1 引言

在最近幾年里,同步電動(dòng)機(jī)的勵(lì)磁電源既穩(wěn)定又高效運(yùn)行的問題引起越來越多的關(guān)注,主要原因是:同步電動(dòng)機(jī)不僅具有結(jié)構(gòu)簡單、性能優(yōu)良,而且可以改善電網(wǎng)功率因數(shù)從而優(yōu)化電網(wǎng)、節(jié)約能源[1-2]。

傳統(tǒng)PID閉環(huán)控制是目前廣泛使用的勵(lì)磁電壓調(diào)節(jié)方式,在一定程度上滿足了實(shí)際的要求,但線性的定常PID控制方法對負(fù)載的適應(yīng)能力差,抗干擾能力弱,以及受系統(tǒng)參數(shù)影響大[3]。

所以本文針對傳統(tǒng)PID控制存在自適應(yīng)能力不高和抗干擾能力弱的問題,將自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊控制理論引入勵(lì)磁電源的控制中,采用新的模糊控制規(guī)則,以解決傳統(tǒng)控制存在的問題。

2 自適應(yīng)神經(jīng)模糊控制器的算法

模糊自適應(yīng)PID控制系統(tǒng)是以模糊規(guī)則調(diào)節(jié)PID參數(shù)的一種自適應(yīng)控制系統(tǒng),它是在一般PID控制系統(tǒng)的基礎(chǔ)上加上模糊控制規(guī)則的環(huán)節(jié),應(yīng)用模糊集合理論建立參數(shù)Kp、Ki、Kd與偏差E、偏差變化率EC間的二元連續(xù)函數(shù)。而自適應(yīng)神經(jīng)網(wǎng)絡(luò)技術(shù)的學(xué)習(xí)功能對于隸屬函數(shù)及模糊規(guī)則的建立是非常有效的工具,并且自適應(yīng)神經(jīng)模糊推理系統(tǒng)是基于數(shù)據(jù)的建模方法,而不是基于經(jīng)驗(yàn)任意給定[4],在本系統(tǒng)是由3個(gè)神經(jīng)模糊控制器,每一個(gè)模糊控制器產(chǎn)生49條規(guī)則。如圖1所示,其同一層的每個(gè)節(jié)點(diǎn)具有相似的功能[5]。

第1層:表示輸入層。

第2層:這里用

表示第2層的第i個(gè)節(jié)點(diǎn)的輸出。

其中,E、EC為節(jié)點(diǎn)i的輸入,Ai、Bi是與該節(jié)點(diǎn)函數(shù)值相關(guān)的語言變量,如“大”、“中”或“小”等,Q2,i是模糊集A(A= A1…A7,B=B1…B7)的隸屬函數(shù)。

第3層:該層的節(jié)點(diǎn)在圖1中用表示,將輸入信號相乘,使其乘積輸出為:

第4層:該層的節(jié)點(diǎn)在圖1中用N表示,第i條規(guī)則wi與全部規(guī)則w值之和的比值為:

第5層:該層的每個(gè)節(jié)點(diǎn)i為自適應(yīng)節(jié)點(diǎn),其輸出為

其中,pi、qi和ki是與A集合A1…A7,B1…B7有關(guān)的常數(shù)。

第6層:該層是計(jì)算所有輸出信號的總輸出

3 自適應(yīng)神經(jīng)模糊控制器的勵(lì)磁電源設(shè)計(jì)

3.1 神經(jīng)模糊控制器的設(shè)計(jì)

在連續(xù)時(shí)間域上,PID控制器具有如下的形式[6]:

式中,KP、KI、KD分別為比例、積分和微分控制器增益系數(shù)。

將式(1)離散化,用寬為Td,高為e(iTd)(i=0,1,2…,Td為采樣間隔)的小矩形面積和來近似代替積分?？傻秒x散線性PID控制器的遞歸方程:

式中,KPd=Kp、KId=KpTd/TI和KDd=KpTD/Td分別為相應(yīng)的比例、積分和微分增益常量。

PID控制器的離散形式的式(2)不便于實(shí)現(xiàn),因?yàn)樗幸郧皶r(shí)刻的控制誤差值求和,因而采用增量形式作為神經(jīng)模糊控制器的輸出[6]:

且由于這種控制器的輸出使執(zhí)行機(jī)構(gòu)在原有位置上增加或減少相應(yīng)于△y的動(dòng)作量,因而其優(yōu)點(diǎn)是:若由于某種故障原因使△y為零,則執(zhí)行機(jī)構(gòu)仍可保持原有的動(dòng)作位置,對控制系統(tǒng)不會(huì)造成很大的影響,其代價(jià)是在系統(tǒng)中增加具有記憶功能的執(zhí)行裝置,讓它記憶上個(gè)采樣周期的動(dòng)作位置[5]。

式(3)的形式暗示著自適應(yīng)神經(jīng)模糊PID具有可能的變形:由模糊P+模糊I+模糊D控制器構(gòu)成的模糊PID控制器,如圖2所示。

3.1.1 輸入輸出變量論域的確定

本模糊控制系統(tǒng)的輸入變量是電壓偏差E和電壓偏差的變化率EC,選取模糊集合E={NB,NM,NS,Z,PS,PM,PB},考慮到論域元素總數(shù)為模糊子集總數(shù)的2~3倍時(shí),模糊子集對論域有較好的覆蓋程度[7],因此選取E對應(yīng)的論域X1={-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},模糊集合EC={NB,NM,NS,Z,PS,PM,PB},EC對應(yīng)的論域X2={-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},這里的NB,NM,NS,Z,PS,PM,PB,EC分別表示電壓的偏差負(fù)大,負(fù)中,負(fù)小,零,正小,正中,正大。輸出變量為移相的增量值變化△y(關(guān)于X1、X2的函數(shù))。

3.1.2 隸屬函數(shù)的確定

考慮到IGBT的導(dǎo)通與關(guān)斷且其工作頻率很高,并且三角形函數(shù)有很好的靈敏度,因此選取三角形分布。在MATLAB的模糊控制工具箱的Anfisedit打開神經(jīng)模糊控制器,輸入一組訓(xùn)練數(shù)據(jù)和一組檢驗(yàn)數(shù)據(jù)來創(chuàng)建輸入量和輸出量的函數(shù),如圖3、圖4所示。

3.1.3 模糊控制規(guī)則的選取

根據(jù)自適應(yīng)神經(jīng)模糊推理,可得出模糊語句構(gòu)成的控制規(guī)則,如表1、表2和表3所示。

3.2 自適應(yīng)神經(jīng)模糊控制器的仿真

在Matlab/Simulink環(huán)境里對所設(shè)計(jì)的自適應(yīng)神經(jīng)模糊控制器進(jìn)行仿真,模型如圖5所示,PID調(diào)整的結(jié)果如圖7所示,從而進(jìn)一步控制移相變化的大小。其中,圖6是圖5里子系統(tǒng)f controll的底視圖。

在圖7里的deta y(△y)表示移相的變化,從此圖可以看出:0~0.002s,電壓偏差和電壓偏差的變化率都在變化時(shí),P、I、D參數(shù)的增量常量Kp、Ki、Kd的增益系數(shù)不斷調(diào)整變化,對應(yīng)的△y值也調(diào)整變化;從0.002 s后,電壓偏差和電壓偏差的變化率基本不變,△y值基本也保持為零,即保持移相的大小基本不變,自適應(yīng)神經(jīng)模糊控制器趨于穩(wěn)態(tài)控制。

4 同步電動(dòng)機(jī)勵(lì)磁電源的仿真模型

為了驗(yàn)證控制方法的有效性,本文利用Matlab/Simulink仿真軟件建立了基于自適應(yīng)神經(jīng)模糊控制的移相式的DC/DC[9-10]仿真模型,建立的仿真模型[11]如圖8所示,其輸入直流電壓400V、輸出直流電壓50V且使輸出電壓偏差在10%之間是變化的最大偏差,因此電壓偏差范圍為-5V~5V。

當(dāng)該模型運(yùn)行于5V擾動(dòng)時(shí)的仿真結(jié)果如圖9所示,圖9(a)里的ug1、ug2為超前臂,ug3、ug4為滯后臂,其中,ug4、ug3分別滯后于ug1、ug2。

通過比較圖9里的(b)和(c),可以看出:利用自適應(yīng)神經(jīng)模糊控制的超調(diào)量比常規(guī)PID控制的超調(diào)量小、調(diào)節(jié)時(shí)間短且穩(wěn)態(tài)誤差小,這說明根據(jù)自適應(yīng)神經(jīng)控制做出的控制決策能夠有效地解決復(fù)雜控制問題,可以動(dòng)態(tài)地適應(yīng)外界環(huán)境的變化,從而為同步電動(dòng)機(jī)提供穩(wěn)定的勵(lì)磁電源。

4 結(jié)束語

針對常規(guī)控制的同步電動(dòng)機(jī)勵(lì)磁電源存在抗干擾能力差和自適應(yīng)能力不強(qiáng)問題,本文提出了基于自適應(yīng)神經(jīng)模糊控制的勵(lì)磁電源,這對于同步電動(dòng)機(jī)既穩(wěn)定又高效地運(yùn)行有著重要的作用。