基于单神经元PID的永磁同步电动机速度控制器设计

摘要

近年来,随着永磁材料技术、半导体器件制造技术及控制理论的不断发展,使得永磁同步电机(PMSM)驱动控制在运动控制系统中的应用越来越广泛.永磁同步电机以其自身具有的体积小、气隙磁通密度高、转矩惯量比大等特点被广泛应用于高精度伺服控制系统中.但是,电机自身的参数(如转子电阻)和拖动负载的参数(如转动惯量)在某些应用场合会随工况而变化.而依据经典控制理论以及现代控制理论提出的各种控制策略过于依赖电机模型.当系统受到参数变化和扰动作用的影响时,系统性能将受到影响.因此,将不依赖于对象模型、在处理不确定性问题时有较好控制效果的智能控制技术引入交流同步电机控制系统将成为必然的发展趋势. PID控制以其简单、可靠性高、易于工程实现等优点被广泛应用于工业控制领域.在系统模型参数变化不大的情况下,传统PID控制性能优良.但当被控对象具有高度非线性和不确定性时,仅靠PID调节无法实现精确、快速的控制.而神经网络作为现代信息处理技术的一种,正在很多应用中显示它的优越性,它在自动控制领域的应用成果--神经网络控制也成为令人瞩目的发展方向.单神经元PID控制正是结合了传统PID控制和神经网络控制各自优点形成的结构简单、易于整定,且具备参数自学习和自适应功能的控制算法. 本文在深入分析神经网络原理的基础上,重点介绍了单神经元PID控制的概念及其改进算法,并在文中建立的永磁同步电机数学模型的基础上,设计了采用改进型有监督Hebb学习规则的单神经元PID速度控制器和基于RBF神经网络辨识的单神经元PID速度控制器,并在matlab软件中进行了仿真研究.结果表明,采用单神经元PID速度控制器的调速系统在快速性、抗扰动性方面均有明显改善.

目录

文摘

英文文摘

论文说明：插图清单

独创性声明及学位论文版权使用授权书

致谢

第一章绪论

1.1引言

1.1.1永磁式同步电机的特点及其分类

1.1.2永磁同步电机国内外研究现状及发展趋势

1.2神经网络理论概述

1.2.1人工神经网络发展的历史与现状

1.2.2人工神经网络在控制理论中的应用

1.2.2人工神经网络在电机速度控制中的应用研究

1.3本文的主要工作

第二章神经网络理论基础

2.1神经元模型

2.2神经网络的拓扑结构

2.3神经网络的学习方法

2.3.1神经网络学习方式

2.3.2神经网络学习规则

2.4感知器(Perceptron)

2.5 BP神经网络

2.5.1 BP网络的训练过程

2.5.2 BP神经网络的函数逼近能力

2.6 RBF神经网络

2.6.1径向基函数网络的结构

2.6.2 RBF网络的学习算法

2.6.3 RBF网络的函数逼近特性

2.7神经网络辨识

第三章单神经元自适应PID控制

3.1传统PID控制

3.2基于单神经元的自适应PID控制

3.2.1单神经元PID控制原理

3.2.2采用有监督Hebb学习规则的单神经元PID控制器

3.2.3基于PSD算法的单神经元PID学习算法

3.2.4单神经元PID控制器的稳定性分析

3.3基于神经网络辨识的单神经元PID控制器

3.3.1 BP神经网络辨识器

3.3.3 RBF神经网络辨识器

3.3.4基于RBF神经网络辨识的单神经元自适应PID控制器

第四章永磁同步电机矢量控制系统建模与仿真

4.1永磁同步电机磁场定向矢量控制数学模型

4.1.1 PMSM的物理模型

4.1.2 PMSM在三相静止坐标系下的物理方程

4.1.3坐标变换

4.1.4 PMSM在dq0坐标系下的物理方程

4.1.5永磁同步电机转子磁链定向控制

4.2电流滞环控制

4.3速度调节器的设计

4.3.1电流环的简化

4.3.2速度环的设计

4.4 matlab仿真

4.4.1传统PID速度控制器仿真

4.4.2采用改进的有监督Hebb学习的单神经元PID速度控制器

4.4.3基于RBF神经网络辨识的单神经元PID速度控制器

第五章结论与展望

5.1工作总结

5.2展望

参考文献