神經網絡逆系統在電機變頻調速系統中的應用

2017-04-12 11:12:24 大云網　點擊量：評論 (0)

核心提示：　　傳統的控制系統設計是在系統數學模型已知的基礎上進行的，因此控制系統的品質與數學模型的準確性有很大關系，但是實際系統千差萬別，復雜多變，很難找到合適的描述模型，對非線性系統而言就更加困

核心提示：　　傳統的控制系統設計是在系統數學模型已知的基礎上進行的，因此控制系統的品質與數學模型的準確性有很大關系，但是實際系統千差萬別，復雜多變，很難找到合適的描述模型，對非線性系統而言就更加困難，有時甚至是

　　傳統的控制系統設計是在系統數學模型已知的基礎上進行的，因此控制系統的品質與數學模型的準確性有很大關系，但是實際系統千差萬別，復雜多變，很難找到合適的描述模型，對非線性系統而言就更加困難，有時甚至是做不到的。神經網絡用于控制系統設計則不同，它可以不需要被控對象的數學模型，而是對神經網絡進行在線或離線訓練，然后利用訓練結果進行設計。由于神經網絡具有較強的適應能力、并行處理能力和本質非線性，因此對非線性和不確定系統，采用神經網絡設計的控制器將具有更強的適應能力、更好的實時性和魯棒性。基于神經網絡的控制系統的設計方法有多種，但目前尚未形成完善的理論體系和系統化的設計方法，已提出的神經網絡控制器主要有神經網絡PID控制、神經網絡預測控制、神經網絡內模控制、神經網絡模糊控制等。

　　感應電動機是典型的多變量、非線性系統，再加上變頻裝置，整個系統就更加復雜。本文選擇感應電動機變頻調速系統作為控制對象，對它的數學模型進行了可逆性分析，使用神經網絡構建逆控制器對感應電動機變頻調速系統進行控制。神經網絡逆控制器是將逆系統方法和神經網絡相結合，劉國海男，1964年生，博士，江蘇大學電氣信息工程學院教授、副院長，研究方向為電機控制、復雜系統控制等。

　　用BP網來逼近對象的a階逆系統，然后與對象串聯起來，構成一個復合偽線性系統，再用已有的線性系統的設計方法來設計控制系統。論文運用神經網絡逆系統方法對實際的感應電動機變頻調速系統分別進行了空載/滿載起動試驗、突加/突減負載試驗和跟蹤試驗驗證。，將逆系統串接在原系統之前構成一階偽線性系統，這樣整個復合系統就轉化為少二廠1型偽線性單輸入單輸出系統。

　　機組變工況下仿真曲線圖仿真結果表明，該控制系統有效地解決了鍋爐非線性、大時滯、負荷干擾對機組運行的影響。不僅在正常負荷穩定情況下，主汽壓能保持相當穩定，并且在機組調峰，燃燒率發生較大變化情況下，控制機組能快速跟蹤負荷，有效地提高了系統的控制品質，滿足了實際控制的要求，對改善機組調峰性能有重要的現實意義。

　　4結論本文設計的基于神經網絡預測模型的聚類自適應模糊控制的突出特點：（）采用神經網絡對系統進行預測，為非線性大時滯系統的精確控制提供了保證。

　　（2）在用模糊控制實現基于專家控制策略和經驗的模糊規則的同時，采用聚類自適應控制禰補模糊規則的不適應和不完整性，該控制方法簡練、靈活和快速。

　　仿真表明該控制具有強的魯棒性、實時性和抗擾性，即使調峰機組在變工況下（大范圍變負荷下）仍能保持了良好的控制性能和運行效果。