CN1484372A - 两变频调速电机系统的神经网络逆同步控制器构造方法 - Google Patents

Abstract

两变频调速电机系统的神经网络逆同步控制器适用于两变频调速电机系统的高性能同步控制，属于电力传动控制设备的技术领域。被控的恒压频比工作方式的两台变频器1、两台感应电机2及共同负载3作为一个整体组成两变频调速电机系统4；根据该两变频调速电机系统4对应的逆系统，用静态人工神经网络51加积分器并通过学习算法构成神经网络逆5；将神经网络逆5接在两变频调速电机系统4前，复合成由速度子系统(61)和张力子系统(62)组成的伪线性系统6，再依据线性系统的设计方法对该伪线性系统6作出线性闭环控制器7；最后将神经网络逆5与线性闭环控制器7相串接形成神经网络逆同步控制器8，对两变频调速电机系统进行同步控制。

Description

两变频调速电机系统的神经网络逆同步控制器构造方法

一、技术领域

本发明是一种两变频调速电机系统的同步控制器构造方法，适用于两台变频器驱动两台感应电机带动共同负载(如带状性负载)的高性能同步控制，属于电力传动控制设备的技术领域。

二、背景技术

在工业生产中大量存在着由两台电机(甚至多台电机)带动同一负载(如带状性负载等)要求以相同的速度同步运行。目前，这样的系统大部分采用直流电机。由于直流电机结构复杂，维护困难，且存在换向问题，这给使用带来不方便。由于以恒压频比方式工作的通用变频器体积小、重量轻、有较好的调速性能、可靠性高且价格低，采用这样的通用变频器来直接驱动感应电机在工业生产领域中应用已很广泛。因而，采用两台变频器驱动两台感应电机带动共同负载(如带状性负载等)已逐渐成为可能。但是很难控制好两台变频器使两台感应电机带动共同负载实现高性能的同步运行(以同一个速度运行)，同时又能很好地控制张力(如传送带的张力恒定)。像这样由两台变频器驱动两台感应电机并带动共同负载(如带状性负载等)就构成了两变频调速电机系统。由于两变频调速电机系统的被控量通常是速度(如传送带的速度)和张力(如传送带的张力)，因而两台感应电机可以看成一台是主感应电机，另一台是从感应电机。一般主感应电机控制两变频调速电机系统的速度(如传送带的速度)，从感应电机控制两变频调速电机系统的张力(如传送带的张力)。由于两变频调速电机系统是一复杂的非线性耦合系统，系统的张力与两台感应电机的速度之差有关，速度和张力相互耦合，采用常用的比例积分微分PID调节无法达到速度和张力的解耦控制，也无法达到高性能的同步控制。因此如何去控制两变频调速电机系统，让其更好地协调运行，通过速度和张力的解耦控制来实现高性能的同步控制，是一个急待解决的问题。

三、技术内容

1、技术问题

本发明的目的是提供一种通过速度和张力之间解耦使两变频调速电机系统实现高性能的同步运行，同时又能很好地控制好张力(如张力恒定)、易于实现的两变频调速电机系统的神经网络逆同步控制器构造方法。

2、技术方案

两变频调速电机系统的神经网络逆同步控制器构造方法为：首先把两台被控的恒压频比工作方式的变频器、两台感应电机和共同负载(带状性负载如传送带)作为一个整体；然后用静态人工神经网络(简称神经网络)加积分器s^-1并通过学习算法构成神经网络逆；并将神经网络逆接在两变频调速电机系统之前，复合成伪线性系统，该伪线性系统由两个子系统组成分别为速度二阶积分型的伪线性子系统和张力三阶积分型的伪线性子系统，即速度子系统和张力子系统，从而使两变频调速电机系统的被控量速度与张力之间实现解耦；在此基础上，采用一种线性系统的综合方法对两个解耦二阶积分型和三阶积分型子系统分别设计速度控制器和张力控制器，并由它们来构成闭环控制器；最后将神经网络逆与线性闭环控制器相串接形成神经网络逆同步控制器，对两变频调速电机系统进行高性能同步控制。

3、技术效果

本发明的原理是通过构造神经网络逆，将原两变频调速电机系统这一被控量(两变频调速电机系统的速度和张力)相互耦合的两输入(两台变频器的速度给定输入)两输出(传送带的速度和传送带的张力)复杂非线性耦合系统的控制问题转化为简单的两个伪线性子系统的控制问题，相应地就可以合理地设计线性闭环控制器，实现对两变频调速电机系统的同步控制，可获得优良的转速和张力的协调控制，以及抗负载扰动运行性能。

本发明的优点在于：

1.采用神经网络逆，将两变频调速电机系统这一被控量(两变频调速感应电机系统的速度和张力)相互耦合的两输入(两台变频器的速度给定输入)两输出(传送带的速度和传送带的张力)复杂非线性耦合系统的控制问题转化为简单的两个伪线性子系统(速度伪线性子系统和张力伪线性子系统)的控制问题，解决了复杂非线性耦合系统的解耦控制问题，通过进一步合理设计线性闭环控制器，可获得高性能的同步控制以及抗负载扰动运行性能。

2.本发明的方法不仅在设计新的多变频调速电机系统，而且在旧的多交流电机系统的改造中，应用的前景也是非常广阔的，且构置系统方便，成本不高，也容易实现网络控制。

四、附图说明

图1是以恒压频比方式工作的变频器驱动的两变频调速电机带动同一负载(带状性负载)形成的两变频调速电机系统的原理结构图。其中有变频器1、感应电机2、共同负载3。

图2是两变频调速电机系统对应的每一台变频器1加感应电机2的数学模型示意图及其等效图。

图3是两变频调速电机系统4的两输入(两台变频器的输入)和两输出(速度和张力)等效框图。

图4是神经网络逆5与两变频调速电机系统4复合构成的伪线性系统6的示意图及其等效图。其中有积分器s^-1、静态人工神经网络51，伪线性系统6。

图5是加到两变频调速电机系统输入端的阶跃激励信号(分别为两台变频器的频率给定ω₁₁ ^*和ω₁₂ ^*)。

图6是由线性闭环控制器7与伪线性系统6组成的闭环控制系统的结构图。其中伪线性系统6包括速度子系统61和张力子系统62；闭环控制器包括速度控制器71和张力控制器72。

图7是采用神经网络逆同步控制器8对两变频调速电机系统4进行控制的完整原理框图。

图8是采用工控机作为神经网络逆同步控制器的本发明装置组成示意图。其中有工控机9、光电编码器10。

图9是采用工控机作为神经网络逆同步控制器时的程序运行框图。

五、具体实施方案

本发明的方案是把以恒压频比方式工作的两台变频器、两台感应电机和共同负载(即两变频调速电机系统全部)作为一个整体。根据分析可知：该两变频调速电机系统的数学模型为静止两相坐标系下的九阶微分方程，两个输出分别为速度和张力，速度的相对阶数为二阶、张力的相对阶数为三阶，整体系统即两变频调速电机对应的逆系统存在。采用11个输入节点、2个输出节点的静态人工神经网络(如多层网络MLN或经向基函数网络RBF等)加5个积分器并通过离线学习构成神经网络逆。再将神经网络逆串接在原系统(即被控的两变频调速电机系统)之前，复合成速度二阶积分型和张力三阶积分型伪线性子系统，实现把被控量(速度和张力)相互耦合的两输入(两台变频器的输入)两输出(速度和张力)复杂非线性耦合系统的控制转化为两个简单的单变量线性系统控制。最后对得到的伪线性子系统采用线性系统设计理论(如比例积分微分PID、极点配置等设计方法)进行闭环控制器的设计。最终形成的神经网络逆同步控制器包括神经网络逆与线性闭环控制器两部分，可根据不同的控制要求采用不同的硬件或软件来实现。

具体实施分以下6步：

①组成两变频调速电机系统。将两台以恒压频比方式工作的变频器与被控的两台感应电机及其共同负载(带状性负载)共同组成复合被控对象即两变频调速电机系统，该复合被控对象以两台变频器的转速给定为输入，以1号感应电机的转速和传送带张力为输出(如图1所示)。

②通过分析、等效与推导，为神经网络逆的构造与学习训练提供方法上的依据。首先作变频器+感应电机的等效，对于每台变频器驱动的感应电机其输入变量为该变频器的速度给定，输出变量为该感应电机的速度，其等效结构如图2所示。再作负载等效，由于两台感应电机带的共同负载(带状性负载如传送带)，传送带的张力与两台感应电机的速度之差有关，其等效负载如图3右虚线框内所示。然后作整个两变频调速电机系统的等效，输入变量为两台变频器的速度给定，输出变量为两变频调速电机系统的速度ω_r1(1号感应电机速度)和系统的张力F(传送带的张力)，整个两变频调速电机系统的等效框图如图3所示。最后通过分析和推导可得到整个两变频调速电机系统的数学模型为静止两相坐标系下的九阶微分方程，速度相对阶数为二阶，张力相对阶数为三阶，经推导可证明该系统的逆系统存在，并可确定其逆系统的输入变量为转速ω_r1的二阶导数

和张力F的三阶导数 输出变量为原系统(即被控的两变频调速电机系统)的输入ω₁₁ ^*与ω₁₂ ^*。需要说明的是，这一步仅为以下的神经网络逆的构造与学习提供方法上的根据，在本发明的具体实施中，这一步(分析、等效以及逆系统的证明等)可跳过。

③构造神经网络逆。采用静态人工神经网络(简称神经网络)加5个积分器构造神经网络逆(见图4左图中的虚线框内所示)。神经网络采用3层的MLN网络，输入层节点数为11个，隐含层节点数为17个，输出层2个节点，隐层神经元函数使用(-1，1)S型函数 $f\left(x\right)=\frac{e^x-e^{-x}}{e^x+e^{-x}}$ ，输出层的神经元采用纯线性变换函数，神经网络的各权系数将在下一步的离线学习中确定；然后用此具有11个输入节点、2个输出节点的神经网络加5个积分器s^-1构成具有2个输入节点、2个输出节点的神经网络逆(见图4左图中的虚线框内所示)，其中：神经网络的第一个输入为神经网络逆的第一个输入，其经第一个积分器s^-1为神经网络的第二个输入，再经第二个积分器为神经网络的第三个输入，第四个输入为神经网络逆的第二个输入，其经第三个积分器为神经网络的第五个输入，再经第四、五个积分器为神经网络的第六、第七个输入，神经网络的第八、九个输入来自1号感应电机的两个定子电流相i_a1和i_b1，静态神经网络的第十、十一个输入来自2号感应电机的两个定子相电流i_a2和i_b2，神经网络的输出即为神经网络逆的输出。

④确定神经网络的各权系数。(A)选择两台变频器的速度给定信号(或频率给定)作为学习激励信号(如图5所示)，以便两变频调速电机系统在其工作范围内能被充分激励；(B)将选定的激励信号以输入的形式加到图1所示的两变频调速电机系统的输入端ω₁₁ ^*、ω₁₂ ^*，进行开环运行，按0.1秒的采样间隔采样激励信号ω₁₁ ^*、ω₁₂ ^*、实际转速ω_r1、实际张力F、1号感应电机的两相定子相电流i_a1与i_b1和2号感应电机的两相定子相电流i_a2和i_b2，保存采样数据{ω₁₁ ^*，ω₁₂ ^*，ω_r1，F，i_a1，i_b1，i_a2，i_b2}；(C)对得到的实际转速ω_r1和实际张力F进行离线求导

与 ，从而构成神经网络的训练样本集 $\{{\mathrm{\ω}}_{11}^{*},{\mathrm{\ω}}_{12}^{*},{\mathrm{\ω}}_{r1},{\stackrel{.}{\mathrm{\ω}}}_{r1},{\stackrel{..}{\mathrm{\ω}}}_{r1},F,\stackrel{.}{F},\stackrel{..}{F},\stackrel{...}{F},i_{a1},i_{b1},i_{a2},i_{b2}\}$ ；(D)对神经网络采用变学习率的误差反传BP算法进行训练，学习训练100次后，神经网络输出均方误差小于0.001，满足要求，从而确定了神经网络的各权系数。

⑤形成速度子系统和张力子系统。将离线训练好的神经网络配上五个积分器构成的神经网络逆(如图4左图中的虚线框内所示)与图1所示的被控的两变频调速电机系统复合(串接)，形成速度二阶积分型的伪线性子系统和张力三阶积分型的伪线性子系统(如图4所示)，实现了把复杂非线性耦合系统控制转化为简单的两个线性子系统控制。

⑥作出闭环控制器。对得到的速度二阶积分型伪线性子系统和张力三阶积分型伪线性子系统(如图4所示)分别进行闭环控制器设计。闭环控制器可以采用线性系统理论中的比例积分微分PID、极点配置或二次型指标最优等设计方法。在本发明实施例中，速度控制器选用了比例微分调节器，PD＝0.6+2s，张力控制器选用比例微分调节器PD＝7+3s。

⑦形成神经网络逆同步控制器。最终形成的神经网络逆同步控制器包括神经网络逆与线性闭环控制器两部分(如图7所示)，可根据不同控制要求采用不同的硬件或软件来实现。

图8给出了本发明的具体实施例的示意图，神经网络逆同步控制器采用工控机(加模拟数字转换A/D卡、计数卡与通信卡)来实现(其程序运行框图如图9所示)，两台变频器采用西门子MMV型号，两台感应电机参数为P_e＝1.1KW；U_e＝220/380V；I_e＝2.7A；f_e＝50Hz；n_p＝2；n_e＝1400r/min。

根据以上所述，便可实现本发明。

Claims (3)

1、一种两变频调速电机系统的神经网络逆同步控制器构造方法，其特征在于该方法把被控的两台恒压频比工作方式的变频器(1)、两台感应电机(2)及共同负载(3)作为一个整体组成两变频调速电机系统(4)；根据该两变频调速电机系统(4)对应的逆系统，用静态人工神经网络(51)加5个积分器s^-1构成神经网络逆(5)，其中静态人工神经网络(51)的各个权系数通过学习确定；将神经网络逆(5)接在两变频调速电机系统(4)前，复合成由两个已解耦的速度子系统(61)和张力子系统(62)组成的伪线性系统(6)，再依据线性系统的设计方法对伪线性系统(6)分别作出速度控制器(71)和张力控制器(72)，从而构成线性闭环控制器(7)，最后将神经网络逆(5)与线性闭环控制器(7)相串接形成神经网络逆同步控制器(8)，对两变频调速电机系统(4)进行同步控制。

2、根据权利要求1所述的两变频调速电机系统的神经网络逆同步控制器构造方法，其特征在于神经网络逆(5)的构造方法为用具有11个输入节点、2个输出节点的静态人工神经网络(51)加5个积分器s^-1构成具有2个输入节点、2个输出节点的神经网络逆(5)，其中：静态人工神经网络(51)的第一、第四个输入为神经网络逆(5)的输入，其中第一个输入经第一个积分器为静态人工神经网络的第二个输入，再经第二个积分器为静态人工神经网络的第三个输入，第四个输入经第三个积分器为静态人工神经网络的第五个输入，再经第四、五个积分器为静态人工神经网络的第六、第七个输入，静态人工神经网络的第八、九个输入来自1号感应电机的两个定子相电流i_a1，i_b1的测量值，静态人工神经网络的第十、十一个输入来自2号感应电机的两个定子相电流i_a2，i_b2的测量值，静态人工神经网络(51)的输出即为神经网络逆(5)的输出。

3、根据权利要求1所述的两变频调速电机系统的神经网络逆同步控制器构造方法，其特征在于静态人工神经网络(51)的各个权系数确定方法为将阶跃激励信号ω₁₁ ^*和ω₁₂ ^*加到两变频调速电机系统(4)的输入端；采集激励信号ω₁₁ ^*、ω₁₂ ^*和实际转速ω_r1、张力F、1号感应电机的两个定子相电流i_a1，i_b1和2号感应电机的两个定子相电流i_a2，i_b2；对得到的实际转速ω_r1信号进行离线求一阶与二阶导数

和张力F信号进行离线求一、二、三阶导数 ；用构成的训练样本集 $\{{\mathrm{\ω}}_{11}^{*},{\mathrm{\ω}}_{12}^{*},{\mathrm{\ω}}_{r1},{\stackrel{.}{\mathrm{\ω}}}_{r1},{\stackrel{..}{\mathrm{\ω}}}_{r1},F,\stackrel{.}{F},\stackrel{..}{F},\stackrel{...}{F},i_{a1},i_{b1},i_{a2},i_{b2}\}$ 对静态人工神经网络(51)进行训练，从而确定静态人工神经网络(51)的各个权系数。

Images