基于神經(jīng)網(wǎng)絡(luò )的感應電動(dòng)機直接轉矩控制研究

兩相靜止坐標系下的磁鏈方程為：

由式(6)得轉矩模型結構圖如圖3所示。

在DTC技術(shù)中，其基本控制方法就是通過(guò)電壓空間矢量us(t)來(lái)控制定子磁鏈的旋轉速度及定子磁鏈運行狀態(tài)，以改變定子磁鏈的平均旋轉速度的大小，達到控制轉矩的目的。DTC系統的核心問(wèn)題：①轉矩和定子磁鏈反饋信號的計算模型；②如何根據兩個(gè)Bang-Bang控制器的輸出信號來(lái)選擇電壓空間矢量和逆變器的開(kāi)關(guān)狀態(tài)。

3 神經(jīng)網(wǎng)絡(luò )PID控制器的設計
系統中應用的神經(jīng)網(wǎng)絡(luò )控制器由BP神經(jīng)網(wǎng)絡(luò )和控制器兩部分構成。神經(jīng)網(wǎng)絡(luò )根據系統的運行狀態(tài)調節控制器的參數，以期達到最佳的控制效果。人工神經(jīng)網(wǎng)絡(luò )的神經(jīng)元結構如圖4所示。

人工神經(jīng)網(wǎng)絡(luò )是基于人腦的神經(jīng)元結構的電子學(xué)模型，一個(gè)神經(jīng)網(wǎng)絡(luò )的基本執行要素是神經(jīng)元。神經(jīng)網(wǎng)絡(luò )依賴(lài)于神經(jīng)元的層數。人工神經(jīng)網(wǎng)絡(luò )對知識的掌握是通過(guò)對樣本的學(xué)習實(shí)現的。通過(guò)學(xué)習大量的實(shí)例，網(wǎng)絡(luò )用嘗試錯誤的方法來(lái)不斷減小錯誤，修正權值，從而掌握蘊含于樣本的知識，網(wǎng)絡(luò )通過(guò)權值的調整記錄所學(xué)過(guò)樣本，并掌握輸入與輸出之間的關(guān)系。正是因為它的可任意逼近非線(xiàn)性模型特性，所以十分適用于交流調速系統的控制。人工神經(jīng)網(wǎng)絡(luò )在交流調速控制系統中的應用包括神經(jīng)網(wǎng)絡(luò )辨識器和神經(jīng)網(wǎng)絡(luò )控制器的設計。在傳統的數字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 )根據系統的運行狀態(tài)調節PID控制器的參數，使輸出層神經(jīng)元的輸出狀態(tài)對應于PID控制器3個(gè)可調整參數kp，ki，kd。通過(guò)神經(jīng)網(wǎng)絡(luò )的自學(xué)習，權系數調整，使神經(jīng)網(wǎng)絡(luò )輸出對應于某種最優(yōu)控制規律下的PID控制器參數。
輸入層神經(jīng)元個(gè)數選為3，誤差量x1(k)=e(k)，x2(k)反映誤差的累計效果，，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(gè)數選為3，輸出節點(diǎn)分別對應kp，ki，kd。由于該參數不能為負數，所以輸出層神經(jīng)元的激發(fā)函數取非負的Sigmoid函數。隱藏層的神經(jīng)元個(gè)數可由經(jīng)驗公式q=(n+m)1/2+f確定，其個(gè)數選為4。

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