段希義　潘玉民

摘要：提出了一種無刷直流電機(jī)的神經(jīng)網(wǎng)絡(luò)的逆控制方法，該方法可以克服電機(jī)參數(shù)變化和非線性。其中逆模型采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，并將該逆模型與原電機(jī)系統(tǒng)串聯(lián)構(gòu)成偽線性系統(tǒng)，再進(jìn)行轉(zhuǎn)速PID閉環(huán)控制。仿真實(shí)驗(yàn)結(jié)果表明神經(jīng)網(wǎng)絡(luò)逆控制方法對(duì)負(fù)載擾動(dòng)有較強(qiáng)抑制作用，可以減小轉(zhuǎn)速超調(diào)、提高精度和動(dòng)靜態(tài)性能。

關(guān)鍵詞：無刷直流電機(jī)；神經(jīng)網(wǎng)絡(luò)；逆模型；線性化

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）14-0158-02

Abstract： A neural network inverse control method of brushless DC motor is proposed. This method can overcome the motor parameters change and nonlinear. The inverse model realized using BP neural network， and the inverse model and the original series motor system constitute a pseudo linear system， and then to speed closed-loop control of PID.The simulation results show that the neural network inverse control method has stronger inhibition to the load disturbance， can reduce the speed overshoot and improve the accuracy and dynamic and static performance.

Key words： brushless DC motor； neural network； inverse model； linearization

逆模型控制作為一種新型控制策略，近年來得到快速發(fā)展。該方法是用逆模型和原系統(tǒng)串聯(lián)組成一個(gè)等效的線性系統(tǒng)，再用各種控制方法設(shè)計(jì)閉環(huán)控制器，從而獲得線性控制特性。但逆模型實(shí)現(xiàn)一般很困難，對(duì)一些復(fù)雜系統(tǒng)的逆模型很難寫出解析表達(dá)式，甚至逆模型不存在。目前主要是采用神經(jīng)網(wǎng)絡(luò)、模糊模型等智能控制技術(shù)實(shí)現(xiàn)，本文采用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)無刷直流電機(jī)的逆模型。

1 無刷直流電機(jī)數(shù)學(xué)模型

以三相六狀態(tài) BLDCM為對(duì)象，分析直流無刷電機(jī)的數(shù)學(xué)模型及電磁轉(zhuǎn)矩特性。當(dāng)忽略齒槽效應(yīng)和電樞反應(yīng)，三相繞組電壓方程可以表示為無刷直流電機(jī)的電壓、轉(zhuǎn)矩狀態(tài)方程。三相繞組的電壓狀態(tài)方程如下：

[uaubuc=R000R000Riaibic+LLmLmLmLLmLmLmLddtiaibic+eaebec] （1）

式中

2 基于神經(jīng)網(wǎng)絡(luò)的逆模型

采用BP神經(jīng)網(wǎng)絡(luò)逼近被控對(duì)象的逆模型，并將其與被控對(duì)象串聯(lián)起來等效成理想的單位系統(tǒng)，即[G-1（s）G（s）?1]，再利用PID控制器構(gòu)成閉環(huán)控制系統(tǒng)，如圖1所示。加入PID閉環(huán)的原因：逆模型辨識(shí)通常都存在未建模，在外界干擾等不確定因素下，依靠開環(huán)逆系統(tǒng)線性化，不能獲得很好的效果。

利用無刷直流電機(jī)的單轉(zhuǎn)速環(huán)系統(tǒng)來采集神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)，根據(jù)電機(jī)的物理運(yùn)行區(qū)域，以多種頻率、幅值的正弦信號(hào)作為激勵(lì)，以轉(zhuǎn)速n為輸出。三個(gè)正弦波依次選為：[r1（t）=500sin100t]，[r2（t）=10sin200t]，[r3（t）=0.5sin50t]。仿真實(shí)驗(yàn)時(shí)輸入/輸出獲得4001個(gè)數(shù)據(jù)對(duì)樣本。

設(shè)計(jì)BP網(wǎng)絡(luò)結(jié)構(gòu)為：1-15-1，即輸入層為一個(gè)神經(jīng)元，隱層為15個(gè)神經(jīng)元，輸出為一個(gè)神經(jīng)元，以上述數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)輸入網(wǎng)絡(luò)前均需要進(jìn)行歸一化處理，此處采用normr 和norm命令進(jìn)行歸一化和反歸一化，該方法可以避免數(shù)據(jù)中出現(xiàn)0、1，使網(wǎng)絡(luò)更易于訓(xùn)練。

3 無刷直流電機(jī)神經(jīng)網(wǎng)絡(luò)逆控制

無刷直流電機(jī)模型具有非線性、多變量等特點(diǎn)，這些特點(diǎn)導(dǎo)致難以嚴(yán)格求出電機(jī)的解析逆系統(tǒng)。若用神經(jīng)網(wǎng)絡(luò)來構(gòu)建逆系統(tǒng)，則可避免求取解析逆的困難。

由仿真分析實(shí)驗(yàn)可得，當(dāng)采用神經(jīng)網(wǎng)絡(luò)逆控制策略時(shí)，由系圖4看出，系統(tǒng)轉(zhuǎn)速無超調(diào)且轉(zhuǎn)速波動(dòng)小、抗干擾能力很強(qiáng)，并且在較大范圍內(nèi)調(diào)速性能優(yōu)良，性能比PID控制好得多。

5 結(jié)論

針對(duì)無刷直流電機(jī)參數(shù)變化和模型非線性特點(diǎn)，本文將神經(jīng)網(wǎng)絡(luò)逆控制引入無刷直流電機(jī)控制系統(tǒng)。通過仿真與實(shí)驗(yàn)的研究，與傳統(tǒng)的PID控制對(duì)比，神經(jīng)網(wǎng)絡(luò)逆控制策略使無刷直流電機(jī)調(diào)速獲得理想控制，抗擾能力增強(qiáng)，并且對(duì)電機(jī)內(nèi)部參數(shù)及電機(jī)換相等非線性因素有很好的適應(yīng)能力，具有很好的應(yīng)用前景。

參考文獻(xiàn)：

[1] 劉國(guó)海，金鵬，魏海峰. 無刷直流電機(jī)調(diào)速系統(tǒng)神經(jīng)網(wǎng)絡(luò)逆控制[J]. 電工技術(shù)學(xué)報(bào)， 2010， 25（8）：24-30.

[2] 陳伯時(shí). 電力拖動(dòng)自動(dòng)控制系統(tǒng)[M]. 北京： 機(jī)械工業(yè)出版社， 1991.

[3] 盧志剛，吳士昌，于靈慧. 非線性自適應(yīng)逆控制及其應(yīng)用[M].北京，國(guó)防工業(yè)出版社， 2004：36-43.

[4] 李青茹，王培峰，栗蘋，等. 無刷直流電機(jī)轉(zhuǎn)速的神經(jīng)模糊控制[J]. 電力電子技術(shù)， 2007， 41（8）：92-93.