基于神經(jīng)網(wǎng)絡(luò)的感應(yīng)電動機(jī)直接轉(zhuǎn)矩控制研究

兩相靜止坐標(biāo)系下的磁鏈方程為：

由式(6)得轉(zhuǎn)矩模型結(jié)構(gòu)圖如圖3所示。

在DTC技術(shù)中，其基本控制方法就是通過電壓空間矢量us(t)來控制定子磁鏈的旋轉(zhuǎn)速度及定子磁鏈運(yùn)行狀態(tài)，以改變定子磁鏈的平均旋轉(zhuǎn)速度的大小，達(dá)到控制轉(zhuǎn)矩的目的。DTC系統(tǒng)的核心問題：①轉(zhuǎn)矩和定子磁鏈反饋信號的計(jì)算模型；②如何根據(jù)兩個Bang-Bang控制器的輸出信號來選擇電壓空間矢量和逆變器的開關(guān)狀態(tài)。

3 神經(jīng)網(wǎng)絡(luò)PID控制器的設(shè)計(jì)
系統(tǒng)中應(yīng)用的神經(jīng)網(wǎng)絡(luò)控制器由BP神經(jīng)網(wǎng)絡(luò)和控制器兩部分構(gòu)成。神經(jīng)網(wǎng)絡(luò)根據(jù)系統(tǒng)的運(yùn)行狀態(tài)調(diào)節(jié)控制器的參數(shù)，以期達(dá)到最佳的控制效果。人工神經(jīng)網(wǎng)絡(luò)的神經(jīng)元結(jié)構(gòu)如圖4所示。

人工神經(jīng)網(wǎng)絡(luò)是基于人腦的神經(jīng)元結(jié)構(gòu)的電子學(xué)模型，一個神經(jīng)網(wǎng)絡(luò)的基本執(zhí)行要素是神經(jīng)元。神經(jīng)網(wǎng)絡(luò)依賴于神經(jīng)元的層數(shù)。人工神經(jīng)網(wǎng)絡(luò)對知識的掌握是通過對樣本的學(xué)習(xí)實(shí)現(xiàn)的。通過學(xué)習(xí)大量的實(shí)例，網(wǎng)絡(luò)用嘗試錯誤的方法來不斷減小錯誤，修正權(quán)值，從而掌握蘊(yùn)含于樣本的知識，網(wǎng)絡(luò)通過權(quán)值的調(diào)整記錄所學(xué)過樣本，并掌握輸入與輸出之間的關(guān)系。正是因?yàn)樗目扇我獗平蔷€性模型特性，所以十分適用于交流調(diào)速系統(tǒng)的控制。人工神經(jīng)網(wǎng)絡(luò)在交流調(diào)速控制系統(tǒng)中的應(yīng)用包括神經(jīng)網(wǎng)絡(luò)辨識器和神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計(jì)。在傳統(tǒng)的數(shù)字PID控制方式下，采用的經(jīng)典算式為增量式PID算法：
u(k)=u(k-1)+△u(k)=u(k-1)+kp[e(k)-e(k-1)]+kie(k)+kd[e(k)-2e(k-1)+e(k-2)] (7)
神經(jīng)網(wǎng)絡(luò)根據(jù)系統(tǒng)的運(yùn)行狀態(tài)調(diào)節(jié)PID控制器的參數(shù)，使輸出層神經(jīng)元的輸出狀態(tài)對應(yīng)于PID控制器3個可調(diào)整參數(shù)kp，ki，kd。通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)，權(quán)系數(shù)調(diào)整，使神經(jīng)網(wǎng)絡(luò)輸出對應(yīng)于某種最優(yōu)控制規(guī)律下的PID控制器參數(shù)。
輸入層神經(jīng)元個數(shù)選為3，誤差量x1(k)=e(k)，x2(k)反映誤差的累計(jì)效果，，x3(k)反映誤差變化快慢，x3(k)=e(k)-e(k-1)。輸出層的神經(jīng)元個數(shù)選為3，輸出節(jié)點(diǎn)分別對應(yīng)kp，ki，kd。由于該參數(shù)不能為負(fù)數(shù)，所以輸出層神經(jīng)元的激發(fā)函數(shù)取非負(fù)的Sigmoid函數(shù)。隱藏層的神經(jīng)元個數(shù)可由經(jīng)驗(yàn)公式q=(n+m)1/2+f確定，其個數(shù)選為4。

輸出層神經(jīng)元的激發(fā)函數(shù)。按梯度下降法修改網(wǎng)絡(luò)的權(quán)系數(shù)，即按照e(k)對權(quán)系數(shù)的負(fù)梯度方向搜索調(diào)整，并附加一個使搜索快速收斂的全局極小慣性項(xiàng)。