王立紅

?

基于神經(jīng)網(wǎng)絡(luò)的直流調(diào)速系統(tǒng)建模研究

王立紅

（遼寧工業(yè)大學(xué) 電氣工程學(xué)院，遼寧 錦州 121001）

針對直流調(diào)速系統(tǒng)存在各種非線性因素，傳統(tǒng)建模采用近似的線性化方法，無法獲得滿意的建模精度，導(dǎo)致所應(yīng)用領(lǐng)域系統(tǒng)性能的降低。采用三層前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，將RPE算法用于網(wǎng)絡(luò)的訓(xùn)練，并對速度環(huán)進行辨識。仿真結(jié)果表明，神經(jīng)網(wǎng)絡(luò)能滿意地建立直流調(diào)速系統(tǒng)的動態(tài)模型。

直流調(diào)速；神經(jīng)網(wǎng)絡(luò)；RPE算法

人工神經(jīng)網(wǎng)絡(luò)在各個領(lǐng)域中的應(yīng)用十分廣泛，尤其是在智能系統(tǒng)中的非線性建模及控制器的設(shè)計、模式分類和優(yōu)化計算等方面得到人們的極大關(guān)注[1]。由于實際系統(tǒng)的復(fù)雜性、多變性以及非線性等因素，傳統(tǒng)的建模方法無法獲得精確的數(shù)學(xué)模型，從而失去控制能力。神經(jīng)網(wǎng)絡(luò)具有任意的非線性逼近能力，能夠滿足非線性系統(tǒng)建模和控制的需求[2]。直流調(diào)速系統(tǒng)無論是在理論上還是在實踐上都比較成熟，是交流調(diào)速的基礎(chǔ)，具有廣闊的應(yīng)用前景[3]。直流調(diào)速系統(tǒng)主要由電流環(huán)和轉(zhuǎn)速環(huán)組成，系統(tǒng)由多個環(huán)節(jié)組成，每個環(huán)節(jié)都存在一定的非線性。為了進一步提高位置伺服系統(tǒng)的設(shè)計水平，弄清雙閉環(huán)調(diào)速系統(tǒng)的非線性特性是很重要的。為此，本文采用基于預(yù)報誤差(RPE)算法的神經(jīng)網(wǎng)絡(luò)進行速度環(huán)的動態(tài)辨識，取得了良好的效果。

1 直流調(diào)速系統(tǒng)組成

轉(zhuǎn)速、電流雙閉環(huán)直流調(diào)速系統(tǒng)結(jié)構(gòu)圖如圖1所示。圖中，gn為給定電壓，為電機轉(zhuǎn)速，ASR為速度調(diào)節(jié)器，ACR為電流調(diào)節(jié)器。在實際系統(tǒng)中，2個調(diào)節(jié)器的輸出均有限幅裝置，晶閘管整流裝置也存在一定的非線性，還有電機軸上的摩擦等導(dǎo)致整個系統(tǒng)是一個非線性系統(tǒng)。

圖1 雙閉環(huán)直流調(diào)速系統(tǒng)結(jié)構(gòu)圖

2 神經(jīng)網(wǎng)絡(luò)建模的結(jié)構(gòu)

設(shè)非線性系統(tǒng)的數(shù)學(xué)模型為

為了建立上述系統(tǒng)的非線性動態(tài)模型，本文采用三層前向神經(jīng)網(wǎng)絡(luò)，如圖2所示。

3 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法

3.1 預(yù)報誤差(RPE)法的基本原理

RPE法的基本原理是通過極小化預(yù)報誤差從而獲得參數(shù)估計。定義如下的準(zhǔn)則函數(shù)：

式中：

3.2 神經(jīng)網(wǎng)絡(luò)的RPE學(xué)習(xí)算法

通過以上推導(dǎo)可得該網(wǎng)絡(luò)的學(xué)習(xí)算法如下：

4 仿真研究

選擇輸入矢量為：

用RPE算法訓(xùn)練800次后神經(jīng)網(wǎng)絡(luò)的輸出與系統(tǒng)實測輸出之間的誤差曲線如圖3所示。

取隱含層節(jié)點的數(shù)目分別為1、2、3、4、5，值的比較結(jié)果見表1，改變輸入節(jié)點的數(shù)目及輸入矢量后所得的值的比較結(jié)果見表2。

由此可見，此處神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)選擇是合理的。另外，可以看到，輸入節(jié)點數(shù)及輸入矢量的合理構(gòu)成對擬合精度有很大影響。

表1 改變隱含層節(jié)點數(shù)目后EI值比較

表2 改變輸入節(jié)點數(shù)目及輸入矢量后EI值比較

5 結(jié)束語

直流調(diào)速系統(tǒng)傳統(tǒng)的建模方法忽略了各個環(huán)節(jié)的非線性因素，采用近似的線性化方法，勢必導(dǎo)致所應(yīng)用領(lǐng)域系統(tǒng)性能的降低。本文采用基于RPE算法的神經(jīng)網(wǎng)絡(luò)對速度環(huán)進行辨識，結(jié)果表明，神經(jīng)網(wǎng)絡(luò)能滿意地建立直流調(diào)速系統(tǒng)的動態(tài)模型。

[1] 譚顯勝, 周鐵軍. BP算法改進方法的研究進展[J]. 懷化學(xué)院學(xué)報: 自然科學(xué), 2006(2): 126-130.

[2] 周佳, 盧少武, 周鳳星. 基于BP神經(jīng)網(wǎng)絡(luò)的伺服速度控制參數(shù)自整定研究[J]. 組合機床與自動化加工技術(shù), 2016(7): 70-72, 77.

[3] 梁玉, 王敦勝, 陳家興, 等. 基于神經(jīng)元PID直流調(diào)速系統(tǒng)仿真研究[J]. 煤礦機械, 2007, 28(6): 53-55.

責(zé)任編校：孫 林

Research on Modeling of DC Speed Regulation System Based on Neural Network

WANG Li-hong

（School of Electrical Engineering, Liaoning University of Technology, Jinzhou 121001, China）

satisfactory modeling accuracy can not be obtained, If the traditional modeling adopts the approximate linearization method because of the nonlinear factors in the DC speed regulation system, it will certainly lead to the reduction of system performance in the application domain. Three layers’ forward neural network structure is adopted, RPE algorithm is used to train the network, and the speed loop is identified. The simulation results show that the neural network can satisfactorily establish the dynamic model of DC speed regulation system.

DC speed regulation; neural network; RPE algorithm

10.15916/j.issn1674-3261.2017.06.004

TM761

A

1674-3261(2017)06-0362-03

2017-07-01

王立紅(1971-)，女，遼寧錦州人，副教授，碩士。