感应电机矢量控制系统的SVM-FIS自学习控制.pdf

《感应电机矢量控制系统的SVM-FIS自学习控制.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27卷第6期计算机仿真2010年6月文章编号：1006-9348(20LO)05-0194—05感应电机矢量控制系统的SVM—FIS自学习控制郑海祥，李仲宇，周少武(湖南科技大学信息与电气工程学院，湖南湘潭411201)摘要：研究交流电机系统特性，针对常规模糊推理系统自学习能力不强，用支持向量机与模糊系统结合，提出了一种支持向量机一模糊推理系统，由支持向量机实现模糊推理系统的自学习。设计一种基于自适应混沌优化算法的支持向量机一模糊推理自学习控制器，并将其应用于无速度传感器感应电机矢量控制系统的速度控制。控制系统采用定转子自适应磁通观测器估计

2、磁通，用转速动态估计器来估算转子转速。仿真结果表明，控制方法响应速度快，鲁棒性强，稳定性好，是一种有效的控制方法。关键词：矢量控制；无速度传感器；支持向量机；模糊控制；自学习中图分类号：TM921．5文献标识码：BSVM——FISSelf——learningControlforInductionMotorVectorControlSystemZHENGHal—xiang，LIZhong—yu，ZHOUShao—wu(SchoolofInformationandElectricalEngineering，HunanUniversityofSci

3、enceandTechnology，XiangtanHunan411201，China)ABSTRACT：Aimingtothepoorself—learningabilityofconventionalfuzzyinferencesystem(F[S)，thesupportvectormachinesWaShybridwitIlthefuzzyinferencesystem．andaserf—learningcontrollerbasedonsupportvectormachines—fuzzyinferencesystem(SVM—MS)

4、wasproposedinthispaper．Theself—learningcapabilityoffuzzyinferencesystemWaSrealizedusingsupportvectormachines(SVM)．ASVM—FISserf—learningcontrollerbasedonself—adaptivechaoticoptimizationalgorithmwasdesigned，anditisappliedtothespeed—seasorlessinductionmotorvectorcontrolsystem，

5、inwhichthestator—rotoradaptivefluxobserverisusedtoestimateflux，andthespeeddynamiticestimatorisusedtoestimaterotorspeed．Simulationresultsshowthatthiscontrolmethodiseffectivewithrapidresponsespeed，strongrobustnessandgoodstability．KEYWORDS：Vectorcontrol；Speed—senorless；Support

6、vectormachine(SVM)；Fuzzycontrol；Self—learning1引言交流电机是一个多变鼍、强耦合、非线性的控制对象，虽然有比较确定的数学模型，但由于具有非线性和变参数等特点，使得传统的基于对象模型的控制方法显得力不从心。近年来，模糊控制和神经网络控制相继引入交流调速系统的控制中，用于解决传统控制方法所遇到的困难⋯。模糊控制不依赖于被控制对象的精确模型，可基于较少的控制规则得到控制信号，具有较强的鲁棒性心]-【4]。但是模糊控制综合定量知识的能力较差，不能对自己的控制规则进行有效的调基金项目：湖南省自然科学基金项目(

7、08JJ3127)；湖南省高校科学研究项目(08C337)收稿日期：2009—03—30修回日期：2009—05—04一194一整，从而限制r其自适应能力。人工神经网络有很好的学习能力和准确逼近任意非线性函数的能力。将模糊控制与神经网络结合起来，由神经网络来实现模糊推理，即可利用神经网络的学习能力来达到调整模糊隶属函数和控制规则的目的，从而使控制系统获得更好的性能”卜⋯。然【fii，神经网络是基于经验风险最小化准则，因而存在过学习、局部极小点、结构设计依赖于专家经验等缺点。与神经网络不同，支持向苣机是依据结构风险最小化准则，具有小样本学习、全

8、局最优、泛化能力强等特点旧．9J。因此，将支持向量机与模糊控制相结合，进一步提高控制系统的性能，具有重要的研究意义。本文研究了一种支持向量机一模糊推理系统(SVM—