CN101630936B - 无刷直流电机神经网络逆控制器及构造方法 - Google Patents
无刷直流电机神经网络逆控制器及构造方法 Download PDFInfo
- Publication number
- CN101630936B CN101630936B CN2009101843047A CN200910184304A CN101630936B CN 101630936 B CN101630936 B CN 101630936B CN 2009101843047 A CN2009101843047 A CN 2009101843047A CN 200910184304 A CN200910184304 A CN 200910184304A CN 101630936 B CN101630936 B CN 101630936B
- Authority
- CN
- China
- Prior art keywords
- motor
- brshless
- input
- controller
- brushless
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Control Of Motors That Do Not Use Commutators (AREA)
Abstract
本发明公开了一种无刷直流电机调速控制器及构造方法，包括神经网络逆与线性闭环控制器，将逆变桥及无刷直流电机作为一个整体组成一个无刷直流电机调速***，将神经网络逆串在所述的无刷直流电机调速***前，共同复合成由速度子***构成的伪线性***，在速度子***基础上再构建线性闭环控制器；神经网络逆与线性闭环控制器相串接即形成神经网络逆控制器，采用该控制器的无刷直流电机可获得优良的调速性能，不仅可设计新的无刷直流调速***，而且可用于改造原有的无刷直流电机***，构置***方便且成本低。
Description
技术领域
本发明涉及一种无刷直流电机控制器及其构造方法，适用于无刷直流电机的高性能调速应用，属于电力传动控制设备的技术领域。
背景技术
目前，由于电力电子器件价格的逐步降低，同时高性能的永磁材料不断出现，工业生产中大量使用永磁无刷直流电机取代结构复杂且存在换向问题的直流电机。无刷直流电机具有于直流电机的机械特性，同时结构简单运行稳定，无需电刷换向，适用于各种工况。但是由于电机运行中参数摄动和换相过程造成电磁转矩脉动限制了其调速性能。作为一复杂的多变量非线性***，无刷直流电机采用传统的类似直流电机的PID控制策略很难满足高性能调速的需要，因为PID参数的整定值是一定范围内的优化值，而不是全局性的最优值，从根本上不能在较宽的范围内得到好的动态性能和稳态精度，同时作为一种线性控制策略，PID控制对非线性程度较高的***难以较好控制，这是一个亟待解决的问题。
发明内容
本发明的目的是提供一种既可改善无刷直流电机对参数变化以及扰动的适应性、鲁棒性，同时又能有效地提高各项控制性能指标，如动态响应速度、稳态跟踪精度的神经网络逆控制器。
本发明的另一目的是提供无刷直流电机的神经网络逆控制器的构造方法。
本发明无刷直流电机神经网络逆控制器采用的技术方案是：包括含降压斩波变换器的逆变桥连接无刷直流电机、神经网络逆与线性闭环控制器相连接，将所述的神经网络逆与线性闭环控制器相串接形成无刷直流电机神经网络逆控制器，其中神经网络逆用静态人工神经网络加2个积分环节构成，线性闭环控制器为速度控制器，由线性***的设计方法对伪线性***分别作出；伪线性***为速度子***，无刷直流电机调速***由逆变桥、无刷直流电机及负载作为一个整体组成，神经网络逆和无刷直流电机调速***共同复合组成等效的伪线性***。
本发明无刷直流电机的神经网络逆控制器的构造方法采用的技术方案是依次包括如下步骤：①组成无刷直流电机调速调速***；②作整个无刷直流电机调速调速***的等效，输入变量为无刷直流电机调速***控制器的占空比，输出变量为电机的实际转速，通过分析和推导可得到整个无刷直流电机调速调速***的数学模型为二阶微分方程，速度相对阶数为二阶，定其逆***的输入变量为转速，转速的一阶导数以及二阶导数，输出变量为无刷直流电机调速调速***的为占空比；③设计负载转矩观测器为降维观测器；④构造神经网络逆；⑤将阶阶跃激励信号加到无刷直流电机调速调速***输入端；采集激励信号和实际转速；对得到的实际转速信号进行离线求一阶导数以及二阶导数，同时通过负载转矩观测器的观测值，用构成的训练样本集对静态人工神经网络进行训练，确定静态人工神经网络的各个权系数；⑥形成速度子***；⑦作出线性闭环控制器后与神经网络广义逆相串接构成无刷直流电机神经网络逆控制器。
本发明通过构造神经网络逆环节，将原无刷直流电机调速***这一非线性***线性化为伪线性***，再通过合理的设计闭环控制器，可获得优良的调速性能。
本发明的优点在于：
1、采用神经网络逆方法，解决了复杂非线性***的控制问题，通过进一步合理设计线性闭环控制器，获得高性能的协调控制以及抗负载扰动运行性能。
2、本发明的方法较之传统的无刷直流电机调速***，硬件结构变化不大，构造***方便，成本低，应用前景非常广阔。
附图说明
图1是无刷直流电机调速的原理结构图。其中有无刷直流电机1、含BUCK(降压斩波)电路的逆变桥2。
图2是无刷直流电机调速***对应的单输入(占空比ρ)单输出(电机实际转速ω)的等效图。
图3是神经网络逆4与无刷直流电机调速***3复合构成的伪线性***的示意图及其等效图。其中包含积分器、静态人工神经网络41，伪线性***5。
图4是由线性闭环控制器6与伪线性***5组成的闭环控制***的结构图。其中伪线性***由速度子***51构成；线性闭环控制器为速度控制器。
图5是采用无刷直流电机神经网络逆控制器8对无刷直流电机调速***3进行控制的完整原理框图。
图6是无刷直流电机在阶跃信号激励下的转速响应(给定转速为阶跃信号)。
图7是采用DSP控制板作为神经网络逆控制器的本发明装置组成示意图。其中包含DSP控制器7、光电编码器9。
图8是采用DSP控制器7作为神经网络逆控制器时的程序运行框图。
具体实施方式
如图1-2，把无刷直流电机1和含BUCK(降压斩波)电路的逆变桥电路2共同作为一个整体组成无刷直流电机调速***3。根据分析可知：该无刷直流电机调速***3为非线性单输入单输出***，输入为占空比ρ，输出为实际转速ω，且速度的相对阶为二阶，整个***分段可逆。如图3，采用4个输入节点以及1个输出节点的静态人工神经网络41(如多层网络BP或经向基函数网络RBF等)加2个积分器构成神经网络逆4。再将神经网络逆4串接在原***即被控的无刷直流电机调速***3之前，复合成速度二阶积分型伪线性***5，实现整个***的线性化。如图4，最后为了消除逆***逼近误差，对得到的伪线性子***5采用线性***设计理论(如比例积分微分PID、极点配置等设计方法)进行线性闭环控制器6的设计。最终形成的神经网络逆控制器包括神经网络逆4与线性闭环控制器5两部分，可根据不同的控制要求采用不同的硬件或软件来实现。具体实施分以下7步：
①如图1所示，组成无刷直流电机调速***的硬件。将含BUCK(降压斩波)变换器的逆变桥2与无刷直流电机1共同复合成一个整体，该复合被控对象以占空比为输入ρ，电机的实际转速为输出ω。
②通过分析、等效与推导，为神经网络逆4的构造与学习训练提供方法上的依据。首先作含BUCK(降压斩波)换器的逆变桥2与无刷直流电机1的等效，含BUCK(降压斩波)变换器的逆变桥电路如图(2)所示，两者的等效可化单输入单输出的非线性***，且转速的相对阶为二阶，经推导可证明该***在运行区域内分段可逆，并可确定其逆***的输入变量为转速ω，一阶导数
以及二阶导数
输出变量为原***(无刷直流调速***3)的输入ρ。需要说明的是，这一步仅为以下的神经网络逆4的构造与学习提供方法上的根据，在本发明的具体实施中，这一步的分析、等效以及逆***的证明等可跳过。
③设计负载转矩观测器10。根据现在控制理论中的状态反馈与观测器理论，依据无刷直流电机1的线性数学模型以占空比ρ为输入，直流母线电流为输出设计降维观测器，实时对负载转矩TL进行观测。
④构造神经网络逆4。采用静态人工神经网络41加2个积分器构造神经网络逆见图3左图中的虚线框内所示，神经网络采用3层的BP网络，输入层节点数为4个，隐含层节点数为12个，输出层1个节点，隐层神经元函数使用(0，1)S型函数f(x)＝(ex-e-x)/(ex+e-x)，输出层的神经元采用纯线性变换函数，神经网络的各权系数将在下一步的离线学习中确定；然后用此具有4个输入节点、1个输出节点的静态神经网络41加2个积分构成4输入节点，1输出节点的神经网络逆4，见图3的虚线框所示，其中：静态神经网络41第一个输入为神经网络逆4的第一个输入，其经第一个积分器为静态神经网络41的第二个输入，经第二个积分器为静态神经网络41的第三个输入，静态神经网络41的第四输入为负载观测器10对负载转矩的观测值
⑤确定神经网络的各权系数。其步骤是：(A)选择速度给定信号作为学习激励信号，如图5所示，以便无刷直流电机调速***3在其工作范围内能被充分激励；(B)将选定的激励信号加在单转速环的无刷直流调速***3输入端，同时采样占空比ρ和实际转速ω以及负载观测器10对负载的动态观测值
(C)离线对实际转速ω求导，得到和
从而构成神经网络的训练样本
(D)对静态神经网络41采用变学习率的误差反传BP算法进行训练，学习训练2000次后，静态神经网络41输出均方误差小于0.01，满足要求，从而确定了静态神经网络41的各权系数。
⑥形成伪线性***5。将离线训练好的静态神经网络41配上二个积分器构成的神经网络逆4，与图4所示的被控的无刷直流电机调速***串接复合，形成速度二阶的伪线性子***，实现了把复杂非线性***控制转化为简单的线性子***控制。
⑦作出线性闭环控制器6。对得到的速度二阶伪线性子***进行闭环控制器设计。
⑧作出线性闭环控制器最终形成的神经网络逆控制器8包括神经网络逆4与线性闭环控制器6两部分，如图7所示，可根据不同控制要求采用不同的硬件或软件来实现。
图7是本发明的具体示意图，图中主控制芯片采用基于美国TI公司的TMS320F2812DSP电机专用控制芯片的控制板。控制板部分主要包括故障信号的检测，光电隔离电路，以及与TMS320F2812DSP芯片相连的接口电路。
***的程序框图如图8所示，包括主程序和中断服务程序。主程序主要实现***的初始化，同时根据速度控制中断服务与命令给定中断服务进行实时的诊断故障以及报警。速度控制中断服务作为定时中断主要实现保护程序现场，同时实时采样信号，对采样信号进行处理后，进行神经网络逆控制，最后恢复现场，退出中断。命令给定中断作为人机交互模块，主要实现给定各种控制命令。被控无刷直流电机的参数为P＝120W；U＝36V；I＝4A；ω＝400rpm。
Claims (2)
1.一种无刷直流电机神经网络逆控制器，包括神经网络逆(4)与线性闭环控制器(6)相连接，将神经网络逆(4)与线性闭环控制器(6)相串接形成无刷直流电机神经网络逆控制器(8)，其中神经网络逆(4)用静态人工神经网络(41)加2个积分环节构成，线性闭环控制器(6)为速度控制器，由线性***的设计方法对伪线性***(5)分别作出；伪线性***(5)为速度子***(51)，神经网络逆(4)和无刷直流电机调速***(3)共同复合组成等效的伪线性***(5)；其特征是：无刷直流电机调速***(3)由含降压斩波变换器的逆变桥(2)、无刷直流电机(1)及负载作为一个整体组成，含降压斩波变换器的逆变桥(2)连接无刷直流电机(1)，所述静态人工神经网络(41)有4个输入节点和1个输出节点，其中静态人工神经网络(41)的第一输入为神经网络逆(4)的输入，第一个输入经第一个积分环节为静态人工神经网络(41)的第二个输入，静态人工神经网络(41)的第二个输入经过一积分环节为其第三个输入，其第四输入为负载转矩观测器(10)对负载转矩的观测值，静态人工神经网络(41)的输出为神经网络逆(4)的输出。
2.一种无刷直流电机神经网络逆控制器的构造方法，其特征是依次包括如下步骤：
①组成无刷直流电机调速***(3)；
②作整个无刷直流电机调速***(3)的等效，输入变量为无刷直流电机调速***控制器的占空比，输出变量为电机的实际转速，通过分析和推导可得到整个无刷直流电机调速***(3)的数学模型为二阶微分方程，速度相对阶数为二阶，定其逆***的输入变量为转速，转速的一阶导数以及二阶导数，输出变量为无刷直流电机调速***(3)的为占空比；
③设计负载转矩观测器(10)为降维观测器；
④构造神经网络逆(4)；
⑤将阶跃激励信号加到无刷直流电机调速***(3)输入端；采集激励信号和实际转速；对得到的实际转速信号进行离线求一阶导数以及二阶导数，同时通过负载转矩观测器(10)的观测值，用构成的训练样本集对静态人工神经网络(41)进行训练，确定静态人工神经网络(41)的各个权系数；
⑥形成速度子***(51)；
⑦作出线性闭环控制器(6)后与神经网络逆(4)相串接构成无刷直流电机神经网络逆控制器(8)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009101843047A CN101630936B (zh) | 2009-08-12 | 2009-08-12 | 无刷直流电机神经网络逆控制器及构造方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2009101843047A CN101630936B (zh) | 2009-08-12 | 2009-08-12 | 无刷直流电机神经网络逆控制器及构造方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101630936A CN101630936A (zh) | 2010-01-20 |
| CN101630936B true CN101630936B (zh) | 2011-09-14 |
Family
ID=41575915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2009101843047A Active CN101630936B (zh) | 2009-08-12 | 2009-08-12 | 无刷直流电机神经网络逆控制器及构造方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101630936B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101917150B (zh) * | 2010-06-24 | 2012-06-20 | 江苏大学 | 永磁同步电机模糊神经网络广义逆鲁棒控制器及构造方法 |
| CN101938246B (zh) * | 2010-09-29 | 2012-07-04 | 重庆交通大学 | 无速度传感器电机转速的模糊融合辨识方法 |
| CN102055390B (zh) * | 2011-01-10 | 2012-11-07 | 江苏大学 | 无轴承无刷直流电机神经网络α阶逆控制器的构造方法 |
| CN103151980B (zh) * | 2012-12-29 | 2015-10-28 | 江苏大学 | 汽车eps用无刷直流电机控制器及其实现方法 |
| CN104300854A (zh) * | 2014-11-07 | 2015-01-21 | 黑龙江省科学院科技孵化中心 | 基于Buck变换器的无刷直流电机驱动电路 |
| CN104410341A (zh) * | 2014-11-27 | 2015-03-11 | 江苏科技大学 | 基于直流电压调节的低速转矩脉动抑制装置及抑制方法 |
| CN104868807B (zh) * | 2015-05-06 | 2018-01-16 | 南京航空航天大学 | 一种Buck电路无刷直流电机控制***的有源阻尼方法 |
| CN105372075B (zh) * | 2015-11-13 | 2018-06-08 | 武汉理工大学 | 具有故障诊断功能的无刷直流电子水泵控制器及诊断方法 |
| CN108712116B (zh) * | 2017-04-10 | 2020-10-27 | 湖南工业大学 | 一种基于极限学习机的无刷直流电机无位置传感器控制方法 |
-
2009
- 2009-08-12 CN CN2009101843047A patent/CN101630936B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN101630936A (zh) | 2010-01-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101630936B (zh) | 无刷直流电机神经网络逆控制器及构造方法 | |
| CN101917150B (zh) | 永磁同步电机模糊神经网络广义逆鲁棒控制器及构造方法 | |
| Xia et al. | Direct nonlinear primal–dual interior-point method for transient stability constrained optimal power flow | |
| CN103259479B (zh) | 一种永磁同步电机神经网络左逆状态观测方法 | |
| CN102361429A (zh) | 基于神经网络逆***理论的无轴承异步电机控制方法 | |
| CN111525688A (zh) | 一种基于5g网络的电力物联配电网***和互联方法 | |
| CN101741297A (zh) | 无轴承同步磁阻电机径向位置模糊补偿逆控制方法及装置 | |
| CN101299580A (zh) | 两电机矢量控制变频调速***的协调控制器及其构造方法 | |
| CN106786529B (zh) | 一种分布式静态安全分析方法 | |
| CN102664397B (zh) | 一种基于隐式精细数值积分的电力***暂态稳定仿真方法 | |
| CN101299581A (zh) | 两感应电机的神经网络广义逆协调控制变频器及构造方法 | |
| CN106208879A (zh) | 一种基于自抗扰控制器控制异步电动机变频调速***的方法 | |
| Zhang et al. | The application of nonlinear PID controller in generator excitation system | |
| CN102521473B (zh) | 基于DIgSILENT的并网型光伏仿真发电*** | |
| CN113569476B (zh) | 一种利用动态参数混合实现混合维联合仿真的方法 | |
| CN1212702C (zh) | 感应电机的神经网络逆控制变频器的构造方法 | |
| CN104600694A (zh) | 考虑经济调度和环流抑制的微网能量优化方法 | |
| CN104022701B (zh) | 一种永磁同步直线电机牛顿法内模速度控制方法 | |
| CN1226824C (zh) | 恒压频比变频调速***的神经网络逆复合控制器构造方法 | |
| CN101630940B (zh) | 感应电机调速***模糊神经网络逆鲁棒控制器及构造方法 | |
| CN102655326B (zh) | 一种有源电力滤波器的神经网络逆控制器构造方法 | |
| CN1216455C (zh) | 两变频调速电机***的神经网络逆同步控制器的构造方法 | |
| CN105140957B (zh) | 基于风电场和光伏电站聚合模型的机电振荡模式估算方法 | |
| Rojas et al. | Real-time small-scale wind turbine emulator for a hybrid microgrid laboratory testbed | |
| CN101340121A (zh) | 一种发电机内部故障暂态仿真简化模型及其建模方法和应用 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20100120 Assignee: Yancheng Yanhai Tractor Manufacturing Co., Ltd. Assignor: Jiangsu University Contract record no.: 2014320000075 Denomination of invention: Neural network inverse controller of brushless DC motor and construction method thereof Granted publication date: 20110914 License type: Exclusive License Record date: 20140225 |
|
| LICC | Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model |