感应电机调速系统的模糊神经网络控制研究
薛剑锋，刘国海
（江苏大学，镇江212013）
摘要：针对多变量、非线性、强耦合的感应电机调速系统，传统的pid控制和模糊控制均不能达到理想的控制效果的问题，依据空间矢量控制理论建立了感应电机的数学模型，提出了一种基于模糊神经网络的感应电机调速系统控制方法，并且在基于神经网络离线训练的基础上提出了在线调整网络参数的策略，实现了感应电机调速系统的高精度控制，并通过仿真进行了分析研究。结果表明，系统具有优良的动静态性能，且对电机参数的变化与负载扰动具有较强的鲁棒性。
关键词：模糊神经网络；感应电机；调速系统；在线控制
中图分类号：tm346 文献标志码：a 文章编号：1001-6848(2010)05-0053-03
0引 言
感应电机调速系统是一个复杂的强耦合的多变量非线性系统。传统的pid控制对感应电机调速系统参数和外部负载扰动变化敏感、鲁棒性能差。微分几何控制方法以及逆系统方法也被用于感应电机的控制，但其解耦线性化的实现，要求获得对象的精确数学模型，难以在实际中真正应用。模糊控制和神经网络控制均属于智能控制的范畴，都具有不依赖于被控对象的数学模型和鲁棒性强的特点，能够很好的克服模型参数变化和非线性等不确定因素的影响。但若将其应用到感应电机调速这类强耦合的多变量非线性系统中，二者都具有各自的优缺点。
本文将模糊神经网络引入感应电机调速系统，由神经网络来实现模糊推理，利用神经网络的学习能力来调整模糊隶属函数和控制规则，并针对感应电i机在实际运行中，受电机负载、参数变化影响较大，尤其是转子电阻在电机运行中会发生较大的变化，影响了通过离线训练的神经网络对系统控制的精确性这类问题，在神经网络离线训练的基础上提出了在线训练调整网络参数的方法，进而研究了模糊神经网络在感应电机调速系统中的应用，并给出了仿真试验结果，结果表明了该控制方法的有效性。
1感应电机调速系统的数学模型及系统结构
电流跟踪型spwm逆变器供电的感应电机变频调速系统，忽略变频器的时滞，在转子磁场定向的条件下d、q两相坐标系下的状态方程可以用降维的三阶非线性模型描述：徽电
若将变频器设置为磁场定向运行模式，这时该台逆变器可以不考虑磁链的变化（即认为磁链恒定且为额定值），原系统可作为单输入、单输出系统。
系统结构如图1所示，m为感应电机期望转速，wr为感应电机实际转速。图中x1，x2和u分别是模糊神经网络的输入和输出，其论域均设为[o，1]，误差e和误差变化率；通过x映射转化为神经网络的输入x1，x2，神经网络的输出u通过u映射转化为感应电机的电气同步角速度w1。
图1中ec为误差目标函数，根据ec由在线训练算法可在线调节模糊神经网络的权值，所以系统具有自学习的功能。
2模糊神经网络控制器
2.1模糊神经网络结构
模糊神经网络结构如图2所示。图2中第1层将x1、x2引入网络；第ⅱ层将x1、x2模糊化，采用的隶属面数为高斯函数；第ⅲ层对应模糊推理，ⅱ表示模糊操作，这里用+乘积操作代替取小运算；第ⅳ层对应去模糊化操作。网络的输入输出关系如下：
第1层输出节点：
第ⅱ层输入输出节点：
| 
