程 顯 袁曉東 葛國(guó)偉 朱劍鵬

真空開關(guān)高動(dòng)作穩(wěn)定性的永磁操動(dòng)機(jī)構(gòu)控制系統(tǒng)

程 顯1,2袁曉東1,2葛國(guó)偉1,2朱劍鵬1,2

（1. 鄭州大學(xué)電氣工程學(xué)院 鄭州 450001 2. 河南省輸配電裝備與電氣絕緣工程技術(shù)研究中心 鄭州 450001）

基于永磁操動(dòng)機(jī)構(gòu)的真空開關(guān)被廣泛應(yīng)用在電力系統(tǒng)中，以確保真空開關(guān)在不同環(huán)境下操動(dòng)的精度和動(dòng)作時(shí)間穩(wěn)定，可以有效提高電力系統(tǒng)的穩(wěn)定性。該文首先對(duì)10kV真空開關(guān)操動(dòng)機(jī)構(gòu)的分合閘動(dòng)態(tài)特性進(jìn)行分析計(jì)算，并建立仿真實(shí)驗(yàn)?zāi)Ｐ?；利用徑向基函?shù)（RBF）神經(jīng)網(wǎng)絡(luò)與模糊PID自適應(yīng)控制相結(jié)合的技術(shù)設(shè)計(jì)算法控制器，對(duì)機(jī)構(gòu)的線圈電流與位移特性進(jìn)行實(shí)時(shí)檢測(cè)控制；通過仿真實(shí)驗(yàn)證明了該控制器在提高機(jī)構(gòu)動(dòng)作穩(wěn)定性上的可行性。搭建實(shí)驗(yàn)測(cè)試平臺(tái)，進(jìn)行合閘對(duì)比實(shí)驗(yàn)，未加入算法控制器時(shí)，操動(dòng)機(jī)構(gòu)總體合閘時(shí)間在22.7～31.8ms；加入算法控制器后，合閘時(shí)間穩(wěn)定在25.5～26.1ms。同時(shí)該算法控制器將機(jī)構(gòu)合閘時(shí)間分散性由原來的±1.5ms降低為±0.3ms左右，不同環(huán)境溫度下分散性依然可以保持在±0.3ms左右，證明加入該控制系統(tǒng)后，提高了動(dòng)作時(shí)間的穩(wěn)定性和有效性。

真空斷路器 永磁操動(dòng)機(jī)構(gòu) 模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 動(dòng)作穩(wěn)定性

0 引言

基于永磁操動(dòng)機(jī)構(gòu)的真空開關(guān)被廣泛應(yīng)用在電力系統(tǒng)中，提高開關(guān)動(dòng)作時(shí)間的穩(wěn)定性和動(dòng)作特性的可控制性，對(duì)電力系統(tǒng)中相控開關(guān)技術(shù)的實(shí)現(xiàn)具有重要意義。相控開關(guān)技術(shù)可以有效地削弱電網(wǎng)中高壓開關(guān)開合閘時(shí)產(chǎn)生的涌流和過電壓，有效提高電力系統(tǒng)的穩(wěn)定性[1]。永磁操動(dòng)機(jī)構(gòu)動(dòng)作部件少，中間轉(zhuǎn)換和連接機(jī)構(gòu)也很少，極大地提高了動(dòng)作的可控性，因此永磁操動(dòng)機(jī)構(gòu)為實(shí)現(xiàn)真空開關(guān)的智能控制提供了可靠支持[2-4]。

真空開關(guān)永磁機(jī)構(gòu)動(dòng)作時(shí)間的分散性是指對(duì)同一開關(guān)機(jī)構(gòu)，一般采用充電電容當(dāng)作控制電源，由于每次動(dòng)作時(shí)，控制電壓很難保證都相等，難免會(huì)有波動(dòng)，必然會(huì)影響電流的大小，最終造成永磁機(jī)構(gòu)分合閘的時(shí)間波動(dòng)及特性曲線的變化[5-7]?？刂齐妷旱淖兓鳛橛绊憚?dòng)作時(shí)間穩(wěn)定性的關(guān)鍵因素之一，它的波動(dòng)必然會(huì)引起動(dòng)作時(shí)間的偏差，從而對(duì)整個(gè)電力系統(tǒng)的穩(wěn)定運(yùn)行產(chǎn)生負(fù)面影響。因此電壓變化引起的時(shí)間誤差是永磁操動(dòng)機(jī)構(gòu)亟需解決的問題之一[8]。此外，頻繁地充放電及連續(xù)的動(dòng)作，將導(dǎo)致電容的容量降低，回路中接線端子處的接觸電阻也會(huì)增加，這些難以預(yù)知的變化都會(huì)引起線圈電流的變化，對(duì)開關(guān)的動(dòng)作造成難以預(yù)測(cè)的影響，使開關(guān)動(dòng)作分散性變大。

對(duì)于單機(jī)構(gòu)而言，控制電壓變化、外界溫度及觸頭磨損等問題是無法避免的，也很難進(jìn)行控制調(diào)節(jié)，因此降低機(jī)構(gòu)動(dòng)作時(shí)間的誤差，需要考慮如何抵消這些環(huán)境因素帶來的影響。目前的研究工作就是加入智能控制系統(tǒng)對(duì)操動(dòng)機(jī)構(gòu)的動(dòng)作進(jìn)行控制，得到不同電壓環(huán)境下的動(dòng)作時(shí)間，以及不同環(huán)境溫度下的機(jī)構(gòu)的動(dòng)作特性，對(duì)比未加入智能控制系統(tǒng)時(shí)開關(guān)的動(dòng)作特性，從而驗(yàn)證加入控制系統(tǒng)后對(duì)動(dòng)作穩(wěn)定性的改善效果。

本文采用模糊徑向基函數(shù)（Radial Basis Function, RBF）神經(jīng)網(wǎng)絡(luò)-PID智能控制系統(tǒng)，保證開關(guān)操動(dòng)時(shí)間的穩(wěn)定性及操動(dòng)過程的可控性。首先對(duì)永磁操動(dòng)機(jī)構(gòu)動(dòng)態(tài)模型進(jìn)行建模與仿真分析，建立永磁操動(dòng)機(jī)構(gòu)仿真模型，驗(yàn)證了算法控制器的可行性。在此基礎(chǔ)上搭建了永磁操動(dòng)機(jī)構(gòu)動(dòng)觸頭運(yùn)動(dòng)控制系統(tǒng)實(shí)驗(yàn)平臺(tái)，以TMS320F28335 類型的數(shù)字信號(hào)（Digital Signal Processor, DSP）處理器為核心設(shè)計(jì)了永磁機(jī)構(gòu)真空開關(guān)智能控制系統(tǒng)。在控制算法上選擇了模糊RBF-PID控制算法，控制機(jī)構(gòu)觸頭的行程和線圈電流。進(jìn)行合閘實(shí)驗(yàn)并對(duì)比加入控制系統(tǒng)之前的合閘時(shí)間穩(wěn)定性，證明模糊RBF-PID控制方案對(duì)提高真空開關(guān)動(dòng)作時(shí)間穩(wěn)定性的可行性及有效性。

1 真空開關(guān)永磁機(jī)構(gòu)模糊RBF-神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)

1.1 永磁操動(dòng)機(jī)構(gòu)模型及其運(yùn)動(dòng)過程分析

為了完成真空開關(guān)永磁機(jī)構(gòu)控制系統(tǒng)的設(shè)計(jì)，達(dá)到對(duì)機(jī)構(gòu)的智能控制效果，需要對(duì)永磁操動(dòng)機(jī)構(gòu)的運(yùn)動(dòng)過程進(jìn)行分析。

本設(shè)計(jì)主要利用電容為永磁機(jī)構(gòu)的線圈供電，在此情況下對(duì)其進(jìn)行動(dòng)態(tài)分析，得到的微分方程組為

對(duì)于永磁操動(dòng)機(jī)構(gòu)，無論是分閘操作還是合閘操作，動(dòng)態(tài)過程都可分為兩個(gè)階段[5]。

1）第一階段：勵(lì)磁線圈電流從零逐漸增大，由于線圈電流產(chǎn)生的電磁力還沒有足夠大，動(dòng)鐵心還未開始運(yùn)動(dòng)，動(dòng)鐵心位移0，速度dd0，為起磁階段（觸動(dòng)階段）。

得到該階段電容放電勵(lì)磁下的動(dòng)態(tài)方程為

2）第二個(gè)階段：當(dāng)勵(lì)磁線圈的電流增大到產(chǎn)生的電磁力大于機(jī)構(gòu)反力時(shí)，動(dòng)鐵心開始運(yùn)動(dòng)，并且一直運(yùn)動(dòng)到終點(diǎn)位置，這個(gè)過程即為第二個(gè)階段。這個(gè)階段的動(dòng)態(tài)方程為

1.2 基于模糊RBF-PID控制器的永磁操動(dòng)機(jī)構(gòu)控制系統(tǒng)

永磁操動(dòng)機(jī)構(gòu)觸頭在按照理想速度曲線運(yùn)行時(shí)，可以獲得良好的合閘特性。采用PID控制策略在非線性和可變負(fù)載的控制環(huán)境中對(duì)動(dòng)觸頭的合閘過程進(jìn)行控制。傳統(tǒng)PID控制器的參數(shù)固定，需要工作人員反復(fù)嘗試，對(duì)于復(fù)雜系統(tǒng)，參數(shù)調(diào)整通常很困難。模糊神經(jīng)網(wǎng)絡(luò)控制器能夠根據(jù)運(yùn)行條件自適應(yīng)調(diào)整控制參數(shù)，以確保系統(tǒng)的快速跟蹤和精確控制。因此本文采用模糊RBF-PID控制實(shí)現(xiàn)對(duì)動(dòng)觸頭速度行程的精確控制，其控制框圖如圖1所示。

圖1 永磁操動(dòng)機(jī)構(gòu)的模糊RBF-PID控制框圖

從模糊RBF-PID控制框圖可以看出，該控制器能夠?qū)崟r(shí)監(jiān)測(cè)機(jī)構(gòu)觸頭的運(yùn)動(dòng)和線圈的電流，線圈電流的變化趨勢(shì)是通過調(diào)整DSP輸出的PWM的占空比來實(shí)現(xiàn)的。模糊RBF神經(jīng)網(wǎng)絡(luò)對(duì)觸頭位移和電流進(jìn)行檢測(cè)，并與理想的曲線進(jìn)行對(duì)比，計(jì)算偏差和變化率。通過調(diào)整PID參數(shù)對(duì)PWM進(jìn)行調(diào)節(jié)，進(jìn)而實(shí)現(xiàn)對(duì)機(jī)構(gòu)觸頭運(yùn)動(dòng)行程的精確控制。

2 模糊RBF神經(jīng)網(wǎng)絡(luò)-PID控制器設(shè)計(jì)

2.1 模糊RBF神經(jīng)網(wǎng)絡(luò)-PID數(shù)學(xué)模型在分合閘控制時(shí)的應(yīng)用

本文所設(shè)計(jì)的模糊RBF神經(jīng)網(wǎng)絡(luò)是一種局部逼近網(wǎng)絡(luò)，將神經(jīng)網(wǎng)絡(luò)的特點(diǎn)和模糊控制的優(yōu)點(diǎn)結(jié)合在一起，能夠體現(xiàn)二者的互補(bǔ)和相關(guān)性，可以確保系統(tǒng)的快速跟蹤和精確控制。與目前永磁操動(dòng)機(jī)構(gòu)分合閘控制上使用較多的自適應(yīng)控制相比，具有明顯的速度優(yōu)勢(shì)，精確度也更高[9-12]。

綜合考慮到PID和神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)需求，對(duì)算法結(jié)構(gòu)的設(shè)計(jì)采用兩個(gè)輸入對(duì)應(yīng)三個(gè)輸出共四層的結(jié)構(gòu)形式[13-16]，如圖2所示。

圖2 模糊RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

結(jié)合本文設(shè)計(jì)與實(shí)驗(yàn)?zāi)康?，兩個(gè)輸入節(jié)點(diǎn)分別對(duì)應(yīng)采集到的位移、電流的偏差和偏差變化率c，三個(gè)輸出節(jié)點(diǎn)參數(shù)被采集到DSP的算法控制器中，對(duì)輸出的PWM進(jìn)行相應(yīng)的調(diào)節(jié)。

本文所使用的模糊RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)共有四層。每一層對(duì)應(yīng)的作用如下所示：

（1）第一層為輸入層，輸入層有兩個(gè)參數(shù)：①機(jī)構(gòu)觸頭的實(shí)際采集位移與輸入理想曲線的偏差；②位置偏差變化率c。節(jié)點(diǎn)的個(gè)數(shù)為輸入變量數(shù)量。

（2）第二層是模糊化推理層。將輸入的位移偏差和偏差變化率c轉(zhuǎn)換為模糊的矢量，通過隸屬度函數(shù)計(jì)算出對(duì)應(yīng)的隸屬度，對(duì)輸出的PWM進(jìn)行預(yù)調(diào)節(jié)。定義模糊推理函數(shù)為

（3）第三層是模糊推理層。在該層中，每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)模糊規(guī)則，能夠?qū)?jié)點(diǎn)進(jìn)行模糊運(yùn)算，運(yùn)算乘積公式為

（4）第四層為輸出層。共有三個(gè)輸出節(jié)點(diǎn)，分別為p、i、d，輸出節(jié)點(diǎn)參數(shù)被采集到DSP的算法控制器中，根據(jù)參數(shù)的大小及上次采集到的參數(shù)變化，實(shí)現(xiàn)對(duì)輸出PWM的最終調(diào)節(jié)。整定計(jì)算過程為

式中，為連接權(quán)矩陣；=1,2,3；=3。

2.2 模糊RBF神經(jīng)網(wǎng)絡(luò)-PID算法在合閘控制時(shí)的具體實(shí)現(xiàn)

基于2.1節(jié)中分析的模糊RBF網(wǎng)絡(luò)的結(jié)構(gòu)，輸出三個(gè)節(jié)點(diǎn)對(duì)PID參數(shù)進(jìn)行整定，定義模糊神經(jīng)網(wǎng)絡(luò)的目標(biāo)函數(shù)為

模糊RBF-PID控制器的輸出為采用增量式的PID算法，即

模糊RBF網(wǎng)絡(luò)的理想輸出為()，實(shí)際輸出為()，所以每次進(jìn)行迭代計(jì)算，所產(chǎn)生的誤差為()()。第次計(jì)算中，神經(jīng)網(wǎng)絡(luò)權(quán)值的學(xué)習(xí)算法為

綜上所述，模糊RBF-PID算法在操動(dòng)機(jī)構(gòu)觸頭控制的具體實(shí)現(xiàn)步驟如下：

（1）模糊RBF初始化。根據(jù)實(shí)際選定隸屬度函數(shù)寬度和中心，計(jì)算權(quán)系數(shù)的初始值，選定和量化因子

（2）實(shí)驗(yàn)開始，計(jì)算操動(dòng)機(jī)構(gòu)控制系統(tǒng)偏差，即位移、電流偏差()()-()和偏差變化量c()()-(-1)。

（3）實(shí)時(shí)采集電流與位移，更新偏差與網(wǎng)絡(luò)各層之間的輸入系數(shù)、輸出PID系數(shù)、根據(jù)()，以及1時(shí)刻的實(shí)際值(1)，根據(jù)(1)與()的偏差得出需要的參數(shù)，從而調(diào)節(jié)PWM。

（4）更新計(jì)算隸屬度函數(shù)的中心C、基寬B和網(wǎng)絡(luò)權(quán)值W。

（5）進(jìn)行下一次迭代，令=+1，代入步驟2）重新進(jìn)行計(jì)算，再進(jìn)行循環(huán)迭代。

3 永磁操動(dòng)機(jī)構(gòu)模糊RBF-PID控制方法分析與仿真

3.1 永磁操動(dòng)機(jī)構(gòu)控制系統(tǒng)控制方法分析

本文的控制系統(tǒng)是對(duì)真空開關(guān)永磁操動(dòng)機(jī)構(gòu)進(jìn)行合閘操作。以電容電壓為270V時(shí)的行程曲線為參考，通過合閘實(shí)驗(yàn)，用位移傳感器檢測(cè)觸頭的位置變化，用霍爾電流傳感器采集機(jī)構(gòu)合閘線圈中電流的變化，得到該電壓條件下的觸頭運(yùn)動(dòng)行程曲線及合閘電流曲線，作為理想行程曲線，如圖3和圖4所示。

圖3 給定行程曲線

圖4 給定電流曲線

對(duì)圖3中的位移變化進(jìn)行計(jì)算處理，得到270V時(shí)觸頭合閘時(shí)的速度變化曲線，如圖5所示。將該速度變化數(shù)據(jù)作為合閘理想速度對(duì)比數(shù)據(jù)。

圖5 給定速度曲線

將電流、位移、速度三組曲線上的所有時(shí)間對(duì)應(yīng)的數(shù)據(jù)存儲(chǔ)在DSP算法控制器中，作為控制給定輸入值，進(jìn)行仿真和現(xiàn)場(chǎng)實(shí)驗(yàn)測(cè)試。

3.2 永磁操動(dòng)機(jī)構(gòu)數(shù)學(xué)模型及系統(tǒng)總體仿真的建立

系統(tǒng)總體仿真時(shí)需要永磁操動(dòng)機(jī)構(gòu)的電磁模型，機(jī)構(gòu)分合閘動(dòng)態(tài)過程都需要遵循達(dá)朗貝爾運(yùn)動(dòng)方程。在電路上必須遵循電壓平衡方程，在磁場(chǎng)上必須遵循麥克斯韋方程。此外根據(jù)式（1）～式（3）采用M文件S-函數(shù)編寫其仿真模型。在Simulink中搭建模塊，通過該模塊建立的仿真模塊主要是表現(xiàn)永磁操動(dòng)系統(tǒng)中線圈電流與電磁斥力、機(jī)構(gòu)位移三者之間的非線性關(guān)系。具體編寫過程如下：

（1）初始化MdlInitializeSizes(flag=0)

定義兩個(gè)連續(xù)的變量，分別是機(jī)構(gòu)的輸入?yún)?shù)1（1）和輸出變量（2），所以NumState=2；輸入的狀態(tài)變量和輸出的狀態(tài)變量都為1。

（2）通過達(dá)朗貝爾運(yùn)動(dòng)方程和麥克斯韋方程，計(jì)算出狀態(tài)變量Mdlderivatives(flag=1)。

（3）計(jì)算機(jī)構(gòu)模塊的輸出子系統(tǒng)Mdoutput（flag=3）sys=1(1)。

經(jīng)過這三個(gè)步驟，配合整體的仿真系統(tǒng)，輸出結(jié)果就是永磁操動(dòng)機(jī)構(gòu)觸頭的位移。完成對(duì)永磁操動(dòng)機(jī)構(gòu)的建模之后，在Simulink中完成對(duì)永磁操動(dòng)機(jī)構(gòu)模糊RBF-PID控制的系統(tǒng)的總體設(shè)計(jì)，如圖6所示。

圖6 模糊RBF神經(jīng)網(wǎng)絡(luò)PID永磁操動(dòng)系統(tǒng)仿真

基于上述參數(shù)的影響，經(jīng)過多次的調(diào)整驗(yàn)證與對(duì)比分析，在仿真過程中，將控制系統(tǒng)中的參數(shù)選擇如下：p=0.28、i=0.16、d=0.46，1=0.8，2=0.5，=0.63。

由于控制電壓的變化是影響機(jī)構(gòu)動(dòng)作時(shí)間穩(wěn)定性的關(guān)鍵因素之一，因此在該仿真實(shí)驗(yàn)中，調(diào)整控制電壓的變化來模擬環(huán)境的變化，分析加入算法控制器之后動(dòng)作的時(shí)間穩(wěn)定性情況。

由于給定的位移與電流數(shù)據(jù)是在270V測(cè)得的，為了驗(yàn)證系統(tǒng)在較大的電壓波動(dòng)情況下對(duì)動(dòng)作時(shí)間穩(wěn)定性的控制效果，選擇將電壓調(diào)節(jié)為290V進(jìn)行對(duì)比實(shí)驗(yàn)。在兩種情況下對(duì)電流和位移的情況進(jìn)行對(duì)比分析，從而得到控制器的控制效果如圖7和圖8所示。

圖7 仿真電流跟蹤對(duì)比曲線

通過運(yùn)行仿真，得到機(jī)構(gòu)位移與線圈電流的變化數(shù)據(jù)，進(jìn)行對(duì)比分析。

電流作為系統(tǒng)的控制變量之一，與觸頭的位移控制共同組成雙變量的控制系統(tǒng)，而位移的跟蹤對(duì)比結(jié)果是整個(gè)系統(tǒng)控制效果的直觀體現(xiàn)，對(duì)線圈電流的調(diào)整又間接地影響位移的調(diào)節(jié)。

圖8 仿真位移跟蹤對(duì)比曲線

對(duì)仿真結(jié)果進(jìn)行分析得到：在算法控制器的控制下，能夠調(diào)節(jié)線圈的電流，使其按照給定的趨勢(shì)進(jìn)行變化。算法控制器對(duì)線圈電流和觸頭的位移進(jìn)行雙變量反饋調(diào)節(jié)，能夠調(diào)整觸頭按照給定的位移曲線進(jìn)行移動(dòng)。圖8所示位移曲線，290V時(shí)合閘時(shí)間是24.9ms，與給定合閘時(shí)間（270V時(shí)25.1ms）相比，時(shí)間誤差為0.2ms，因此對(duì)合閘時(shí)間穩(wěn)定性有一定的調(diào)節(jié)作用。

將仿真得到的290V時(shí)的觸頭位移變化數(shù)據(jù)進(jìn)行處理，得到合閘速度變化數(shù)據(jù)，與給定速度進(jìn)行對(duì)比，如圖9所示。

圖9 仿真速度對(duì)比曲線

在機(jī)構(gòu)合閘實(shí)驗(yàn)中，算法控制器對(duì)機(jī)構(gòu)位移和線圈電流控制效果也體現(xiàn)在對(duì)觸頭移動(dòng)速度的控制上。因此控制器控制效果的好壞，也體現(xiàn)在速度的跟蹤上。通過對(duì)圖9速度跟蹤控制曲線分析得到：在合閘實(shí)驗(yàn)中，速度的跟蹤控制存在一定的誤差，在操動(dòng)時(shí)間為0～15ms范圍內(nèi)，控制效果較好，速度跟蹤誤差很小，基本上能夠達(dá)到實(shí)時(shí)的速度跟蹤；在操動(dòng)時(shí)間為15～22ms區(qū)間時(shí)，有一定的跟蹤誤差。但從圖8可得最終的合閘時(shí)間誤差為0.2ms，在允許的范圍內(nèi)。該模糊RBF-PID控制器方案能進(jìn)行良好的速度位移跟蹤控制，使斷路器永磁操動(dòng)機(jī)構(gòu)在外界環(huán)境變化的條件下，調(diào)整機(jī)構(gòu)觸頭的運(yùn)動(dòng)特性，提高合閘動(dòng)作時(shí)間穩(wěn)定性。

4 RBF模糊PID控制方案整體實(shí)驗(yàn)驗(yàn)證

上述仿真和實(shí)驗(yàn)分析，證明了RBF-模糊PID控制策略能夠進(jìn)行速度跟蹤控制，可以跟蹤上目標(biāo)的速度曲線變化，但在不同的電壓及外部環(huán)境下，合閘時(shí)間誤差的控制效果能否達(dá)到相控開關(guān)技術(shù)的要求，還需要進(jìn)一步的實(shí)驗(yàn)驗(yàn)證。搭建了永磁操動(dòng)機(jī)構(gòu)控制回路的實(shí)驗(yàn)平臺(tái)，電容電壓的變化范圍在200～300V，控制系統(tǒng)的整體結(jié)構(gòu)框圖如10所示，實(shí)驗(yàn)電路如圖11所示。

圖10 現(xiàn)場(chǎng)測(cè)試系統(tǒng)的整體結(jié)構(gòu)框圖

圖11 現(xiàn)場(chǎng)測(cè)試系統(tǒng)整體電路圖

DSP控制回路中的檢測(cè)回路包括觸頭位移檢測(cè)回路和線圈電流檢測(cè)回路，位移傳感器與觸頭進(jìn)行連接。線圈電流則通過霍爾電流傳感器進(jìn)行采集，傳感器安裝于分合閘電線上。

選擇150羽1日齡羅曼蛋公雞，飼養(yǎng)至10日齡(母源抗體效價(jià)平均為1.0±0.0 Log2)選取120羽隨機(jī)分為4組，每組30只，14日齡和28日齡分別全部用1羽份的法氏囊疫苗點(diǎn)眼滴鼻，每次免疫的同時(shí)，第1組在基礎(chǔ)日糧中添加1%的中藥復(fù)方多糖，第2組在基礎(chǔ)日糧中添加1%的黃芪多糖，連續(xù)3 d，第3組為免疫不用藥疫苗對(duì)照組，第4組為不免疫不用藥空白對(duì)照組(見表1).

4.1 線圈電流變化與PWM的基本測(cè)試

為驗(yàn)證PWM脈寬對(duì)線圈電流的調(diào)整作用，調(diào)整DSP控制系統(tǒng)發(fā)出不同頻率的PWM，檢測(cè)不同占空比的PWM對(duì)電流的控制效果。設(shè)置了PWM最高頻率為100kHz，最短周期為10μs。圖12為DSP發(fā)出的PWM對(duì)電流調(diào)節(jié)的結(jié)果，測(cè)試表明，驅(qū)動(dòng)電路工作正常，能夠?qū)﹄娏鬟M(jìn)行正常調(diào)節(jié)，對(duì)操動(dòng)機(jī)構(gòu)的運(yùn)動(dòng)特性進(jìn)行控制以減少分合閘沖擊和增加動(dòng)作時(shí)間穩(wěn)定性是可行的。

圖12 線圈電流與PWM的相關(guān)性測(cè)試

4.2 未加算法控制器的合閘實(shí)驗(yàn)

為證明模糊RBF-PID算法控制器對(duì)機(jī)構(gòu)合閘的控制效果，先進(jìn)行一般的合閘測(cè)試（未加入算法控制器），測(cè)試控制電壓對(duì)總體合閘時(shí)間的影響及機(jī)構(gòu)的動(dòng)作時(shí)間分散性。

控制電壓的變化是影響機(jī)構(gòu)動(dòng)作時(shí)間穩(wěn)定性的主要因素之一，影響較大，因此實(shí)驗(yàn)需要調(diào)整控制電壓的變化作為外界環(huán)境的變化，分析加入算法控制器之后機(jī)構(gòu)動(dòng)作時(shí)間穩(wěn)定性情況。

合閘時(shí)間分散性測(cè)試是在每個(gè)電壓等級(jí)下進(jìn)行100次實(shí)驗(yàn)，分別取其中的最大和最小值得出分散性。

得到在200～300V電壓時(shí)測(cè)試的合閘行程總體趨勢(shì)和合閘時(shí)間分散性趨勢(shì)如圖13和圖14所示。實(shí)驗(yàn)結(jié)果表明：未加入算法控制器的合閘實(shí)驗(yàn)，合閘時(shí)間在22.7～31.8ms，合閘動(dòng)作時(shí)間分散性最大為±1.5ms以上，因此不能滿足選相控制的要求。

4.3 加入算法控制器的合閘實(shí)驗(yàn)測(cè)試

圖13 實(shí)驗(yàn)測(cè)試200～300V電壓時(shí)合閘行程曲線

圖14 200～300V電壓合閘時(shí)間分散性

同樣地，將電容的電壓分別控制在200V、210V、220V、…、300V進(jìn)行11組合閘實(shí)驗(yàn)測(cè)試，得到機(jī)構(gòu)在合閘過程中的行程。另外在不同電壓等級(jí)下同樣進(jìn)行100次合閘測(cè)試，采集得到合閘動(dòng)作時(shí)間分散性數(shù)據(jù)。

圖15 實(shí)驗(yàn)測(cè)試200～300V電壓線圈電流曲線

通過對(duì)采集結(jié)果分析可得：在算法控制器的作用下，對(duì)線圈電流進(jìn)行跟蹤反饋的控制，能夠及時(shí)地縮小電流與給定值的誤差，使電流的變化趨勢(shì)與給定基本相符。

電流的跟蹤反饋效果，直觀地體現(xiàn)在機(jī)構(gòu)的位移上，合閘實(shí)驗(yàn)同時(shí)采集不同電壓條件下的位移及同一電壓等級(jí)下合閘動(dòng)作時(shí)間分散性數(shù)據(jù)，如圖16和圖17所示。

圖16 實(shí)驗(yàn)測(cè)試200～300V電壓合閘行程曲線

對(duì)合閘實(shí)驗(yàn)及最終結(jié)果進(jìn)行分析，模糊RBF-PID神經(jīng)網(wǎng)絡(luò)控制器可以將操動(dòng)機(jī)構(gòu)在不同外界環(huán)境下的總體合閘時(shí)間控制在25.5～26.1ms，動(dòng)作時(shí)間分散性減少為±0.3ms左右，與未加入控制算法的合閘實(shí)驗(yàn)（分散性為±1.5ms）相比，明顯提高了合閘動(dòng)作時(shí)間穩(wěn)定性，通過模糊RBF-PID算法控制器，對(duì)機(jī)構(gòu)的位移與線圈電流進(jìn)行雙反饋跟蹤控制，能夠使操動(dòng)機(jī)構(gòu)觸頭按照給定的行程曲線運(yùn)動(dòng)，提高合閘動(dòng)作時(shí)間穩(wěn)定性，達(dá)到理想的控制效果。

4.4 高低溫外界環(huán)境下操動(dòng)機(jī)構(gòu)合閘動(dòng)作穩(wěn)定性測(cè)試

控制電壓的變化會(huì)造成操動(dòng)機(jī)構(gòu)動(dòng)作時(shí)間及運(yùn)動(dòng)特性的變化，除此之外，環(huán)境溫度的變化也會(huì)引起機(jī)構(gòu)動(dòng)作時(shí)間的誤差，而這些環(huán)境干擾因素的存在是無法避免的，需要增加控制調(diào)節(jié)來降低影響。為證明該控制器系統(tǒng)可以有效降低操動(dòng)機(jī)構(gòu)在復(fù)雜環(huán)境下的動(dòng)作時(shí)間分散性，在不同的環(huán)境溫度下進(jìn)行實(shí)驗(yàn)驗(yàn)證。

基于實(shí)驗(yàn)室的高低溫環(huán)境箱進(jìn)行合閘實(shí)驗(yàn)測(cè)試，加入算法控制器前后分別進(jìn)行合閘實(shí)驗(yàn)，高低溫環(huán)境實(shí)驗(yàn)箱如圖18所示。低溫環(huán)境模擬箱最低溫度可達(dá)-40℃，高溫實(shí)驗(yàn)箱可設(shè)置到200℃高溫。在-40～60℃的環(huán)境中進(jìn)行操動(dòng)機(jī)構(gòu)的合閘動(dòng)作時(shí)間分散性實(shí)驗(yàn)測(cè)試，每隔10℃分別進(jìn)行100次合閘測(cè)試。加入控制器前后機(jī)構(gòu)動(dòng)作時(shí)間分散性隨溫度變化曲線如圖19所示。

圖18 高低溫環(huán)境機(jī)構(gòu)合閘實(shí)驗(yàn)測(cè)試

圖19 動(dòng)作時(shí)間誤差隨溫度變化情況

通過對(duì)合閘分散性實(shí)驗(yàn)結(jié)果進(jìn)行分析可得，在復(fù)雜的環(huán)境因素影響下，加入該模糊RBF-PID控制器，可以很好地降低操動(dòng)機(jī)構(gòu)動(dòng)作時(shí)間分散性，使得操動(dòng)機(jī)構(gòu)在不同的環(huán)境溫度下依然能夠保持動(dòng)作穩(wěn)定。

5 結(jié)論

1）本文通過分析永磁操動(dòng)機(jī)構(gòu)分合閘時(shí)的受力情況，建立永磁操動(dòng)機(jī)構(gòu)的動(dòng)態(tài)模型，提出了一種基于線圈電流補(bǔ)償及位移跟蹤控制的控制方案，設(shè)計(jì)了一種模糊RBF神經(jīng)網(wǎng)絡(luò)-PID控制系統(tǒng)，對(duì)永磁操動(dòng)機(jī)構(gòu)真空開關(guān)合閘進(jìn)行操動(dòng)控制，提高了合閘動(dòng)作時(shí)間穩(wěn)定性。

2）采用Matlab建立永磁操動(dòng)機(jī)構(gòu)控制系統(tǒng)的仿真模型，建立以模糊RBF-PID控制算法為核心的控制器，并進(jìn)行了位移跟蹤和線圈電流補(bǔ)償?shù)姆抡鎸?shí)驗(yàn)。結(jié)果表明：模糊RBF-PID控制器能夠?qū)€圈電流和行程位移進(jìn)行較好的跟蹤控制。

3）搭建了真空開關(guān)永磁操動(dòng)機(jī)構(gòu)實(shí)驗(yàn)平臺(tái)，在外界環(huán)境因素變化的情況下，進(jìn)行控制效果驗(yàn)證。未加入算法控制器的合閘實(shí)驗(yàn)，總體合閘時(shí)間在22.7～31.8ms；加入算法控制器后，總體合閘時(shí)間在25.5～26.1ms，合閘動(dòng)作時(shí)間分散性由原來的±1.5ms降低為±0.3ms左右。在不同的外界環(huán)境溫度下，分散性依然能夠保持在±0.31ms以內(nèi)，驗(yàn)證了該控制方案的有效性。

[1] 鄧赟,武建文, 金鑫晨, 等. 基于高壓斷路器電機(jī)操動(dòng)機(jī)構(gòu)的位移分段控制策略[J]. 電工技術(shù)學(xué)報(bào), 2018, 33(15): 3586-3595.

Deng Yun, Wu Jianwen, Jin Xinchen, et al. Displacement subsection control strategy based on motor operating mechanism of high voltage circuit breaker[J]. Transactions of China Electrotechnical Society, 2018, 33(15): 3586-3595.

[2] 程顯, 葛國(guó)偉, 廖敏夫, 等. 基于真空斷路器與SF6斷路器串聯(lián)的新型混合式高壓直流斷路器理論分析[J]. 電力自動(dòng)化設(shè)備, 2019, 39(6): 68-74.

Cheng Xian, Ge Guowei, Liao Minfu, et al. Theoretical analysis of a new type of hybrid HVDC circuit breaker based on series connection between vacuum circuit breaker and SF6circuit breaker[J]. Electrical Automation Equipment, 2019, 39(6): 68-74.

[3] 孫麗瓊, 王振興, 何塞楠, 等. 126kV真空斷路器分離磁路式永磁操動(dòng)機(jī)構(gòu)[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(20): 49-56.

Sun Liqiong, Wang Zhenxing, He Sainan, et al. Separation magnetic circuit permanent magnetic actuator for 126kV vacuum circuit breaker[J]. Transactions of China Electrotechnical Society, 2015, 30(20): 49-56

[4] 程顯, 趙海洋, 葛國(guó)偉, 等. 基于螺線管和線圈盤的新型混合式斥力機(jī)構(gòu)分析[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(14): 2997-3006.

Cheng Xian, Zhao Haiyang, Ge Guowei, et al. Analysis of a new hybrid repulsion mechanism based on solenoid and coil disk[J]. Transactions of China Electrotechnical Society, 2020, 35(14): 2997-3006.

[5] 葛國(guó)偉, 廖敏夫, 黃金強(qiáng), 等. 雙斷口真空斷路器配合特性仿真與實(shí)驗(yàn)[J]．電工技術(shù)學(xué)報(bào), 2016, 31(22): 57-65.

Ge Guowei, Liao Minfu, Huang Jinqiang, et al. Simulation and test of matching characteristics of double-break vacuum circuit breakers[J]. Transactions of China Electrotechnical Society, 2016, 31(22): 57-65.

[6] 張梓瑩, 梁德世, 蔡淼中, 等. 機(jī)械式高壓直流真空斷路器換流參數(shù)研究[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(12): 2554-2561.

Zhang Ziying, Liang Deshi, Cai miaozhong, et al. Study on commutation parameters of mechanical high voltage DC vacuum circuit breaker[J]. Transactions of China Electrotechnical Society, 2020, 35(12): 2554-2561.

[7] 孫曙光, 李勤, 杜太行, 等. 基于一維卷積神經(jīng)網(wǎng)絡(luò)的低壓萬能式斷路器附件故障診斷[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(12): 2562-2573.

Sun Shuguang, Li Qin, Du Taihang, et al. Fault diagnosis of accessories for the low voltage conventional circuit breaker based on one-dimensional convolutional neural network[J]. Transactions of China Electrotechnical Society, 2020, 35(12): 2562-2573.

[8] Castro-Sitiriche M J, Ofoli A R. DSP-based laboratory implementation of hybrid fuzzy-PID controller using genetic optimization for high-performance motor drives[J]. IEEE Transactions on Industry Applications, 2008, 44(6): 1977-1986

[9] Rubaai A, Castro-Sitiriche M J, Ofoli A R. DSP-based laboratory implementation of hybrid fuzzy-PID controller using genetic optimization for high-performance motor drives[J]. IEEE Transactions on Industry Applications, 2008, 44(6): 1977-1986.

[10] Akman C, Haider S, Ayarcan Y, et al. Anti-windup PID controller with integral state predictor for variable-speed motor drives[J]. IEEE Transactions on Industrial Electronics, 2012, 59(3): 1509-1516.

[11] Yubutea T, Yamada T. Neural networks controller characteristics with regard to adaptive control[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1992, 22(1): 170-177.

[12] Liu Y, Zhu Z Q, Howe D. Direct torque control of brushless DC drives with reduced torque ripple[J]. IEEE Transactions on Industry Applications, 2005, 41(2): 599-608.

[13] 劉愛民, 畢玉潔, 吳志恒, 等. 高壓斷路器永磁電機(jī)機(jī)構(gòu)及控制系統(tǒng)設(shè)計(jì)[J]. 電機(jī)與控制學(xué)報(bào), 2015, 19(1): 45-50.

Liu Aimin, Bi Yujie, Wu Zhiheng, et al. Mechanism and control system design of permanent magnet motor for high voltage circuit breaker[J]. Journal of Electrical Machinery and Control, 2015, 19(1): 45-50.

[14] 張忠蕾, 李慶民, 婁杰．電力電子控制電動(dòng)機(jī)操動(dòng)機(jī)構(gòu)分閘運(yùn)動(dòng)特性的仿真分析[J]. 電網(wǎng)技術(shù), 2006, 30(18): 58-63.

Zhang Zhonglei, Li Qingmin, Lou Jie. Simulation and analysis on switching-off motion characteristic of permanent magnet synchronous motor driven operating mechanism controlled by power converters for circuit breakers[J]. Power System Technology, 2006, 30(18): 58-63.

[15] 方紅慶, 沈祖詒．基于改進(jìn)粒子群算法的水輪發(fā)電機(jī)PID調(diào)速器參數(shù)優(yōu)化[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2005, 25(22): 120-124.

Fang Hongqing, Shen Zuyi. Parameter optimization of hydrogenerator PID governor based on improved particle swarm optimization algorithm[J]. Proceedings of the CSEE, 2005, 25(22): 120-124.

[16] 蔣宗禮．人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M]．北京: 高等教育出版社, 2001．

[17] Akhyar S, Omatu S. Neuromorphic self-tuning PID controller[C]//IEEE International Conference on Neural Networks, San Francisco, California, 1993: 552-557.

[18] Orlowska-Kowalska T, Szabat K. Control of the drive system with stiff and elastic couplings using adaptive neuro-fuzzy approach[J]. IEEE Transactions on Industrial Electronics, 2007, 54(1): 228-240.

[19] Liu Puyin, Li Hongxing. Efficient learning algorithms for three-layer regular feed forward fuzzy neural networks[J]. IEEE Transactions on Neural Networks, 2004, 15(3): 545-558.

[20] Maraziotis I A, Dragomir A, Bezerianos A. Gene networks reconstruction and time-series prediction from microarray data using recurrent neural fuzzy networks[J]. IET Systems Biology, 2007, 1(1): 41-50.

Permanent Magnet Mechanism Control System with High Operation Stability of Vacuum Switch

Cheng Xian1,2Yuan Xiaodong1,2Ge Guowei1,2Zhu Jianpeng1,2

（1. School of Electrical Engineering Zhengzhou University Zhengzhou 450001 China 2. Henan Power Transmission and Distribution Equipment and Electrical Insulation Engineering Research Center Zhengzhou 450001 China）

Vacuum switches based on permanent magnet actuator is widely used in power systems. To ensure the accuracy and stability of operation time of vacuum switch in different environments, the stability of power system can be effectively improved. In this paper, firstly, the dynamic characteristics of 10kV vacuum switch operating mechanism are analyzed and calculated, and the simulation test model is established. The algorithm controller is designed by combining radial basis function (RBF) neural network and fuzzy PID adaptive control technology. When the algorithm controller is not added, the overall closing time of the operating mechanism is 22.7-31.8ms, and the closing time is stable at 25.5～26.1ms after adding the algorithm controller. At the same time, the dispersion of closing time of the mechanism is reduced from ±1.5ms to ±0.3ms, and the dispersion can still be maintained at ±0.3ms under different ambient temperatures, which proves the effectiveness of the control system in improving the stability of action time.

Vacuum switch, permanent magnet actuator, fuzzy radial basis function (RBF) neural network, action stability

10.19595/j.cnki.1000-6753.tces.201199

TM561

國(guó)家自然科學(xué)基金（51407163，51777025）、中國(guó)博士后科學(xué)基金（2017M622370）和河南省高校重點(diǎn)科研（16A470014）資助項(xiàng)目。

2020-09-12

2020-11-24

程 顯 男，1982年生，博士，教授，博士生導(dǎo)師，研究方向?yàn)榛旌蠑嗦菲骱投鄶嗫谡婵臻_關(guān)等高壓電器及高電壓新技術(shù)。E-mail：chengxian@zzu.edu.cn

葛國(guó)偉 男，1987年生，博士，講師，研究方向?yàn)榛旌蠑嗦菲骱投鄶嗫谡婵臻_關(guān)等高壓電器及高電壓新技術(shù)。E-mail：ggw@zzu.edu.cn（通信作者）

（編輯 赫蕾）