基于神经网络技术的电机直接转矩控制系统研究.doc

基于神经网络技术的电机直接转矩控制系统研究 邱祥1，王斌1，王茂祥1，2，李多贵3，朱金荣1 （1.扬州大学物理科学与技术学院，江苏扬州225002；2.中国移动通信集团江苏有限公司，江苏南京210029； 3.扬州广播电视总台技术传输中心，江苏扬州225009） 摘要：传统的电动机直接转矩控制系统存在一些问题，比如转矩脉动较大、磁链观测不精确、开关频率不固定等，影响了控制系统整体性能的进一步提升。为此，结合神经网络技术，设计了近似圆形磁链的直接转矩控制系统优化方案，探讨采用BP神经网络实现电压矢量选择的功能。该方案采用滞环比较器对磁链进行调节并实现转矩调节，建立了空间电压矢量选择的最优方式，设计了神经网络空间电压矢量选择器结构，提出采用神经网络理论取代传统开关表的方法。系统仿真结果表明，优化后的系统能够有效降低转矩脉动，定子磁链轨迹的脉动成分也明显下降，在低速运行状态下同样取得了较好的效果，表明该系统达到了调速性能改善和整体性能提升的目的。 关键词：电动机；直接转矩控制系统；神经网络技术；优化方案 ：TN876?34：A：1004?373X（xx）13?0107?03 ：xx?01?19 基金项目：江苏省教育厅高校科研成果产业化推进工程项目（JHBxx?43） 0引言 目前我国电动机装机总容量已达4亿kW以上，年耗电量达1.2万亿kWh，占全国总用电量的60%，占工业用电量的80%。但是，我国80%以上的电动机产品效率比国外先进水平低2%5%，电动机控制系统效率比国外先进水平低10%20%。因此，如何有效改进我国电动机系统功能、提升其运行效率显得尤其重要。随着电力电子技术的发展，对异步电动机的变频调速技术有了较大推动作用，先后经历了电压频率协调控制1?2、转差频率控制3?4、矢量控制5?6及直接转矩控制7?8等阶段。 此外，随着人工神经网络、模糊控制等智能控制理论的快速发展，其在调速系统中也逐步被尝试和应用。 神经网络具有无参数化、实施简单、工程性强、容错能力强、自组织与自学习等优点。本文基于神经网络技术的应用，利用其较高的自学习和自适应能力，对传统电机直接转矩控制技术进行了改进，提出了基于神经网络的系统改进方案，即利用神经网络的自学习和函数逼近能力对开关表、定子磁链观测模型以及速度闭环控制进行优化，克服了传统的直接转矩控制系统转矩脉动较大、磁链观测不精确、开关频率不固定等问题，有效提升了电动机控制系统的性能。 1系统优化方案设计 德国鲁尔大学学者M.Depenbrock于1985年率先提出了直接转矩控制理论，并在1987年推广到弱磁调速范围。该控制理论控制定子磁链沿六边形轨迹运动。此后，直接转矩控制技术不断得以优化和提高。目前，直接转矩控制技术已经进入实际应用阶段。 在实际控制中，直接测量电磁转矩和定子磁链在制造工艺和测量技术上都有很大的困难，测量误差很大。 通常在电动机调速系统中较为容易获得定子电压、电流、转速等参量，因此在实际测量中一般采用间接观测方法，即建立一个转矩和磁链的观测模型，根据相关参量来计算得到磁链和转矩的实时值9。本文在研究直接转矩控制系统的基本原理和定子磁链观测模型的基础上，设计了近似圆形磁链的直接转矩控制系统优化方案，如图1所示，并给出了磁链调节和转矩调节的具体方法，以及控制系统空间电压矢量的具体选择方法。 本优化方案中的近似圆形磁链的直接转矩控制系统采用双闭环方式控制，外环为速度闭环控制，内环为磁链和转矩闭环控制，通过3/2坐标变换将采集到的电动机三相电压电流信号变换到两相静止坐标系下，得到磁链观测及转矩观测的相关输入参数，再通过相关观测模型、磁链位置计算以及滞环比较器等，共得到三个输出量：磁链响应信号、转矩响应信号以及扇区号，从而根据开关表得到相应的逆变器输出电压开关信号实现对异步电动机的直接转矩控制，提高电动机性能。 此外，考虑到BP神经网络的强大功能，尝试采用BP神经网络实现电压矢量选择的功能，设计三层前向BP神经网络的输入和输出（神经元个数可为3），进行电压矢量选择器模型的重构。设计的神经网络空间电压矢量选择器结构如图2所示。在该优化方案中，可将Q，TQ和Sn作为神经网络的输入信号，功率管的控制信号Sa，Sb和Sc作为神经网络的输出。 2系统主要模块分析 2.1磁链调节模块分析 直接转矩控制系统的磁链控制采用bang?bang控制，因此磁链的动态响应很快。本方案采用滞环比较器对磁链进行调节，其实际上是一个施密特触发器，对磁链幅值进行两点式调节，其输入为定子磁链给定值|s*与反馈值|s这二者的差值s，输出为磁链响应信号Q。该比较器的容差宽度为，具体的输入输出关系见表1。 2.2转矩调节模块分析 本方案中，转矩调节也采用滞环比较器实现，但是与磁链调节不同的是其增加了零矢量，采用