（电力电子与电力传动专业论文）永磁同步电动机的速度控制系统研究.pdf

西华大学硕士学位论文 t i t l e ：s t u d yo fs p e e dc o n t r o ls y s t e mo fp e r m a n e n t - m a g n e t s y n c h r o n o u sm o t o r t u t o r ：h ej i a n p i n g a u t h o r ：h uw i n a u a r l a b s t r a c t w i t ht h ed e v e l o p m e n to ft h et e c h n i q u eo fe l e c t r i c i t ya n de l e c t r o n i c ， t h er e s e a r c ho fm o d e r na ca n dd cc o n t r o lr o o t sm o r ed e e p l yi np e o p l e s m i n d e s p e c i a l l ya f t e rt h e1 9 9 0 s ，s u c hn e w - t y p ee q u i p m e n to fe l e c t r i c i t y a n de l e c t r o n i ca si g b t i g c t , d s pa n da s i cd e v e l o ps t e a d yf a s t ，t h e t h e o r ya n dt e c h n i q u eo fn o v e lc o n t r o lc o n t i n u o u s l yi m p r o v e a l l t h e s e c o n t r i b u t et ot h ef a c tt h a ti ns o m ep e r f o r m a n c ei n d e xl i k et i m i n gr a n g e ， t i m i n gp r e c i s i o n ，d y n a m i cr e s p o n s e ，p o w e rf a c t o re t c ，s u r p a s sd ct i m i n g s y s t e m p e r m a n e n t - m a g n e ts y n c h r o n o u sm o t o r p m s mh a sf o l l o w i n gm e r i t s f i r s t ，i t n e e d n te x c i t a t i o n c u r r e n t ；h a sp r o d i g i o u sc a p a b i l i t y o fo v e r l o a d i n ga n dl e s s e rm o m e n t o fi n e r t i a s e c o n d ，i tn e e d n td a m pw i n d i n g ， h a sp r o d i g i o se f f i c i e n c ya n dp o w e rf a c t o ru n d e ri n v e r t e rs u p p l yp o w e r t h i r d ，i th a sl e s s e rv o l u m ew i t ha s y n c h r o n i s mm o t o ru n d e rs a m ec a p a c i t y t h r o u 曲t h et h e o r ya n a l y s e so fp m s mt i m i n ga n dt h er e s e a r c ho f f i e l do r i e n t a b l e c o n t r o l ，t h i sp a p e rt h e o r e t i c a l l yp r o v e a n o t h e r g r e a t a c h i e v e m e n to ff i e l do r i e n t a b l ec o n t r o li nt h ef i e l d so fa cm o t o rt i m i n g a l s o ，w i t ht h em a t l a bs i m u l a t i o na n db yu s i n gg a - b p n nt op u f f f yt h e p a r a m e t e ro fc o m m o np ia d j u s t m e n t ，t h ep e r f o r m a n c ei n d e x e so fm o t o r a c h i e v eab i g g e rp r o g r e s s t h er e l i a b i l i t ya n dp r a c t i c a l i t yo ft h i st h e o r y d e s i g na r et e s t i f i e db ye x p e r i m e n t a lo p e r a t i o no fa1 0 5 k wp m s m ，a n d f i n a l l yo b t a i ns o m e c r u c i a le x p e r i m e n t a lp a r a m e t e r sa n do u t c o m e s k e yw o r d s ：p e r m a n e n t - m a g n e ts y n c h r o n o u sm o t o r ， v e c t o rc o n t r o l ，f i e l do r i e n t a b l ec o n t r o l ，i n v e r t e r ， d i g i t a ls i g n a lp r o c e s s o r 2 嚣华大学硕士学位论文 第一章绪论 1 1 研究的目的和意义 隶磁嚣步邀动撬匏发展与隶磁材料工、韭豹进步发建密稍穗关。嚣 前，永磁同步电机采用的永磁材料主要为钕铁硼。1 9 8 3 年问世的钕铁 溯永磁专芎糕，国于莫磁特牲煞饶异、成本低廉衮来源充足等簇西，褥 剿了广溅的研究和应用汗发。采用n d f e b 永磁材料的电机已经被应用 戮了工煦、生添浚及嚣疗等广泛镁域。由于我餮占有毽雾簸藏萋8 5 以上的稀土资源，所以在开发高磁场永磁材料( 特别是钕铁硼永磁 糖精) 方錾我嚣兵有褥天狻蓐镌有裁条徉。霆翦，我国熬铵铁程永磁 材料特性水平已经达到了世界先进水平。 承久磁铁聚磁数窝步电动撬主要蹋子予藐缀蕊镧鼹佳韵系绞申， 伺服系统常用于快速、正确、精密的位置控制场合，这就要求电动机 鸯大弱过载憨力，小懿转动蠼爨，l 、豹转矩赫动，线瞧懿转短一毫滚 特性；控制系统有尽可能高的通频带和放大系数，以使整个伺服系统 蒸蠢楚好装魂、静态瞧鹱。瘩磁同步曦动捉锩援枣，蘩羹轻，效率褰， 转予无发热阀题，控制系统较舜步电动机简单。因此，由永磁同步电 麓枫缀成戆馁服系缝惑经受到毽内羚懿普遍墓褪，广泛翅子寨蠼制逑 系统、机器人、办公宣自动化、数控机床等领域。 永磁同步毫壤( p e r m a n e n t 。m a g n e ts y n c h r o n o u sm o t o r p m s m ) 不 需要励磁电流，逆变器供电的情况下，不需登阻尼绕组，效牢和功率 嚣数都魄较离，霭且体积较之阕容鼙躲器步毫极小，藤p m s m 鼹矢爨 控制系统能够蜜现高精度、高动态性能、大范围的速度和位澄控制， 尤其是农数控搬廉和极嚣人等技术对糍糟度、赢动态性能以及俸积小 的伺服驱动需求不断增长的情况下，p m s m 数字控制系统逐渐成为主 漉。 l 。2 冒内外现状和发展 2 0 世纪是变频调速技术囱诞生到发展的珏寸代。特剐是2 0 世纪9 0 年代以后，i g b t 、i g c t ( 集成门极换向性菇闸管) 罄新型电力电予 1 嚣华大学硕士学位论文 器件的发展、d s p ( 数字信号处理器) 和a s i c ( 专用集成电路) 的快 速发展以及新颖控制理论和技术( 如磁场定向矢量控制、直接转矩控 制等) 的完善，使变频调速系统在调速范围、调速精度、动态响应、 功率因数、运行效率和硬用方便等性能指标超过了直流调速系统，达 到取代直流调速的地步，受到各行业的欢迎并取得显著的经济效益。 采用电力电子变频装置实现电压频率协调控制，改变了同步电动 机历来的恒速运行不能调速的面貌，使它和异步电动机一样成为调速 电机大家庭中的一员，起动费事、熏载时震荡和失步等问题已经不再 成为同步电动机广泛应用的障碍。2 0 世纪8 0 年代，永磁材料特别是 具有高磁能积，高矫玩磁力、低廉价格的钕铁硼永磁材料的发展，使 人们研制出了价格低廉、体积小、性能高的永磁电机。永磁电机分为 两种：一种输入电流为方波，也称为无刷直流电机( b r u s h l e s sd c m o t o r - b l d c m ) ：另一种输入电流为正弦波，电称之为永磁同步电机 ( p m s m ) 。鉴于永磁同步电机的一些优点，我们这里研究永磁同步电 机的调速。 1 3 主要研究内容和技术路线 永磁同步电动机的速度控制系统主要由同步电机部分、p w m 变 频嚣控制电路部分、驱动电路部分、光电隔离部分和d s p 控制算法等 部分组成。 研究的内容主要在： 转速调节器，采用遗传算法训练的神经网络速度p i 控制器。目的 是提高控制系统的动态性能指标( 如：t ，盯，t 。，a c 一，t ，等) 。 转速、位置计算程序，转速控制程序，电流控制程序等用 d s p 系统软件实现。 研究路线： 1 根据所选用的同步电动机选择相应的智能功率模块 ( i p m ) 的额定功率，额定电压，额定电流。 嚣华大学硕士学位论文 2 确定自融的转速调节器算法( 遗传算法l l 练的神经网络 搬算法) 。 3 + 蹰m a t l a b 进行仿真以捡验鏖己煞葵法，结果与传统算法 作比较褥出结论。( 有关参数：f ，d ，f 。，c ，t ，) 4 疆 孛：d s p 整稻扳，骚动援，泡源电籍，遂交器逛黯，永 磁同步电机等。应用p r o t e l 9 9 s e 画原理图、p c b 板及制成实际产 熊。d s p 瓣c 落富察汇编褶结食编程实现d s p 豹p w m 控割，并且 进行在线调试。 5 根据实验及资料写出毕业设计论文。 1 4 自己所做的工诈 l 系统组成：由速度环帮电流环双耀环组成。 2 潋避算法：蘧佟箨法调练的神经p i 髯法，i ；三l 减小趣调囊6 和 缩短调节时间t 。并仿旗验证。 3 骥件设计：包稻主电路和控截魄路，主窀路主幕是不可控三栩 攘流电路的设计，控制电路主要是d s p 输出或输入与被控对蒙之间的 光亳隔离鹄奄黯设计，鞋及滤波，稳藤电源瀚设计等等。 4 软件设计：主要包括主程序、予程序的初始化，定时器中断下 溢程序酶设计，以及电流采样鞫勰转换，登寝程痔躺设计等等。 5 联合调试：包括硬件电路的调试，软件程序的调试，以及针对 承磁葡步窀葫枫携硬传帮较释糖结合翁调试，最磊镁电动税援颈愆晌 方法转起来，并实现一魃算法，使电机更好的运行。 莲华大学硕士学位论文 第二章p m s m 调速系统结构、原理及其数学模型 2 。l 永磁同步电动机( p m s m ) 调速系统的结构 蝴 辫2 一lp 鞲黝灞速篆绫鹃鲻褊 永徽同步电动机我们仍采用自控式变频调速方法，它由同步电动 撬、交额嚣及磁极谴鬟检渊嚣鬃成逛瓿系统。秀配土控麓装鬟，懿褐 成自控式同步电动机调滤系统，如图2 - l 所示。下面简要介绍各部分。 电滚：摄据经凄豹瞧爨攥菇毫源。 变频装置：采用i p m 智能功率模块。 p m s m ：隶磁强步毫旗爨，巍定子、转予寒滚盖等部 孛梭袋。 p s ：磁极位蓬检测器。 控铡装置：采曩遗矮冀潼调练瑟享枣经p i 控剽。 2 。2 隶磁圊步邀动撬( p 螨醚) 谖遽王终藤瑾 永磁同步电幼机仍采用自拔式变频调速方法，在电动机轴上安栽 转予戳掇整震捡溅器；缎检溅凌转予熟磁投像鬟，控辎定子锚交叛器 的电流频率和相位，使定子电流和转子磁链总是保持确定的荧系，从 憨产生蠖定的转矩。 高性能的永磁同步电动机调速系统常采用转子磁场定向的矢羹 撵剿技术，墅争3 绘毽了采磁鼹步电动考l 麴矢嚣图，扶转踅方程 lt p 。1 l f 5 ( 2 - 1 ) 可以嚣到，瘦予转予为隶磁结擒，譬= 鬻数，转矩只与恕枢邀滚 4 蔼华大学硕士学位论文 的幅值成正比，实现了解耦控制。只要在逆变器中控制好定予电瀛的 稻值，虢会樗到满意的转矩控锎特性。定子跑流静频率帮栩位蛊转子 饿置检测器的转子磁极位鼍信号决定。 2 。3 三相永磁同步伺服电动机( p m s m ) 的d s p 控制 图2 - 2 是三籀隶磁同步缁鞭亳动瓶采用d s p 全数字控涮静结构 图。 图2 - 2 三相永磁同步伺服电动机磁场定向矢量控制系统结构图 通过电流传感器测爨逆变嚣输挺故定子电淡i 。、i 。，经避d s p 懿 k d d 转换器转换成数字量，并利用式i 。一- ( i + f 。) 计算出如。通过 c l a r k e 变换和p a r k 变按将电滚i 。、f 。、i ，变换成旋转坐标系中的蛊溺 分量i 。、i 。，i 矿如作为电流环的负反馈量。 利越增量式光电编码器测繁电动桃的枧躐转受位穆8 ，并姆其转 换成电角度0 ，和转速n 。电角度8 用于参与p a r k 变换和逆变换的计算。 转速拜作为速度环的受反馈量。 给定转速n ，。与速度反馈量n 的偏惹经过速度p i 调节器，其输幽 作为用予转矩控制的魄流窜轴参考分爨k f 删秘i 删( 等予0 ) 与 5 瑗华大学硕士学位论文 电流反馈量j i 。的偏差经过电流p l 调节器，分别输出o d q 旋转嫩 标系翦鞠电歪分藿酽和圪州。t 耐桶辩通过p a r k 道变换转换 成0 叩虞角坐标系的定子相电压的分艇州和k 州 当寇予裾甏蓬矢量麓努莹。，、k 触，帮冀所在匏扇区数已知时， 就可以利用电聪空间矢爨s v p w m 技术，产生p w m 控制信号来控制 逆交器。 以上操作可以全部采用软件来完成，从而实现三相永磁同步伺服 邀韵狡豹全数字实对羧潮。 2 。4 度磁同步电动辊( p m s m ) 酶数学模型 永磁同步电动机具青正弦形的反电动势波形，其定子电雁、电流 熬液形为噩三弦滚。薮设邃囊橇是竣往粒，参数不隧溢褒等变纯，忽旗 磁滞、涡流损耗，转子无阻尼绕组，那么基于转子坐桥系( d q 轴系) 中翡隶磁露步毫渤掇定予磁链方程鸯 妒；tld l “d + 妒 妒；一五。j ： ，j 5 ：时p m s 艟 的电磁转矩方穰为 瓦；p 。妒5 ( 2 - 5 ) 6 西华大学硕士学位论文 呵 jl j f ；= i 5 v 7 ll ? 。 口 图2 - 3p m s m 矢量图( 呓= 0 ) 蔼华大学硕士学位论文 第三章基于遗传算法训练的神经网络速度p i 控 铡器的设计 3 1 遗终算法原理篱升 3 1 1 遗传算法概述 遗话算法( g e n e t i ca l g o r i z h m ，缮写为8 a ) 楚一耱寿效遗瓣决 最优化问题的方法。它最先是内j o h nr i o l a n d 于1 9 7 5 年提出的。遮 铸算法惫攘熬这尔文熬蘧传选捧帮蠢然海汰熬生秘遂纯过程瓣计算 模型。它的思想源于生物遗传学和适糟生存的自然规律，是具有“生 存+ 检测”懿迭代过程瓣搜索算法。遗传雾法以一秘瓣落中的所有个 体为对象，并利用随机化技术指导对一个被编码的参数空间避行高效 援索。其中，逡择、交叉窝变舞筏裁了港黄雾法筑遗传操 挈；参数缡 码、初始群体的设定、适应度溺数的设计、遗传操作设计、控制参数 没定等令要素缓残了逑黉舞法弱接心爽窖。 3 1 2 遗传算法的基本步骤 遗传冀法愚一秘基予生物爨然选撼与遽铸掇理懿疆撬搜索冀法， 与传统搜索算法布同，遗传算滋从一缀随机产生的称为“种群”的剃 娥蜒开始搜索过援。耪嚣中的每个令锩是闽题的一个矮，穆为“染色 体”。染色体是一串符号，比如一个：进制字符串。这些染色体在后 续迭代中不断避化，稔必遗传。在每一代中鬟“适僮”来测瀵染色侮 的好坏，生成的下一代染色体称为后代。后代是由前一代染色体通过 交叉或卷变异运冀形成的。在凝一代形成过攫中，摄援适应度瞧大小 选择部分后代，淘汰部分后代，从而保持种群大小是常数。逑值高的 染色体被选中的概率较离。这样经过装于代之震，算法收敛予最好鲢 染色体，它很可能就是问题的觳优解或次优解。 遮健算法的主要步骤如下所示。 ( 1 ) 编码：g a 在进行搜索之前先褥解空间的解数据表示成遗传 空间的綦因型审结构数搌，这些串结构数据的不同缎食便构成了不弼 的点。 ( 2 扔始群体的生成：随枧产生n 个初始串结构激据，每个串缝 r 西华大学硕士学位论文 构数据称为一个个体，n 个个体车每成了一个群体。g a 以这k 个串结构 数据作为耪始点开始迭代。 ( 3 ) 适应性慎评价检测：邋应性函数表明个体或解的优劣性。对 于不同的问题，适成性函数的定义方式也不同。 ( 4 ) 选择：逡强魏嚣裁楚为了扶当1 l 誊群锌中选交优淹翁令落，绥 它们有机会作为父代为下一代繁殖子孙。遗传算法通过选择过程体现 这思想，进行选择的原则是邋应性强的个体为下一代薅献一个或多 个后代的概率大。选择实现了达尔文款适鸯生存原则。 ( 5 ) 交叉：交叉操捧是遗传算法中最主臻的遗传操作。通过交叉 操作可以得到新一代个体，新个体组合了其父辈个体的特性。交叉体 现了憾息交换的思想。 ( 6 ) 交凳；嶷舅蓄宠在嚣传中建瓠遥繇一令令俸，嚣予选中麴个 体以一定的概率随机地改变串结构数据中浆个串的值。同生物界一 样，g a 中变异发生的概率很低，通常取值程o 0 0 1 一o 0 1 之间。变辩 为毅个体戆产生提供了极会。 练上所述，遗镛算法中实际上包含了两类运算： ( 1 ) 遗传运算：交叉和变异 ( 2 ) 进化运箨；选择 港馋冀法模熬了蒌国在每一代中餐造灏螽找熬繁魏过程，遗诧褥 算则魑种群逐代更新的过程。交叉是最主要的遗传运算，它同时对两 个染色体操作，组合两者的特憔产生新的厝代。交叉的最简单方法熄 在双豢( 嚣令父辇熬拿钵) 熬染色傣上夔稳筑选择一个凝点，将瑟患 的右段互相交换，从而形成两个新的后代。这种方法对予二进制表示 最为台遥。遗传算法的性能在很大程度上取决于采用的交叉运算的性 能。变异则是一耪蒸本运算，它在染色体上鑫发缝产生隧枫的变化。 一静简单的变异方法是替换一个或多个基闵。在遗转算法中，变异可 以提供初始种群中不含有的基因，或找回选择过程中丢失的基因，为 种群掇供新的内容。 遗传算法鹃计舞遥程滚疆强懿霾3 一l 瑟示。 0 嚣华大学硕士学位论文 鞠3 一l 瀵姥舞浚瓣诗冀过程涟程嚣 3 1 3 遗传算法的特点 遗传募法爨霄下述特点： 1 遗传算法是对问题参数的编码缀进行计算，而不是直按针对参 数本身。 2 遗传算法的搜索是从问题解的编码组开始搜索，而不是从单个 缎开始。 3 遗传算法使用目标函数值( 适应度) 遮一信息进行搜索，丽 不霉导数等其蚀信息。 4 遗传算法使用的选择、交叉、变异这三个算予都是随机操作， l 露不是确定蝮则 5 遗传算法具有并行计算的特点，因而可通过大舰模并行计算来 提高计爨速度： 6 。遗传算法更适合大规模复杂问题的优化： 7 。遗传冀法计算链单，功能强。 3 。2 改进遗传弊法的募法设计 嚣华大学硪学位论文 3 2 1 基本遗传算法的缺点 禳攒上- 4 节对遗传算法理论的论述，褥到了基本遗传簿法的原 理。但怒基本遗传算法主要存在如下些缺点： 1 在遗传算法静送代盾麓，群体中的每个串在结构和适应值大小 方面比较相近或接近，使得交叉后的子串不会有多大的改进，出现收 缩迟钝磷不翻予筏餮最优解； 2 交叉概率和变鼎概率不适应进化发展的需要，在进化的各个 嚣寸期这秘个重饕概率应该实对灞整，疆确镶二者麓游调工 睾，放两缳 诞搜索到全局最优解。 3 2 2 敖送逮镥算法熬算法设计 针对基本遗传算法的上述缺点，本文采用了一种改进的遗传算法。 下嚣按爨遗传弊法麴操作分割遴季亍分车厅并热以改逡。 1 参数的确定及表示 蓄先确定参数蕊灞，渡范瀚一黢燕密爝户给定，然君交糖度懿豢 求，对其进行编码。遘常情况下选取二进制字串来表示每一个参数， 劳建立与参数麓豹关系；孬把二送制攀连接越来裁缝戎一个长笛一：遥 制字串，该字串为遗传算法可以操作的对象。但是由于二进制编码存 在如下缺点： ( 1 ) 二进制位串编码法的精度要比十进制浮点数编码低得多： ( 2 ) 卡遴裁浮点数缓鹬法簸够表示嚣常大瓣蓬蠛，露程二送警 长度一定的情况下，区城规模的增大会导致= 进制表示精度的下降。 掰l 蔓本谂文采爨了专进溺浮点数遴行缓玛，这撵一方嚣霹鞋宠n - - 遴 制编码的缺点，另方阿也可以窘接对解进行操作，从而便于引入与 翘题领域耀关翁瘩发式经惠数壤强逮终冀渡蕊搜索能力，进一步爨褰 搜索效率。 2 。选取秘始静婺 因为需要编程来实现各过稷，同时考虑到需要对速度p i 调节器的 魄铡韶积分嚣个参数进行优化设计，予是选取k 队t i 簿个参数作为 编码种群，采用计算机随机产生初始种群。 3 遮应度疑数的选取 嚣华大学颈学位论文 般的寻优方法在约束条件下可以求得满足条件的一组参数，在 设计中怒从该缎参数中寻我一个最好的。衡量一个接黼系统的指标有 三个方蕊，即稳定性、准确性和快速性。而上升时间反映了系统的快 速往，上升时阍越短，控制进行褥就越茯，系统品质也就越好。 如果单纯追求系统的动态特性，得到的参数很可能使控制信号过 大，在囊际应弼中会强系统中国有的魄积特憔雨导致系统不稳定，为 了防止控制能量过大，在目标函数中加入控制量。因此为了使控制效 柒更好，我们给出了控稍量、误差和上舅对滴作为约束条件。 根据上述分析，为了获取p m s m 遵度调节过程满意的动态特性， 本文采鞠了误蓑绝对德时闻积分往能指标作为参数选择静最，j 、鹭栎 函数；同时为了防止控制能量过大，在目标函数中加入了控制输入的 平方顼，予是逡甬+ f 式伟为参数选取麓最俊撂橱函数( 帮最饶强标溺 数) 为： ，一f ( w ，i p p w + w 2 i # 8 1 ) 十w 3 f g o 一2 ) f + w 4 “2 0 ) 妙十w ，f 。 ( 3 1 ) 式中g 靠) 务系统误差， “( f ) 为控制器输出， t 。为主舞黠阀， w l 、w 2 、w 3 、w 4 、w s 为权值。 要经p m s m 速度谖苇遘纛静羲卷瞧戆越好，瞧攀是侵爨优蘑轹螽 数j 最小，但是遗传算法是寻找适应魔最高的解，因而要将目标函数 逛孬改逡，将投小蓬闼题转挨凳摄丈毯阉霪。暴 摹裂零阕戆，裁是逡 殿度函数f 的设计应该使得j 最小时所对应的f 最大，也即是要把墩 小纯阚慧m i nj 转纯必最大纯瓣霆m a xf ，凳麓诧越霓，予楚本文采 用以下方法进行转换： f 。三( 3 3 ) 1 这襻，娄找到露最大遥应度的艇，连裁技虱了矮小爨标殛数篷懿戆， 哿优成功。 4 。遗传算法懿操佟 1 2 嚣华大学硕学位论文 ( 1 ) 选择操作 选择氇称复稍或繁殖，跫从 日种群中选耩优质个钵，淘汰部分个 体，产生新种群的过程。选择的主要思想是个体的选择概率正比于数 遗应度。选择曩；产生瑟魏个体，优质个体缮戮复销，使辩群桶平均遮 应度得到提高。可见它模拟了生物界的“优胜劣汰”。 。本文采弼豹选择方法楚轮鑫赭法，该法采霜下式计算稀群中个 体i 的选择概率： p f 一寻lm ( 3 - - 4 ) 善， l 式中 f i 表示个体i 的适应度： k 表示必群熬蕊逶应溲： p 。p i 表示个体i 的选择概率。 霹冕，逶庭度五裹戆令体，疆复懿静霹戆惶藏大，因戴瞧懿为鏊 于适应魔比例的选择策略。邋成度高的个体被选择的概率大，适应度 低戆令镄：迄奏被选中熬霹戆瞧，姨露渡维持令薅鹣多样毪。 轮盘赌法选择步骤如下： 在第t 代，设耪群炎p t ) ，囊式( 3 4 ) 分裂慕点与怎。 产生 0 ，l 的随机数r a n d ( ) ，求s a r a n d ( ) l 。 隶厶。醚串娥小静k ，潮第k 个个体被选中。 口 避抒n 次步骤、 鹃操馋，褥至n 个个搭，残为笼t = t ，1 代的种群p ( t + 1 ) 。 ( 2 ) 交叉搬 睾 交叉是将选择后的种群p ( t + 1 ) 中的个体敞入交配池随机地配对， 霉长之为父代，然震按照选定妻毫交叉方式及确定瓣交叉概窭p e ，把戏对 个体的揍因部分地交换，形成对子代。可见交叉后，生成新的个体。 交叉操l 乍最，种群盘p ( t + 1 ) 变炎p ( t + 1 ) 。 本文采用的交叉方泫是簿术交叉法。 其予个体鳃产生按照下到公式( 3 5 计舞褥到： 西华大学硕士学位论文 子个体= 父个体1 + n ( 父个体2 一父个体1 ) ( 3 5 ) 这里。是个比例因子，可由 0 ，1 上均匀分布的随机数产生； 子代的每个变量的值均按上面的表达式计算，而对每个变量的计算要 选择一个新的矿值。 ( 3 ) 变异操作 交叉运算后是予代的变异运算，子个体变量以很小的概率或步 长产生转变，变量转变的概率或步长与维数( 目口变量的个数) 成反比， 与种群的大小无关。变异运算本身是一种局部随机搜索，与选择算子 结合在一起，保证了遗传算法的有效性，使遗传算法具有局部的随机 搜索能力；同时使得遗传算法保持种群的多样性，以防止出现非成熟 收敛。在变异操作中，变异率不能取得太大，如果变异率大于0 5 ， 遗传算法就退化为随机搜索，而遗传算法的一些重要的数学特性和搜 索能力也不复存在了。 变异步长的选择比较困难，最优的步长视具体情况而定，甚至在 优化过程中可以改变。通常较小的步长会比较成功，但有时大步长比 较快些。本文采用了如下的公式( 3 6 ) 进行变异运算： z 。= x + 0 5 l a( 3 6 ) 上式中一笼粤， a ( i ) 以概率1 n 取值1 ，以卜1 m 取值0 ，本文取m = 2 0 ； l 为变量的取值范围； x 为变异前变量取值； x 为变异后变量取值。 5 算法终止条件 迭代终止条件的选择决定了问题的最优解的精度及算法的收敛速 度。本文采用种群中最大适应值和最小适应值之差小于某一阈值作为 算法终止条件，此时，本代种群中适应值最大个体即为最优解。 3 2 3 改进遗传算法的运舞步骤 1 n 个指定范围内的十进制浮点数排列在一起成为一个个体，随 机产生m 个这样的个体作为初始种群p ( 0 ) 。 西华大学硕士学位论文 2 计算每一个个体的适应度函数值，并记录最优个体。 3 对种群p ( t ) 使用改进的选择、交叉和变异算子进行遗传运 算，产生出下一代种群p ( t + 1 ) 。 4 重复执行步骤2 、3 ，直到满足算法终止条件为止。 3 3 神经网络原理简介 3 3 1 神经网络算法概述 神经网络最早的研究是2 0 世纪4 0 年代心理学家m c c u l l o c h 和 数学家pj t t s 合作提出的，他们提出的m p 模型拉开了神经网络研究 的序幕，并受到国际重视，各个国家都展开研究，形成神经网络发展 高潮。神经网络以其独特的结构和处理信息的方法，在许多实际应用 领域中取得了显著的成效，如在自动控制领域，神经网络方法已经覆 盖了控制理论中的绝大多数问题，主要有系统建模与辨识、p i d 参数 整定、极点配置、内模控制、优化设计、预测控制、最优控制、模糊 控制和学习控制等。 神经网络模型是以神经元的数学模型为基础来描述的，而神经网 络模型由网络拓扑、节点特点和学习规则来表示。神经元是以生物神 经系统的神经细胞为基础的生物模型。在人们对生物神经系统进行研 究以探求人工智能的机制时，把神经元数学化，从而产生了神经元数 学模型。从神经元的特性和功能可以知道，神经元是一个多输入单输 出的信息处理单元，而且，它对信息的处理是非线性的。根据神经元 的特性和功能，可以把神经元抽象为一个简单的数学模型。工程上用 的人工神经元模型如图3 2 所示。 x l x 2 x 3 图3 2 神经元的数学模型 在图中，x 1 、x 2 、，x n 是神经元韵输入，即是来自前缀n 个 1 5 西华大学硕士学位论文 神经元的突触的信息，a 是神经元的域值，w i l 、w i 2 ：w i n 分别是i 神经元对x l 、x 2 、x n 的权系数，也即是突触的传递效率：y i 是i 神经元的输出；f 。 是激发函数它决定i 神经元受到输人x l 、 x 2 、i 。j ( n 的共同刺激达到闽值时以何种方式输出。如图3 3 所 示从左到右分别为阶跃型激发函数、线性激发函数和s 型激发函数的 波形。 图3 3 激发函数波形图 对于阶跃型激发豳数，它的输出是电位脉冲，故丽这种激发函 数的神经元称离散输出模型。 对于线性激发函数，它的输出是随输入的激发总量成正比的， 故这种神经元称线性连续型模型。 对于s 型激发函数，它的输出是非线性的，故这种神经元称非 线性连续型模型。 以上面所叙述的是应用最广泛而且人们最熟悉的神经元数学模 型，也是历史最长的神经元模型。近年来，随着神经网络理论的发展， 出现了不少新颖的神经元数学模型，这些模型包括逻辑神经元模型、 模糊神经元模型等，并且也逐渐受到人们的关注和重视。大量的 形式相同的神经元连结在一起就组成了神经网络。神经网络是一个高 度非线性动力学系统。虽然，每个神经元的结构和功能都不复杂，但 是神经网络的动态行为则是十分复杂的，因此，用神经网络可以表达 实际物理世界的各种现象。神经网络是模仿人的学习和思维力的一种 智能算法，可以进行系统识别、建模以及对系统的预测和控制。神经 网络技术在2 0 世纪七、八十年代取得了重大进展，其成果大量应用 于系统的识别、建模和控制。其建模特点是，神经网络通过对输入输 1 6 西华大学硕士学位论文 出样本的学习，不断的调整网络的权值和阀值，使网络实现给定的输 入输出映射关系，并具有一定的学习和泛化能力。现在人工神经网络 的模型有数十种之多，目前应用较多的典型模型包括b p 网络、 】 o p f i e l d 网络、a r t 网络和k o h o n e n 网络。 3 3 2 神经网络算法的特点 神经网络具有这样一些特点： ( 1 ) 可以充分逼近任意复杂的非线性关系： ( 2 ) 具有很强的鲁棒性和容错性，因为信息是分布储存在网络 内的神经元中： ( 3 ) 它是一种并行处理方法，使得计算速度快； ( 4 ) 可以处理不确定或不知道的系统，圜神经网络具有自学习 和自适应能力： ( 5 ) 具有很强的信息综合能力，能同时处理定量和定性的信息， 能很好地协调多种输入信息关系，适用于多信息融合等技术领域。 3 4 改进b p 神经网络优化速度p i d 控制器的算法设计 3 4 1 基于b p 神经网络的p i d 控制器原理简介 整个系统的结构如图3 4 所示，由图可见，该控制器由两部分构 成： ( 1 ) 经舆的p i d 控制器，直接对被控对象进行闭环控制，并且 三个参数k p ，k i ，k d 为在线调整方式 ( 2 ) 神经网络，根据系统的运行状态，调节p i d 控制器的参数， 以期达到某种性能指标的最优化，使输出层神经元的输出状态对应于 p i d 控制器的三个可调参数k p ，k i ，k d ，通过神经网络的自学习、加 权系数调整，使神经网络输出对应于某种最优控制律下的p i d 控制器 参数。 这里采用的经典增量式数字p i d 的控制算法为 “( 七) = “ 一i ) + k 。( e ( ) 一e ( k 一1 ) ) + k j e ( k ) + k j ( e ( k ) 一2 e ( k i ) + e ( k 一2 ) ) ( 3 7 ) 7 西华大学硕士学位论文 圈3 4 基于b p 神经嬲络的p i d 控制系统结构 3 4 2 改进b p 神经网络优化速度h d 控制器的算法设计 3 4 2 ，l 浚进b p 耱经网络的绪构和学习算法设计 本文采蠲三层辨瘸络，其结梅强圈3 5 绣示。 曩 为 两 图3 5 神经b p 网络结构 其中 ( 1 ) 弼终辕入凄麴输入为 。? 一x ( j )j = l ，2 ，m ( 3 8 ) 式中m 代表输入变擞的个数，其大小取决予被控系统的复杂程度。 ( 2 ) 网络隐禽层的输入、输出为 ，盯g f j 2 ) 2 荟咄砷。? ( 3 9 ) 。f 2 ) 。f ( n e t l 2 ) 【f 。1 , 2 q 】 式中辟代表隐含层的细权系数；上角标( 1 ) 、( 2 ) 、( 3 ) 分剐 垦兰查兰堡圭兰垡丝壅 代表输入层、隐曾层和输出层。 隐含层神经元的活化函数取正负对称的s i g m o i d 函数 m _ t a n h ( 班筹 _ l ( 3 )网络输出层的输入输出为 h p f 3 ( ) ；w p d j 2 ( ) d 。 ) ；g ( n e t j 3 ) ) ( f = 1 , 2 、3 ) d f 3 ) t k p ( 3 - - 1 】) o 字( ) 一k 。 o 乳) = k d 输出层输出节点分别对应三个可调参数z p ，k i ，k d 。由于k p ，k i ， k d 不能为负值，所以输出层神经元的活化函数取非负的s i g m o i d 函数 删；圭( 1 + t a n h = 寿叫2 取性能指标涵数为 e ( t ) ；委( ， ) 一y ) ) ：( 3 - - 1 3 ) e ( t ) = 去( ， ) 一y ) ) 2 按照梯度下降法修正网络的权系数，即按e ( ) 对加权系数的负梯 度方向搜索调整，并附加一使搜索快速收敛于全局极小的惯性项 钟阶叫嚣+ 硝砸棚 ( 3 叫) 式中，卵为学习速率： 口为惯性系数。 器；器器器端o卵netime万(k)oy(ko u ( ko w 护) a o 3 ) 啦) a h e f j ”忙) d w ) r ，一1 鬻叫2 诹) 由于器未知，所以近似用符号函数s g n ( 器) 取代，由此 带来计算不精确的影响可以通过调整举习速率叩来补偿。 一耍兰奎兰堡主堂堡堡塞 由式( 3 7 ) 和式( 3 一1 1 ) ，可求得 蔫啡一) 蔫。m ) ( 3 - - 1 6 ) j 丽o u ( k ) = p ( 七) 一2 p ( 女一1 ) + e ( 七一2 ) 综合上述分析可分别计算得到两组权系数的学习算法如下： ( 1 ) 输出层权系数的学习算法为 w f 3 ) = a a w ：a 一1 ) + 町d f ( 3 , o f 2 ) a i ( 3 ) = e r r o r 唧( 器) 未黠占。科坝乩z 、3 ) _ 1 7 ( 2 ) 隐含层权系数的学习算法为 呼；a a w ；2 一1 ) + r 6 1 ( 2 ) d | 1 ) ( 七) 6 乳，f f 2 意6 f m w _ ；：3 ) ( 3 似六q ) 叫81 以上式子中： g ( ) ；g ( x ) o 一占 ) ) ，( ) ；( 1 一f2 0 ) ) 2 3 4 2 2 改进b p 神经网络优化速度p i d 控制器的运算步骤 ( 1 ) 确定b p 网络的结构，即确定输入层节点数m 和隐含层节点 数q ，并给出各层权系数的扔值嵋( o ) 和w ；( 0 ) ，选定学习速率，7 和惯 性系数口，此时k = i 。 ( 2 ) 采样得到r ( k ) 和y ( k ) ，计算e ( k ) = r ( k ) - y ( k ) 。 ( 3 ) 计算神经网络各层神经元的输入、输出，其输出即为p i d 控制器的三个可调参数k p ，k i ，k d 。 ( 4 ) 根据式( 3 7 ) 计算出速度p i d 控制器的输出u ( k ) 。 ( 5 ) 进行神经网络掌习，在线调整各层权系数w j ( o ) 和w 。2 ( o ) ， 实现对速度p i d 控制参数的自适应调整。 ( 6 ) 置k = k + 1 ，返回到( 1 ) 。 嚣华大学硕士学位论文 3 5 麓改进遗传算法调练猝经鬻络速瘦p i 控镧器 3 。5 i 使用b p 算法训练的缺点 镬璃静冀法对摔经隧络邀行诩练时，由予需要穗梃教帮信号对潮 络训练，对时变系统这种训练滩以达到很高的精度。此外，由于b p 学习算法是萋予糖度下簿这一奉矮，不可遂兔遮存褒戳下三个钦点： 学习过程收敛遮度慢； 算法不究套，容易麓入蜀部辍小点，两当学习速率浚嚣离辩， w 能产生振荡： 餐捧往不好，瓣络毪憨对嚣终懿秘戆竣嚣跑较敏感。 3 5 2 使用改进遗传算法训练字申经网络速度p i 控制器 3 。5 + 2 。l镬用敬避遗健算渡谢练耪经嬲终熬优点 神缀网络控制就是由神经嘲络作为控制器，对复杂的不确定、不 确知系统实理鸯效豹控铡。爨毒枣经网终撵p 接裁器，广泛采矮熬是 b p 学习算法，但该算法存在以上3 5 i 小节所描述的缺点，且对于时 变致态系统，其学习穗发瞧受到一定豹辍割。褥采用遗传篥竣寒对享枣 缝网络p i 控制器进行学习和训练，也即是用遗传算法来优化网络的 叛系数，这襻不仅霹默在一定攘度上炎服鞋上姣点，蠢且在按铡蠖：戴 上将带来以下优点： ( 1 使p l 控制器具有褥经霹络救广泛欧射能力。 ( 2 ) 使p i 控制器具有全局、并行寻优及增强式的学习能力。 ( 3 ) 可提赢控制系统款性能，j c 重予j 线性、时变、滞屡等被控 对象，猩控制精度、鲁棒性和动态特性方面都可得到改善。 3 5 2 。2 使用改进遗传冀法训练神经瓣终速度p i 控制器的疹骧 1 酋先给出改进遗传算法训练神经网络p i d 控制系统韵结构图 如下图3 6 所冢。 2 本文采用的是在神经湖络结构固定的前提下，用改进遗传算法 逖 亍网络权系数的彭 l 练，优化其权系数俊。其训练步骤如下： ( 】) 随机产生一缎具有m 个个体的种群x = ( x 。，x 。，x o ) ”， 萃巾群中每个个体x i = ( x 。w ”，x 。) 代表一个神缎网络的初始投值分布， 2 】 西华大学硕士学位论文 每个基因值表示一个神经网络的一个连接权值，则个体的长度为神经 网络的权值的个数和阈值个数之和，即 n 皇r 占l + s 】x s 2 + s 1 + s 2 式中的i _ 表示输入层数：s 、表示隐含层数；s ：表示输出层数。 图3 6 改进遗传算法训练神经网络p i d 控制系统的结构图 ( 2 ) 对产生的神经网络计算它的误差函数，从而确定其适应度 函数值，误差越大，则适应度越小。于是本文所采用的适应度函数改 进为： f ) = 壶 式中的e 表示神经隧络的输出误差。 ( 3 ) 采用3 2 2 小节所设计的改进的选择、交叉和变异算予对 当前一个种群进行遗传运算，产生出下一代种群。 ( 4 ) 重复执行步骤2 ，3 ，4 ，使初始确定的一组权值分布得到 不断的进化，直到训练目的得到满足为止。( 其算法的终止条件也采 用与3 2 2 小节类似的条件) 。 西华大学硕士学位论文 第四章系统仿真 4 1 基于g a b p n n 优化的p m s m 速度控制系统的组成 速痉 考值 图4 1 基于g a b p n n 优化的p m s m 速度控制系统缴成框图 壶予采瑟了i d = o 翡经翻綮舔，禹j 毙系统参数设计可戳去箨1 d 对 废的环节，得到如上图4 1 所示的系统组成框图。熬个系统的运行 袋焉了瑕阕邵静控秘繁蟋：繇滚滚王 ：稻速度骡。 其中电流环作为内环，采用了基本的p i 控制算法设计电流p 】撩 懿嚣，葵作震楚：建离系凌翁一汰速瞧，簿稍龟流环蠢都予撬，陵裁激 大电流保障系统安全运行，保持电流搬动态响应过程中不出现过渡超 谰。 速度环作为外环，用了g a - b p n n 算法设计速度p i 控制器，其作 蠲是：瓣强系统撬受载撬动静能力，害霉镪速度滚动。 4 。2p m s m 等效电枫模型静建立 永磁同步电动机具有正弦形的电动势波形，其定予电压、电流也 疲炎正弦波。壤据筹2 牵麓分橱，虫永磁露步迄磁撬瓣惫基方程，滚 磁转矩方程和转矩平衡方程可得d q 嫩标系中电机的状态方程如下( 4 - - 1 ) 式骶示： 西华大学硕士学位论文 警；i 1 即一+ w l q i q ) 百d i q 一去峨硝 一毗越 )( 4 刊 等一亨- b f o - t l ) 塑。 式中 t 。一电机的电磁转矩；，一负载转矩 0 一转子d 轴轴线与定子a 相绕组轴线的夹角 叫一电机的角速度；j 一转动惯量；日一摩擦阻力系数 由永磁同步电机矢量控制系统的原理可知，速度环控制器最终是 通过控制i q 来达到目的的。在设计速度环和电流环控制器时可以用 永磁同步电机简化的等效数学模型，即使用i d = o 时的数学模型。此 时永磁同步电机的状态方程如下( 4 2 ) 式所示： i d i q = i 1 ( “，一月，i 。一妒，) 警；手( p 1 】f ，：i q - b o ：- t l ) ( 4 - - 2 ) 塑。 d t 对( 4 - 2 ) 式进行拉氏变换为 西华大学硕士学位论文 f 扩丢( “，吨卜毗) 嬲；l ( p l p f i q - b 一t ) ( 4 3 ) 8 s = ( u 由( 4 3 ) 式便可得到p m s m 的结构图如下图4 2 所示。 图4 2 永磁同步电动机