开关磁阻电机调速系统BP神经网络建模_图文_百度文库

1、第12卷第4期2008年7月电机与控制学报EL EC TR IC MACH I N ES AND CON TROLVol 112No 14July 2008开关磁阻电机调速系统BP 神经网络建模杨先有,易灵芝,段斌,彭寒梅(湘潭大学信息工程学院,湖南湘潭411105摘要:为了实现开关磁阻电机调速系统(SRD 的准确动态仿真,在测取准确磁特性样本数据基础上,利用神经网络所具有的非线性映射能力,采用基于Levenberg 2Marqvardt 算法的BP 神经网络,建立了开关磁阻电动机的非线性模型,并在MAT LAB 仿真平台上搭建SRD 系统动态仿真模型。仿真实验表明,与常规线性SRD 动态仿真

2、模型相比,采用BP 神经网络的SRD 动态仿真模型转矩脉动小,具有稳定性好,鲁棒性强的特点。关键词:开关磁阻电动机;非线性模型;神经网络;建模中图分类号:T M352;TP183文献标识码:A文章编号:1007-449X (200804-0447-04M odeli n g switched reluct ance dr i vi n g with the BP neural networkY ANG Xian 2you,YIL ing 2zhi,DUAN B in,PENG Han 2mei(College of I nf or mati on Engineering,Xiangtan Un

3、iversity,Xiangtan 411105,China Abstract:T o p r ovide the accurate dyna m ic si m ulati on of the S witched Reluctance D riving (SRD ,After measuring the accurate flux 2linkage data,the nonlinear model of S witched Reluctance Mot or (SR M was f ounded,which made use of nonlinear mapp ing ability of

4、BP neural net w ork based on Levenberg -Mar 2quardt arith metic .Based on the BP neural net nonlinear model,a comp lete si m ulati on model of SRD on MAT LAB was devel oped .Si m ulati on experi m ent indicated that the SRD si m ulati on model based on the BP neural net has s maller fluctuati ons of

5、 t orque and perf or m s better than the linear model of SRD on the stability and r obustness .Key words:s witched reluctance mot or;nonlinear model;neural net w ork;modeling收稿日期:2007-12-29基金项目:国家自然科学基金(50677058;湘潭大学学科交叉课题(06I N D06作者简介:杨先有(1984-,男,硕士研究生,研究方向为计算机控制技术与应用;易灵芝(1966-,女,硕士,教授,研究方向为交流调速与电

6、力电子装置、电力线路通信;段斌(1966-,男,博士,教授,研究方向为电力系统自动化;彭寒梅1979-,女,硕士研究生,讲师,研究方向为开关磁阻电机及其控制。1引言虽然开关磁阻电动机(S witched Reluctance Mo 2t or,SR M 结构简单,但由于SR M 采用双凸极铁心结构,其电流及磁链随时间呈单向性脉冲变化,绕组电流的非正弦与电动机磁路饱和、涡流、磁滞效应等产生的非线性,使其电磁关系非常复杂,用传统的性能分析方法无法得到统一、实用的模型,因此,建立SR M 准确的非线性模型是提高其调速系统性能的关键1,2。神经网络对非线性函数具有很强的逼近能力,对非线性系统有很好的建

7、模能力,正适合于解决非线性系统建模问题。所以神经网络适合于对SR M 进行建模。El m as 首先提出用BP 网络分析SRM 的模型,从而开拓了用神经网络建立SR M 模型的思路3。基于MAT LAB 平台的Si m ulink 是控制系统动态仿真的理想环境,虽然Si m ulink 的模块库中不包括开关磁阻电机模块,但它的直观、便捷、准确的特点及其具有的专业模块库为具有各种先进控制理论应用的开关磁阻电机调速(S witched Reluctance D riving, SRD系统的整体仿真提供了适宜的平台4。本文基于BP神经网络建立SR M准确非线性模型的基础上,在MAT LAB环境下构建

8、了SRD系统的整体动态仿真模型,并与常规线性SRD动态仿真模型进行了对比。2SR M非线性模型要精确的计算SRM的性能,对稳态运行特性进行分析,或是要进行SR M的结构设计,就必须对SR M进行非线性建模。至今国内外已经提出了许多计算方法,其中以测量数据为基础利用神经网络等智能算法对SR M进行非线性建模。由于神经网络可以对任意的非线性函数进行逼近,所以它可以实现SR M的非线性建模。该方法的特点是计算简单、有较好的精度,并且有很好的鲁棒性。211SR M基本方程1电路方程根据电路基本定律,开关磁阻电动机的一相电路方程为U=R i+dd t,(1式中:U是加在该相绕组上的电压;R是该相绕组的电

9、阻;i是流过该相绕组的电流;是该相绕组的磁链。2机械方程按照力学定律可得出开关磁阻电动机的电磁转矩Te 和负载转矩TL作用下的转子机械运动方程为T e=Jd2d t2+Ddd t+T L,(2式中:J为转动惯量;D为粘性摩擦系数。3机电联系方程式(1和式(2分别从电端口和机械端口两个方面列出了开关磁阻电动机的系统方程,这两者是通过电磁转矩耦合在一起的,因此反映机电能量转换的转矩表达式就是开关磁阻电动机的机电联系方程:T a=5W5i=const=-5W5=const。(3式中:Ta为一相绕组所产生的电磁转矩;W=id i=i0l(i,i d i,为绕组的磁共能,5W即为耦合磁场在转子位移增量内

10、的磁共能增量;W=i(,d,为绕组的储能。在2i平面上,任一点处绕组储能的大小即为运行点所对应转子位置处的磁化曲线以左的区域面积5。212基于BP神经网络的SR M非线性模型样机为1台四相、8/6极、715k W的SRM。该样机1个电周期为60°转子机械角,0°转子位置角对应于定子凸极中心与转子凹槽中心重合位置,30°转子位置角对应于该相定子凸极、转子凸极中心完全对齐的位置。对本样机系统而言,磁特性关于30°对称,因此实测数据为半个电周期内转子位置角的测量结果。神经网络建模的主题思想是从算法和网络结构的角度通过训练速度、识别误差、预测效果对算法程序、网络

11、结构进行多次调整,最终得到一个参数、结构优化的BP神经网络6。根据样本,令输入X为二维向量,开关磁阻电动机的转子位置角和电机磁链,输出T为定子绕组电流i。采用Levenberg2Marquardt算法的BP神经网络离线训练i(,模型,其训练速度快,克服了标准BP算法训练中存在的收敛缓慢问题;BP神经网络训练的参数:网络为一个2×4×6×1结构的BP网络。隐含层的激活函数为tansig,输出层的激活函数为线性函数purelin。最大训练次数为1000次;训练目标(均方误差为0100016。利用MAT2 LAB进行仿真实验,在经过57次训练后满足了实验的要求。仿真结果

12、如图1所示 。图1BPNN i(,训练效果F i g.1S i m ul a ti on effect of BPNN i(,844电机与控制学报第12卷在图1中,(a 为BP 神经网络仿真误差变化曲线,(b 为训练后的BP 神经网络i 2仿真曲线。神经网络的鲁棒性依赖于神经网络参数位置和它附近系统误差曲面的具体形态。神经网络参数设计在极值点附近而其附近的形态误差曲面又比较平缓时,网络的鲁棒性就好。使系统误差曲面在设计处平缓的主要方法是选用平滑的变换函数,而BP 神经网络的变换函数都是平滑的。结合图1可知,该网络训练速度快,误差精确度高,鲁棒性强,有较好的泛化能力。同理,可建立转矩特性T (i

13、,的非线性神经网络模型。3基于Si m uli n k 的SR D 动态仿真模型开关磁阻电动机是一个时变、非线性系统,同时SRD 是电动机、功率变换器与控制器的统一体,采用传统的控制方法难以达到优良的性能。要对SRD 采用的控制策略进行研究,必须首先建立开关磁阻电动机调速系统整体的动态仿真模型7-9。在Si m ulink 环境下建立开关磁阻电动机线性仿真模型和基于BP 神经网络的非线性模型;构造电压P WM 控制模块等,形成电压斩波控制方式下的SRD 仿真模型。基于BP 神经网络的SRD 动态仿真模型中A 相模块如图2所示。由于四相绕组对称、控制方式相同,每相依次滞后1/4电周期角度即15&

14、#176;,所以相B 、C 、D 只需将相A 进行移相处理即可 。图2基于BP 神经网络的SR D 动态仿真中的A 相仿真模型F i g .2Pha se A of SR D si m ul a ti on m odel ba sed on BPneura l network在图2中,S witch 模块是逻辑换相及功率变换器模块,根据转子角度位置和开关磁阻电动机逻辑换相关系编程。Modul o .P I/3模块是将转子位置角归算为一个周期内对应参考零角度的值。磁特性关于30°对称,所以电流特性也是关于30°对称的,故转子位置角经过Modul o .P I/3模块后,在进入

15、电流特性的非线性神经网络模型前,需要再一次进行角度转化,这一功能就是由Angle S witch 模块来实现的。Current 模块为电流计算模块,T orque 模块为转矩计算模块。4仿真结果分析及比较当给定转速n =800r/m in ,空载时,开关磁阻电动机的总转矩仿真波形如图3所示,输出转速仿真波形如图4所示 。图3总转矩仿真波形F i g .3S i m ul a ti on results of tot a l torque由图3、4中的仿真结果可知:总转矩波形中,基于BP 神经网络的四相SRD 的仿真模型的转矩峰值比基于线性电感模型的四相SRD 的仿真模型的要小,转矩脉动也比较小

16、;基于BP 神经网络的四相SRD 的仿真模型中的转速波形几乎没有超调,能够很好地跟随给定转速,而基于线性电感模型的四相SRD 的仿真模型中的转速波形有一定的超调,转速波动比较大。基于BP 算法在非线性建模和控制方面的快速收敛性和运行稳定性,通过训练速度、识别误差、预测效果的多次整定,建立了SR M 准确的非线性模型。用这种方法建立的SR M 非线性模型,稳定性好,鲁棒性强,而基于该非线性模型的SRD 仿真模型在稳定性和鲁棒性方面也得到了相应地改善。总的来说,基于BP 神经网络的SRD 仿真模型有较强的优越性。944第4期开关磁阻电机调速系统BP 神经网络建模图4转速仿真波形F i g.4S i

17、 m ul a ti on results of speed5结语本文在MAT LAB/Si m ulink环境下对基于BP神经网络的SRD动态仿真模型进行了仿真,仿真结果表明了采用BP神经网络的SRD动态仿真模型运行平稳性好,鲁棒性强;相比于基于线性电感模型的SRD动态仿真模型,该方式的转矩脉动和转速超调量小,对于优化SRD系统能量转换、减小转矩脉动的深入研究有着重要意义。SR M非线性模型的准确性取决于样本数据的精确度,故样本数据的采集对系统的仿真建模有很大的影响。通过仿真,验证了基于BP神经网络的SRD动态仿真模型的可行性和优越性,为系统整体参数优化、控制策略研究提供了理论依据及必要的系

18、统参数。参考文献:1汤小君,易灵芝,朱建林,等.非线性模型的开关磁阻电动机转矩脉动抑制J.电机与控制学报,2007,11(2:120-124.T ANG Xiaojun,YIL ingzhi,ZHU Jianlin,et al.Torque ri pp le re2 ducti on in s witched reluctance mot or based on the nonlinear modelJ.E lectric M achines and Control,2007,11(2:120-124. 2汤小君,易灵芝,彭寒梅.基于关断角补偿的开关磁阻电动机转矩脉动抑制仿真J.电机技术,20

19、06(4:17-20.T ANG Xiaojun,YI L ingzhi,PENG Hanmei.Si m ulati on ons witched reluctance mot or under a fuzzy2l ogic2based turn2off anglecompensati on f or t orque ri pp le reducti onJ.E lectrical M achineryTechnology,2006(4:17-20.3ELMAS C,S AGI ROG LU S,COLAK I,et al.Modelling of a non2linear s witche

20、d reluctance drive based on artificial neural net w orksC/F ifth International Conference on Po w er E lectronics and Var2iable2Speed D rives,London,1994(26-28:7-12.4蔡燕,许镇琳,高超.基于神经网络非线性模型的开关磁阻电机调速系统动态仿真J.电工技术学报,2006,26(8:25-30.CA I Yan,XU Zhenlin,G AO Chao.Si m ulati on of SRD based onneural net nonlinear modelJ.Transactions of China Electrotech2 nical Society,2006,26(8:25-30.5王宏华.开关型磁阻电动机调速控制技术M.北京:机械工业出版社,1999.6从爽.面向MAT LAB工具箱的神经网络理论与应用M.合肥:中国科学技术大学出版社,1