因而在非线随着电力电子技术、计算机应用技术以及控制性控制领域具有广阔的应用前景。理论的发展,电机控制技术的应用广度和深度不断本文基于信号处理中干扰对消的设计思想,结扩大,传动系统中普遍存在的电机振动现象亦日益合传动系统中电机振动的非线性特点,采用多层前成为人们所关注的问题之一。它不仅污染环境,产向神经网络对其进行控制。仿真实验验证了该方案生噪声,严重危害人体健康,而且长期高振幅和高动的可行性。应力的振动,极大地影响着电机所拖动的生产设
4、备2电机非线性振动机理的工作质量和寿命。因此,对电机振动进行有效控制已成为电气传动系统运行过程中必须解决的问就实际电气传动系统而言,电机振动现象不仅题。是电机自身的各种非线性特性和故障因素作用的结在过去几十年里,人们在振动特性分析方面做果,而且还与系统中控制部分、传动部分的各种非线了大量工作,提出了两类振动控制方案,即被动控制性因素以及负载扰动有关。和主动控制。但是,在一般情形下,被动控制仅适用依据不同的振源,电机振动可分为电磁振动、机于固定频率的振动问题;另一方面,对于多种主动控械振动和通风振动3种。其中,电磁振动是由于电制方案,如极点
5、配置、最优控制等都是基于被控对象机气隙中磁通相互作用,产生随时间和空间变化的的确切线性数字模型实施的。因此,针对模型和振径向力波,引起定子铁芯和机座的振动;机械振动是动频率不确定、随机性强的非线性振动,需要寻求一由于转子机械不平衡或轴承振动引起;通风亦可引起振动。在某些条件下,电机运行故障亦可引起振种更为有效的控制方案。动,如气隙磁场不均匀、鼠笼电机笼条断裂等等。近年来,人工神经网络理论得到进一步完善,并电气传动系统内部各种非线性环节的存在也会逐渐走向实用化。与其它控制方法相比,神经网络导致电机振动,如因变流环节的输出电压或电流中的非正弦
6、周期量而引起的电网电压畸变、直流输出3国家自然科学基金项目中的纹波电流所产生的脉动力矩、交-直-交变流·2·煤矿自动化1999年第6期n方式中的交、直流耦合振荡等等。而且,负载扰动对1zj=∑Wijxi(x0=1)i=1,⋯,n1电机振动的影响也不可忽视。它既包括因突加负i=0hj=f(zj)j=1,⋯,n2载,在冲击作用下所产生的非线性随机振动,还包括对于输出层中的第k个节点,其输入Sk、输出yk为在负载作用下,系统机械传动机构与电气部分相互n2作用而产生的机电耦合振动。Sk=∑Vjkhj(h0=1)k=1,⋯,n3j=03振动控制方案
7、yk=f(Sk)。神经网络学习的过程实质上是调节其中各层间3.1设计思想nn的联结权值,完成由X∈R1到Yd∈R2的非线性本方案是基于干扰对消原理提出的。在信号处映射,即保证网络的均值平方误差理中,干扰对消可以看作是一种从有干扰信号空间n11322到无干扰信号空间的映射。在一般情形下,这种映E=(Yd-Y)=∑(ydn-yk)=Emin(1)22k=1射表示了一种复杂的非线性关系。其原理如图1所在神经网络的训练学习过程中,广泛采用基于示。根据信号s(t)和干扰I(t)自相关函数的差异,最速下降法的误差反向传播算法。相应的算法描述从接受信号
8、x(t)中得到干扰信号的估计值^I(t),为:从而基于最小均方准则得到没有干扰的回波信号Wij(t+1)=Wij(t)+ΔWij(t)(2)^S(t),即保证E[(x(t)-I(t)2]取最小