智能控制在电气传动系统中的作用及应用

-1-首钢工学院毕业论文（设计）题目：智能控制在电力传动系统中的作用及应用系别：机电系专业：电气自动化班级：071姓名：王立伟指导教师：白小梅2010年5月9日-2-摘要：在电力电子与电力传动应用中，控制系统始终是一个核心问题，因为它直接影响整个系统的性能。自动化程度的提高和普及,受控对象日趋复杂,对于许多难以获得数学模型或模型复杂的过程,应用经典和现代控制理论往往不能取得令人满意的控制效果。可是在手动控制中,熟练的操作人员却可以驾驭自如。计算机在逻辑推理、判断、识别、决策、学习等方面的功能可以承担按照熟练操作人员和专家的经验与方法进行控制的工作。另一方面,许多探索如何实现人脑思维功能的学术领域,如人工智能、专家系统、神经网络、模糊逻辑等的研究取得了可喜的进展,这些研究成果从不同的角度提出了各种仿照人的知识、思维进行控制的方法,如专家控制器、神经元控制、模糊控制等等,统称智能控制。随着智能控制理论和电力传动技术的发展，智能控制越来越多的使用在电力传动系统中。本文阐述了智能控制的特点，在此基础上分析了智能控制在电力传动控制系统中应用并给出了智能控制在电力传动控制系统的应用实例。本文介绍了智能控制系统理论及其系统结构。重点分析了专家控制、神经网络、模糊逻辑控制和遗传算法等智能控制方法在电力传动系统上应用和它们发挥着的重要作用。针对电力传动系统的非线性和复杂性，智能控制通过模拟人的思维方式，可以在线改变系统的参数和结构，使控制系统达到最优，实现令人满意的控制效果。关键字：智能控制；电力传动；专家系统；神经网络；模糊控制-3-目录1.前言-------------------------42.智能控制概述---------------------43.智能控制理论与系统结构----------------53.1智能控制的产生背景------------------53.2智能控制系统的特点------------------53.3智能控制的学科基础------------------53.4智能控制系统的构成-------------------64.电力传动系统采用智能控制优势--------------75.智能控制在电力传动中的应用---------------75.1模糊控制在电力传动系统中的应用--------------75.2神经网络PID在电机调速中的应用--------------85.3基于专家控制的电力传动系统----------------95.4基于神经网络的电力传动系统----------------105.5基于遗传算法的电力传动系统----------------115.6结语------------------------11主要参考文献----------------------11致谢--------------------------121.前言-4-电力传动系统是以电动机作为原动机的机械系统的总称，其目的是为了通过对电动机合理的控制，实现生产机械的起动，停止，速度、位置调节以及各种生产工艺的要求。它始于20世纪初，随着电动机的推广应用，其控制问题逐渐从电机领域独立出来，成为一个单独的领域。从60年代起，随着电力电子技术的发展，电力电子变换器取代了电机机组变换，特别是80年代以来，变频交流调速的发展，使电力传动发展到一个全新的境界，并融入电力电子范畴。经过近百年的发展，今天的电气传动是一个集控制、电力电子、微电子、信息、材料和机械等学科新技术于一体的全新学科。随着电力电子器件和控制理论的不断发展和对控制效果的要求越来越高，传统的控制系统已经越来越难以满足更高的控制要求。近年来，国内外的专家学者对电力传动系统进行了大量的研究，试图寻找不同的控制理论和方法实现对电力传动系统的控制，以便检查或说明该方法对具有非线性和强耦合特点的电力传动系统的控制能力。其中智能控制的许多重要优点已得到了验证和应用，越来越多的智能控制方法在电力传动领域中得到广泛的应用。2.智能控制系统概述智能控制是指驱动智能机器自动地实现其目标的过程，即是一类无需人的直接干预就能独立地驱动智能机器实现其目标的自动控制。其理论基础是人工智能、控制论、运筹学和信息论等学科的交叉。傅京孙教授于1971年首先提出了智能控制的二元交集理论即人工智能和自动控制的交叉；美国的萨里迪斯(G.V.Saridis)于1977年把傅京孙教授的二元结构扩展为三元结构，即人工智能、自动控制和运筹学的交叉；后来，中南大学的蔡自兴教授又将三元结构扩展为四元结构，即人工智能、自动控制、运筹学和信息论的交叉，从而进步完善了智能控制的结构理论，形成智能控制的理论体系。随着自动化程度的提高和普及,受控对象日趋复杂,对于许多难以获得数学模型或模型复杂的过程,应用经典和现代控制理论往往不能取得令人满意的控制效果。可是在手动控制中,熟练的操作人员却可以驾驭自如。计算机在逻辑推理、判断、识别、决策、学习等方面的功能可以承担按照熟练操作人员和专家的经验与方法进行控制的工作。另一方面,许多探索如何实现人脑思维功能的学术领域,如人工智能、专家系统、神经网络、模糊逻辑等的研究取得了可喜的进展,这些研究成果从不同的角度提出了各种仿照人的知识、思维进行控制的方,如专家控制器、神经元控制、模糊控制等等,统称智能控制。首先,智能控制突破了传统控制理论中必须基于数学模型的框架,它按实际效果进行控制,不依赖或不完全依赖于控制对象的数学模型。其次,智能控制继承了人脑思维的非线性特性,可以利用计算机控制的便利,根据当前状态切换控制器的结构,用变结构的方法改善系统的性能。某些智能控制方法还具有在线辩识、决策或总体自寻优的能力。在复杂的系统中,智能控制还具有分层信息处理和决策的功能。智能控制将是继经典控制和现代控制之后的第三代自动控制技术。近年来，神经网络、模糊数学、专家系统、进化论等各门学科的发展给智能控制注入了巨大的活力，由此产生了各种智能控制算法。当前，智能控制的几个重要分支是专家控制、模糊控制、神经网络控制和遗传算法。3.智能控制理论与系统结构-5-3.1智能控制的产生背景智能控制的概念和原理主要是针对被控对象、环境、控制目标或任务的复杂性而提出来的。而计算机科学、人工智能、信息科学、思维科学、认知科学和人工模糊的连接机制等方面的新进展和智能机器人的工程实践，从不同角度为智能控制的诞生奠定了必要的理论和技术基础。被控对象的复杂性表现为：模型的不确定性，高度非线性，分布式的传感器和执行器，动态突变，多时间标度，复杂的信息模式，庞大的数据量，以及严格的特性指标。环境的复杂性是以其变化的不确定和难以辨识为特征的。在传统的控制中，往往只考虑控制系统和被控对象所组成的“独立”体系，忽略了环境所施加的影响，而现在的大规模复杂的控制和决策问题，必须把外界环境和对象以及控制系统作为一个整体来进行分析和设计。对于控制任务或控制目标，以往都着眼于用数学语言进行描述，这种描述经常是不精确的。实际上，控制任务和目标有多重性(多目标))和时变性，一个复杂任务的确定，需要多次的反复，而且还包括任务所含的处理过程。面对复杂的对象、复杂的环境和复杂的任务，用传统的控制理论和方法去解决是不可能的。在生产实践中，复杂控制问题可通过熟练操作人员的经验与控制理论相结合去解决，由此产生了智能控制。这就产生了一种仿人的控制理论和方法，形成了智能控制产生的背景。与传统的控制理论相比，智能控制对于环境和任务的复杂性有更大的适配程度。它不仅仅是对建立的模型，而且对于环境和任务能抽取多级的描述精度，进而发展了自学习、自适应和自组织等概念，所以能在更广泛的领域中获得应用。3.2智能控制系统的特点智能控制源于被控系统的高度复杂性、高度不确定性以及人们要求越来越高的控制性能，是控制理论发展的高级阶段，它的产生与发展使得控制系统中信息、反馈和控制等重要概念有了更加丰富的内涵。（1）智能控制系统一般将以知识表示的非数学形式的模型和以数学形式表示的模型的结合在一起。它适用于含有复杂的、不完全的、模糊的、不确定和不存在已知算法的生产过程。它能根据被控对象的动态参数进行辨识，并采用开闭环及定性与定量结合的控制方式。（2）智能控制器具有分层信息处理和决策的机构。智能控制器本质上是在模仿人的神经结构和人的处理方式。因此智能控制核心在高层控制，对环境或过程进行总体上的求解，模拟人脑的思维。在底层上，通常采用常规控制。（3）智能控制器具有非线性。非线性是人脑与模拟人脑的智能控制器的共同特点。（4）智能控制器具有变结构的特点。当智能控制器根据偏差和偏差变化率来改变参数也不能达到系统控制要求时，切换系统的控制结构成为智能控制器的另一选择。（5）智能控制器具有总体自寻优的特点。智能控制器可以对被控系统进行在线辨识，通过不断的优化控制系统的参数和结构来达到最优控制。3.3智能控制的学科基础智能控制系统的核心集中在“智能”上，智能只能靠模拟人类的智能。模拟人类模糊逻辑思维的模糊集合论、模拟人的大脑神经结构和功能的神经网络理论，以及模拟人的感知、行动的进化论，另外，信息论、物元分析和可拓集合论、耗散结构论、协同学、突变论和混沌理论都已经成为研究智能控制理论的学科基础的组成部分。总之，智能控制理论的研究和发展需要众多前沿学科作为基础，而智能控制理论的深入-6-研究又必将推动其它相关学科的发展。3.4智能控制系统的构成简单的智能控制系统是由被控对象和仿人控制器组成的负反馈闭环控制系统，其结构图如图1所示。若设想把人的经验和知识赋予控制器，这种控制器就是智能控制器。它借助计算机按照人的意志和愿望实现对生产过程的控制。随着控制技术的发展，多级递阶智能控制系统应用越来越广。如图2所示。多级递阶智能控制是从工程控制论角度，总结人工智能、自适应、自学习和自组织控制的关系后形成的，由组织级、协调级和执行级三级组成。每一级都分别具有在线特征辨识、知识库和推理机，在组织级一般还设有性能指标库来作为学习评判的标准。级间的数据交换是通过公共数据库来完成。运行控制级属于低层控制级，根据人的经验和知识实现对工业生产过程的闭环控制，本质上它已是一个简单的智能控制系统，故称运行控制级为零阶产生式系统。参数校正级是高层和低层控制级之间的转换接口，主要解决运行级控制模态或控制模态参数自校正，使运行控制级按照人们预期的目标运转。它和运行控制级一起称为一阶产生式系统。控制规则组织级属于高层控制级。当系统运行状态、外部环境和被控对象等发生较大变化，或者给定任务和控制要求需要变更时，控制规则组织级马上进行运行控制级和参数校正级中的特征模型、推理方法和控制策略的控制模态选择、修正及自学习生成。它和运行-7-控制级、参数校正级一起，称为二阶产生式系统。4.电力传动系统采用智能控制优势人工智能控制器可分为监督、非监督或增强学习型三种。常规的监督学习型神经网络控制器的拓朴结构和学习算法已经定型,这就给这种结构的控制器增加了限制,使得计算时间过长,常规非人工智能学习算法的应用效果不好。采用自适应神经网络和试探法就能克服这些困难,加快学习过程的收敛速度。常规模糊控制器的规则初值和模糊规则表是既定a-priori型,这就使得调整困难,当系统得不到a-priori(既定)信息时,整个系统就不能正常工作。而应用自适应AI控制器,例如使用自适应模糊神经控制器就能克服这些困难,并且用DSP比较容易实现这些控制器。总而言之,当采用自适应模糊神经控制器,规则库和隶属函数在模糊化和反模糊化过程中能够自动地实时确定。有很多方法来实现这个过程,但主要的目标是使用系统技术实现稳定的解,并且找到最简单的拓朴结构配置,自学习迅速,收敛快速。5.智能控制在电力传动中的应用电力传动系统中发电机、变压器、电动机等电机电器设备的设计、生产、运行、控制是个复杂的过程，国内外的电气工作者将人工智能技术引入到电气设备的优化设计、故障诊断及控制中，取得了良好的控制效果。例如，应用于电气设备故障诊断的智能控制技术有：专家系统、神经网络和模糊逻辑控制。在电力电子学的