三电机驱动系统神经网络广义逆自适应控制器的构造方法技术方案

本发明专利技术公开一种三电机驱动系统神经网络广义逆自适应控制器的构造方法，由三台变频器分别驱动三台感应电机以带动负载构成三电机驱动系统，通过S7-300PLC设定三台变频器的转速给定值，通过静态神经网络加2个积分器和3个传函来构造三电机驱动系统的神经网络广义逆，将神经网络广义逆连接于三电机驱动系统之前组成伪线性复合系统；分别对一个速度子系统和两个张力子系统设计相应的模糊自适应控制器构成模糊自适应闭环控制器，将模糊自适应闭环控制器和神经网络广义逆相串接形成神经网络广义逆自适应控制器，能够根据系统误差在线调整控制参数，大幅度减少系统的启动时间和超调量，显著提高系统的跟踪精度和跟踪速度。

【技术实现步骤摘要】

本专利技术涉及一种，适用于三台变频器驱动三台感应电机以带动负载的高性能同步协调解耦控制，属于电力传动控 制设备的

技术介绍
近年来，由多台变频器驱动多台感应电机并带动负载构成的多电机驱动系统在电动汽车驱动、城市轨道交通、印刷业等工业领域得到了广泛应用。关于多电机驱动系统控制技术的研究获得了飞速的发展，高精度、持久而高效的多电机同步协调控制性能成为研究的焦点。对于三电机驱动系统而言，它具有多输入、多输出、非线性、强耦合的特性，加之容易受到负载变化和干扰因素的影响，它的结构特性并不稳定，所以很难获得其精确的数学模型；另一方面，工业生产又要求各台电机能够在同速协调运行的同时，保持传送带张力的相对稳定，这显然需要实现电机转速和皮带张力的解耦，增加了控制难度。因此，如何去实现三电机驱动系统高性能的协调运行，特别是实现转速和张力的解耦控制，是一个亟待解决的问题，也是当今电力传动控制的重要研究方向。目前，主要的解耦控制方法包括交叉耦合控制、前馈控制、最优控制、滑模控制等，这些方法在一定程度上改善了解耦效果，但是大多只适用于单电机或者两电机，并且依赖于驱动系统精确的数学模型，很难保证系统在整个工作过程中最优运行并获得满意的控制效果。对于单电机和两电机组成的变频调速系统，由于其电机数量较少、硬件设备相对简单，神经网络逆或者神经网络广义逆算法已经应用于单电机和两电机组成的变频调速系统中，利用神经网络来逼近原系统的逆系统，从而构建伪线性系统，不需要被控系统精确的数学模型。但是工业应用中大量使用的却是由三台甚至更多台电机组成的驱动系统，涉及的参数、耦合变量较多且设备复杂，因此，已有的控制策略有着明显的局限性，而且其闭环控制器大多选用普通线性PID控制器，这种控制器结构简单、成本低、易于实现，能满足一般的调速要求，但由于它的控制参数保持恒定，所以系统的动态性能不佳，特别是启动速度比较慢、超调量比较大，当遇到负载突增或者给定转速突变时，系统响应往往需要较长时间才能恢复至稳态。
技术实现思路
本专利技术的目的是为克服现有技术的不足，提供一种，将神经网络广义逆理论应用到三电机驱动系统，并且引入了模糊自适应控制器作为闭环控制器，既能实现电机转速和皮带张力的解耦控制，又显著减少系统启动时间和超调量，显著改善系统的跟踪性能，增强系统的鲁棒性，实现三电机驱动系统的闻性能协调运打。本专利技术采用的技术方案是包括如下步骤1)三台变频器分别驱动三台感应电机以带动负载构成三电机驱动系统，将三台感应电机和三台变频器分别连接S7-300 PLC，通过S7-300 PLC设定三台变频器的转速给定值，以转速给定值作为三电机驱动系统的输入，以三台感应电机中的主动感应电机的转速Or1和皮带张力F12、F23作为三电机驱动系统输出；2)通过静态神经网络加2个积分器和3个传函来构造三电机驱动系统的神经网络广义逆，所述静态神经网络有8个输入节点和3个输出节点，所述神经网络广义逆具有3个输入节点和3个输出节点，静态神经网络的第二、第五、第八个输入为神经网络广义逆的输入，第二个输入经第一个传函为静态神经网络的第一个输入，第五个输入经第二个传函为静态神经网络的第四个输入，第四个输入经第一个积分器为静态神经网络的第三个输入，第八个输入经第三个传函为静态神经网络的第七个输入，第七个输入经第二个积分器为静态神经网络的第六个输入，静态神经网络的输出即为神经网络广义逆的输出；3)将神经网络广 义逆连接于三电机驱动系统之前，共同组成由一个速度子系统和两个张力子系统构成的伪线性复合系统；4)分别对一个速度子系统和两个张力子系统设计相应的一个速度模糊自适应控制器和两个张力模糊自适应控制器，每个所述模糊自适应控制器均由模糊推理系统和PID控制器组成，由一个速度模糊自适应控制器和两个张力模糊自适应控制器构成模糊自适应闭环控制器；5)将模糊自适应闭环控制器和神经网络广义逆相串接形成神经网络广义逆自适应控制器。本专利技术通过构造神经网络广义逆，将原三电机驱动系统这一复杂非线性强耦合系统的控制问题转化为三个简单的伪线性子系统的控制问题，从而可以合理地设计出模糊自适应闭环控制器，真正实现了电机转速和皮带张力这对被控量的解耦控制，解决了三电机驱动系统的协调控制问题。在获得优良的转速和张力协调控制性能的同时，显著提高了系统启动速度、跟踪性能和鲁棒性。本专利技术的优点在于 I、三电机驱动系统比简单的单电机或者两电机组成的变频调速系统在轧钢、印染等工业中的应用更为广泛，因此，针对三电机驱动系统构造的解耦控制器也更为合理和实用，有较高的应用价值，特别是其解耦对象涉及三个变量，更符合实际工况，方便在更大范围内推广。2、采用静态神经网络加积分器和传函来实现三电机驱动系统的广义逆系统，然后再构造神经网络广义逆自适应控制器，这种控制方法完全摆脱了传统控制对于被控对象精确数学模型的依赖，解决了复杂非线性强耦合系统的解耦控制问题，大大提高了对系统参数变化、负载扰动和网络时延的鲁棒性。3、通过分别设计三个模糊自适应闭环控制器来实现被控系统高精度同步协调运行，控制器可以根据系统误差情况在线实时调整控制参数，在实现三电机驱动系统转速和张力解耦的同时，对系统响应的干预更为及时、灵敏、准确，可以大幅度减少系统的启动时间和超调量，同时显著提高系统的跟踪精度和跟踪速度，以获得理想的启动和跟踪效果，减少系统振汤，提闻系统鲁棒性。4、神经网络广义逆与三电机驱动系统共同组成的伪线性复合系统可以等效为三个已解耦的积分线性子系统，包括一个速度子系统和两个张力子系统，它们之间是相对独立的，因此，如果实际生产对于电机转速或者皮带张力有特殊需要，可以为每个子系统设计一个不同类型的控制器以实现闭环控制。5、经过推导，得出张力本质上是由相邻两台电机之间的速度差所决定的，因此在做三电机驱动系统激励时，特别设计了 3个PID控制器，并且以I号感应电机(主动电机)的速度给定与2号PID张力控制器的输出之差来调节2号感应电机(从动电机)的速度，以2号感应电机(从动电机)的速度输入与3号PID张力控制器的输出之差来调节3号感应电机(从动电机)的速度，以使系统闭环稳定，保证采集到更为有效的训练数据，使训练出的静态神经网络逼近效果更佳。6、由于训练样本数据较多且复杂，为提高神经网络的精度和学习速度，训练函数特意选取弹性梯度下降法函数“trainrp”;对采样得到的数据进行掐头去尾，等间隔选取，再进行归一化处理，最后再将归一化后的数据分成训练数据集和检验数据集两组，前者训练数据集用于离线训练神经网络，直至训练误差达到要求，后者检验数据集用于检验训练好的神经网络是否具有较好的泛化能力。7、神经网络在逼近系统广义逆时存在一定的误差，以往的闭环控制器只能部分补 偿由其所导致的系统稳态误差，而通过合理设计模糊自适应闭环控制器，则可以完全消除这种逼近误差引起的系统稳态误差。8、在编写下位机软件STEP7程序时，特别采用了自顶而下的编程方式构造软件系统，整个程序较之以往简单的单电机或者两电机更加模块化、功能化，同时封装性更好，以增强该控制算法的灵活性和可移植性。9、三电机驱动系统高性能协调传动控制涉及到电机模型的不确定性、负载的不确定性和所跟踪给定信号的不确定性，而神经网络广义本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：刘国海，于堃，赵文祥，胡德水，
申请(专利权)人：江苏大学，
类型：发明
国别省市：