智能控制在电力传动系统中的作用

中国科技论文在线，江苏徐州（221008）E-mail:[e-mail]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。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。关键词：电力传动；智能控制；模糊控制；神经网络中图分类号：TM9211引言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[1]。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。今天的电力传动是一个集控制、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[1]。对于电力传动系统的设计，其关键部分是控制器的设计。传统控制器的设计是建立在对象的精确数学模型的基础上,有的需要大量的传感器、观察器因而结构复杂，有的还是无法摆脱非线性和电机参数变化的影响，因而需要进一步探讨解决这类问题的方法与途径[2]。近年来，智能控制研究非常活跃，并在许多领域获得了应用。由于智能控制无需对象的精确数学模型，并可以在处理有不精确性和不确定性的问题中获得可处理性、鲁棒性，因而许多学者进行了将智能控制方法引入电力拖动控制的研究，并且取得了很多的成果。本文综述了智能控制的概念，阐述智能控制在电力传动系统中应用的现状，并且提出了对未来的展望。2智能控制概述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[2]。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。中国科技论文在线、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。4智能控制在电力传动系统中的应用4.1模糊控制在电力传动系统中的应用模糊控制即是利用模糊集合来刻画人们日常所使用的概念中的模糊性，从而使控制器能更逼真的模仿熟练操作人员和专家的控制经验与方法。模糊控制最大的优点是不依赖于被控对象的精确数学模型，能够克服非线性因素的影响，对调节对象的参数变化具有较强鲁棒性。因而在电力拖动领域中的应用相对于智能控制的另两种方法(专家系统、神经网络)来讲要成熟些，它在交、直流调速系统及伺服系统中均取得了令人满意的效果。目前，模糊控制已成为实现智能控制的一种途径。文[3]介绍了模糊控制在交流调速系统中的应用。系统将模糊控制和PI控制相结合，采用模糊PI控制对交流调速系统进行控制。图1给出了模糊PI控制器的基本结构框图。图1模糊-PI控制原理图系统选用二维模糊控制器的输入为速度误差e及其误差变化率e∆，输出为定子电流siT∗，量化因子分别为ke和kc，比例因子为ku。模糊变量有：输入相应误差E，误差变化率EC，输出为控制量U。ke和kc的大小意味着对E和EC的不同加权程度，而在调整系统特性时，ke和kc又相互制约，因此可得到带有调整因子α的控制规则，通过改变α的大小，改变对E和EC的不同加权程度，获得不同的控制作用。4.2神经网络PID在电机调速中的应用神经网络最普遍的训练方法是BP(backerrorpropagation)算法。这种算法是基于一种使平均平方误差评估函数最小化的梯度寻找技术,最小化的过程就是对权值的调整。BP网络是前向神经网络的核心,具有结构算法简单,便于在实时控制的条件下实现等优点,所以它在控制领域的应用已成为必然趋势。图2给出了三层BP网络结构图，该神经网络由输入层，一个隐含层，输出层。n∗PI控制同步电机模糊控制规则-d/dt()ek()ek∆pkik中国科技论文在线:快速的比例作用、消除稳态误差的积分作用和预测将来的微分作用,并且一旦整定计算好后,整个控制过程都是固定不变的。它特别适用于过程的动态性能是良好的而且控制性能要求不高的情况。然而,由于PID的参数没有直观的实际物理意义,在PID控制器参数整定上,一直存在一些困难。对于经验不足的地面维护人员来说,要达到好的PID控制效果并不是很容易。针对常规数字PID的上述不足,利用神经网络的并行处理、自学习、逼近任意非线性函数的特性,通过神经网络自身的学习,可以找到PID控制率下最优的KP、KI、KD参数。BP神经网络多变量学习算法由前向传播算法和反向传播算法两部分组成。各层节点配置在后面训练阶段有详细描述。基于BP神经网络的PID控制原理方框图如图3所示[4]。图3神经网络PID原理图设计输入输出神经元。本BP网络的输入层设置3个神经元,分别为输入速度V0、速度偏差E和偏差变化量Ec;输出层有3个神经元,为PID控制器的3个可调节参数KP、KI、KD;设计隐含层神经元个数。本文初步确定隐含层节点数为5个,学习一定次数后,不成功再增加隐含层节点数,一直达到比较合理的单元数为止;设计网络初始值。隐层模糊化神经网络的学习样本由输入特征向量和输出向量构成。采用输出函数,ipy与期望结果,ipt的误差平方和E作为网络训练的目标函数()23,1111,2NNpipppiEipytE=====−∑∑∑其中N为训练样本数。网络按照以上算法训练即可达到期望的误差。文[4]通过仿真实验验证得出采用神经网络训练所得到PID参数进行实验，调速系统的相应速度快，超调小甚至无超调稳态误差小。故与无经验调试者盲目设定PID参数进行的调中国科技论文在线,利用BP神经网络训练得到的参数进行调速,其控制效果得到改善。5结论本文对智能控制做了概述，并且介绍了模糊控制以及神经网络控制在电气传动系统的简单应用。电力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、控制是一个复杂的过程，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。遗传算法是一种先进的优化算法,采用此方法来对电器设备的设计进行优化,可以降低成本,缩短计算时间,提高产品设计的效率和质量。应用于电气设备故障诊断的智能控制技术有模糊逻辑，专家系统和神经网络。在电力电子学的众多应用领域中,智能控制在电流控制技术中的应用是具有代表性的技术应用方向之一,也是研究的新热点之一[5]。智能控制技术的发展也是新月异，我们只有时课关注智能控制技术才能跟上其日益加快的技术更新步伐。参考文献[1]陈伯时.电力拖动自动控制系统—运动控制系统[M].北京:机械工业出版社,2003.[2]李艳,邵日祥,邵世煌.模糊控制在电气传动中的运用现状及前景[J].电气传动,1997.2.[3]马磊.模糊PI控制在交流调速系统中的应用.电力电子技术.2005.6[4]郭润夏.神经网络PID在电机调速中的应用.中国民航大学学报,2007.[5]郑小津.电气传动系统智能控制的基本问题.山西机械.2002年增刊.TheApplicationofIntelligentControlinElectricDriveSystemQiuLiangSchoolofInformationandElectricalEngineering,CUMT(221008)AbstractInpowerelectronicsandelectricaldrivesbyextension,thecontrolsystemshasalwaysbeenakeyissuesincetheyinfluencedrasticallytheoverallsystemperformances.WiththedevelopmentofIntelligentControltheoryandElectricdrive,IntelligentControlhasbeenmoreandmorepopularlyusedinElectricdrivesystems.Thepaperdiscussedthecharacteristicsofintelligentcontrol,thenanalyzedtheapplicationofintelligentcontrolinelectricdrivesystem,withtheexampleofelectricdrivesystemusingintelligentcontrol.Keywords:Electricdrive;intelligentcontrol;FuzzyControl;NeuralNetwork