双电机变频调速系统设计与仿真.pdf

《双电机变频调速系统设计与仿真.pdf》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30卷第11期计算机仿真2013年11月文章编号：1006—9348(2013)11—0374—05双电机变频调速系统设计与仿真陈冲，胡国文(盐城工学院电气工程学院，江苏盐城224051)摘要：针对常规PID控制应用于双电机变频调速系统时参数难以整定、自适应性差且无法实现系统解耦等问题，在系统物理模型建立的基础上，确定了系统的控制方案，构建一种神经网络智能解耦控制器。首先设计2个BP神经网络参数自适应PID控制器，对系统转速和张力分别进行单回路自适应控制；然后设计1个自适应神经元解耦补偿器，串联在自适应PID控制器之后，通过训练神经网络，补偿回路之间的耦合

2、影响。仿真结果表明，系统具有良好的解耦控制性能和跟随性能，证明了该控制策略的可行性和先进性，为双电机控制优化设计提供了依据。关键词：双电机；变频调速；神经网络；参数自整定；解耦补偿控制中图分类号：TPl83文献标识码：ADesignandSimulationofDual-MotorVariableFrequencySpeed-regulatingSystemCHENChong，HUGuo-wen(CollegeofElectricalEngineering，YanchengInstituteofTechnology，Yancheng，Jiangsu22405

3、1，China)ABSTRACT：WhencommonPIDcontrollerisappliedintodual—motorvariablefrequencyspeed-regulatingsystem，itsparametersaredifficulttoset，withpoorself—adaptabilityandbeingunabletorealizethedecouplingofthesystem．Onthebasisofsystemmodeling，thecontrolstrategyofthesystemWasdetermined，andan

4、euralnetworkintelligentdecouplingcontrollerwasdesigned．Firstly，twoBPneuralnetworkPIDcontrollersweredesignedtoperformthea-daptivecontrolofspeedandtension．Then，aneurondecouplingcompensatorwasdesigned．Finally，theneuronde—couplingcompensatorWassettodesignedseriesconnectedafteradaptiveP

5、IDcontroller，throughtrainingtheweighstocompensatethecompensatethesystemcouplingeffect．Thesimulationresultsshowthatthesystemhasgooddecou·piingcontrolandtrackingperformances，whichshowsthatthemethodisefficientandadvanced．KEYWORDS：Dual—motor；Variablefrequencyspeed—regulating；Neuralnetw

6、ork；Parameterself-regulation；Decou-piingcompensationcontrol1引言随着现代工业化大生产的发展，被控对象不再局限于单变量系统，而是结构复杂、模型不确定、具有非线性和强耦合性的多变量系统。工业中常用的双电机变频调速系统就是一个典型的多输人多输出、非线性、强耦合的复杂系统，这对传统的PID控制提出了严峻的挑战。因此，国内外许多学者一直致力于各种现代控制理论方法在双电机变频调速系统中的应用研究以期获得更好的解耦控制性能¨。1。文献[3]提出的积分滑模变结构控制方法，减轻了活套高度和张力的耦合，但是对系统的模型

7、和参数精度要求较高；文献[4]提出基金项目：盐城工学院校级科研项目(XKR2010071)；盐城市科技计划项目(YKN2012031)收稿日期：2013—02—25．--——374．--——的自抗扰控制方法，不依赖于系统模型，但是它利用扩张状态观测器统一观测系统的扰动并加以补偿，导致了观测器运算繁重，不利于系统的解耦控制；文献[5]提出的最／b-<乘支持向量机广义逆控制方法，可以实现系统转速和张力的解耦控制，但是系统广义逆模型的获取较为困难。神经网络具有自学习性、并行性和容错性等信息处理功能，能够解决非线性和不确定性的实际问题，使得复杂多变量系统的解耦控制成

8、为可能，充分显示了其在控制领域的优越性。本文基于神经