资源描述:
中国矿业大学学报990 52 6 中国矿业大学学报 JO U RNA L O F CH I NA U NI VERSI T Y O F M I NI NG T ECH NO LO G Y 1999年 第28卷 第5期 Vol.28 No.5 1999 模糊神经网络技术在电机调速中的应用* 陈 其 工 摘要 基于模糊神经网络技术提出了一种感应电机定子电阻在线估测的有效方法. 在对 广泛选择的样本进行学习后,优化了控制规则、各语言变量的隶属函数及每条规则的 输出函数,在线估测结果与实验结果吻合良好. 为进一步估算直接转矩控制或矢量控制 系统中电机的磁通提供了可靠的保证. 关键词 模糊逻辑,神经网络,瞬时电阻,交流调速 中图分类号 T M 343;T P 18 Application of Fuzzy Neural Network to Variable Speed Motors Chen Qigong Anhui Institute of Mechanical and Electrical Engineering,Wuhu, Anhui 241000 Abstract An effective , based on fuzzy neural network, is proposed to estimate the real-time stator resistance of the induction motor. The control rules and the membership function of every subset, together with the output functions, are all optimized by learning the samples, evenly selected from the definition domain of each variable. The estimated results agree quite well with those gained from the experiments. This provides a reliable guarantee for further estimating the magnetic flux of the motor in the direct torque control system or the vector control system. Key words Fuzzy logic, Neural network, Instantaneous resistance, AC adjustable-Speed 在感应电机调速系统中模糊控制技术已开始得到了应用[1~3],而将神经网络技 术应用于模糊技术中,构成模糊神经网络系统是当前颇受人们关注的新颖控制策略之 一[4]. 利用神经网络的自学习功能,可以提取感应电机定子电阻估测的有关模糊规 则、确定每条规则的前、后件参数. 实验表明,该方法用来对感应电动机定子电阻在线 估算具有较高的精度,为准确估算调速系统中的电机定、转子磁通,提高直接转矩系 统或矢量控制系统的低速性能,提供了可靠的保证. 1 基于模糊神经网络结构的电阻估测策略 双输入单输出模糊控制规则一般形式如下 f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 5/ 990 52 6 . h t m (第 1/7 页)2 0 10 -3-2 3 15 58 35 中国矿业大学学报990 52 6 式中x 1i ,x 2 i 为输入变量x 1,x2的第i 个样本 i 1,2 ,⋯,P ;A1l ,A 2 m为变量x1和x2各 自论域上的模糊子集;l 或m ∈ 1,2 ,⋯,7 ;j j 1,2 ,⋯,K 为模糊控制规则序数; y j i 为第i 个样本 x 1i ,x 2 i 输入时第j 条规则对应的输出;a j ,b j ,c j 为第j 条规则输出函数的 有关参数. 由T a k a g i 与Su g e n o 提出的模糊推理方法,在模糊系统输入变量为 x 1i ,x 2 i 时,总的 输出量Yi可写成每条规则输出的加权平均 其中 μj i μ1l x 1i μ2 m x 2 i . 3 这里μ1l ,μ2 m分别为A 1l 和A 2 m的隶属函数,设其表示如下 式中 k 1l ,k 2 m以及n1l ,n 2 m分别为隶属函数μ1l 和μ2 m的分布系数与分布中心. 上述模糊推理过程可由图1所示组合神经网络实现. 图1中,NNa n是一个“2 -H -⋯- H -K ”结构的多层前馈网络,内部含模糊化工作,其中网络层间的连接权值均 为“1”,主要功能是完成各模糊量隶属函数的计算、规则前件的合成,在学习阶段将 训练、调整各隶属函数的有关参数. f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 5/ 990 52 6 . h t m (第 2 /7 页)2 0 10 -3-2 3 15 58 35 中国矿业大学学报990 52 6 图1 模糊神经网络结构 Fi g . 1 Co n f i g u r a t i o n o f f u z z y n e u r a l n e t w o r k NNj j 1,2 ,⋯,K 则用于求取所有K 条规则后件的函数值,学习阶段将调整后件 参数. 每个NNj单元可由图2 的网络构造,以实现如下的函数功能 y j i a j b j x 1i c j x 2 i . 5 NNa n和NNj中均只有一层的网络参数需学习调整,故可采用梯度算法进行学习. 设 对第i 个输入样本 x 1i ,x 2 i ,网络总输出的期望值为Y*i,定义误差函数如下 由于图1网络结构中只有一层的参数需训练,根据梯度算法,可得到隶属函数后件 参数a j ,b j ,c j 的修正量Δa j ,Δb j ,Δc j f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 5/ 990 52 6 . h t m (第 3/7 页)2 0 10 -3-2 3 15 58 35 中国矿业大学学报990 52 6 采用同样算法可得隶属函数前件参数n 和k 的修正量Δn 和Δk 式 7 ~ 9 中x 为x 1i 或x 2 i ;n 为n 1l 或n 2 m;k 为k1l 或k 2 m;Δn 为Δn1l 或Δn 2 m;Δk 为 Δk 1l 或Δk 2 m;α1,α2,α3,β1,β2为学习速度,取值在 0 ,1 之间. 图2 后件函数求取神经网络 Fi g . 2 Ne u r a l n e t w o r k f o r p a r a m e t e r s o f c o n s e q u e n c e f u n t i o n s 2 实验与结果 f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 5/ 990 52 6 . h t m (第 4/7 页)2 0 10 -3-2 3 15 58 35 中国矿业大学学报990 52 6 为了将以上网络应用于实际的调速系统中,还必须解决如下2 个问题1 确定模糊 神经网络系统的输入变量;2 样本的组织,精心组织样本的目的是在线检测时网络不 必再学习. 由前面的计算方法可知,网络的学习速度还不是很快,而一般的调速系统的 控制均由单片机或数字信号处理器来完成,在线学习是不可能的. 造成感应电动机运行电阻R1变化的直接原因是运行时绕组的温度变化. 设绕组温度 为t ,由于t 的分布并不均匀,R1与t 间的关系不能用确定的函数关系来表示. 本文利用绕 组端部的某一点之温度与温度变化率 用Δt 表示 ,作为网络的输入,并基于上述的模 糊神经网络结构以及相应算法来估测R1值. 今令,t 与Δt 规范化后的论域均表示为[- 6 ,-5,-4,-3,-2 ,-1,0 ,1,2 ,3,4,5,6 ],并在其论域上各取相同的7 个语言变 量,因此系统学习前共有49个虚规则. 实验用笼型感应电动机参数为PN 10 k W ,4 极,U N 38 0 V,fN 50 H z ,Δ接法,R1 1. 37 Ω 7 5 ℃ . 本文精心组织了近2 0 0 个样本,由电机工业实验方法离线测取. 测取时,注意t 与Δt 的样本选取在各自论域上基本均匀分布,将其中16 0 个用作网络的学习,余下的样本则 用于比较估算结果. 学习前输入变量t 各模糊子集的隶属函数如图3,而后件函数参数a j , b j ,c j 初值均取为零. 经过近二千次训练,收敛情况令人满意. 表1为训练后的控制规则, 其中的空格表示该虚规则组合在训练过程中基本未被激活,学习后被取消,学习后的 规则减少至18 个. 图4为t 学习后的各子集隶属函数,比较图3可见k ,n 均发生了较大变化. Δt 各模糊子集的隶属函数学习前后也发生了较大变化,限于篇幅,不再给出. 在线估测 时,使用一台变频器给被测电机供电,以方便地改变模糊神经网络的输入量,便于与 离线测量结果比较. 为缓解CPU 实时计算时间分配上的困难,采样时间为1 次/ s ,因为每 秒钟电阻值变化极小,基本不会给估测带来误差. 表2 示出了另外6 0 个工业离线测量的结 果与在线估算结果的比较,二者吻合良好. 由于样本的取值经过精心选择,在各输入变 量论域范围内均匀分布,因此无须在线学习也可获得较准确的实时电阻. 图3 学习前t 各子集的隶属函数 Fi g . 3 U n t r a i n e d m e m b e r s h i p f u n c t i o n s o f s u b s e t s 表1 优化后的控制规则 T a b l e 1 Le a r n e d c o n t r o l r u l e b a s e f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 5/ 990 52 6 . h t m (第 5/7 页)2 0 10 -3-2 3 15 58 35 中国矿业大学学报990 52 6 t Δt B1B2B3B4B5B6B7 A 1 y 1 A 2 y 2 y 3 A 3 y 4 y 5 A 4y 6 y 7 y 8 y 9 A 5y 10 y 11 y 12 y 13 A 6 y 14 y 15 y 16 A 7y 17 y 18 图4 学习后t 各子集的隶属函数 Fi g . 4 T r a i n e d m e m b e r s h i p f u n c t i o n s o f s u b s e t s 表2 离线测量与在线估测结果 T a b l e 2 I n d u s t r i a l m e a s u r e d r e s u l t s a n d o n -l i n e e s t i m a t e d r e s u l t s t / ℃ Δt / ℃.m i n - 1 工业测量R1/ Ω 在线估测R1/ Ω t / ℃ Δt / ℃.m i n - 1 工业测量R1/ Ω 在线估测R1/ Ω 10 . 00 . 21. 10 51. 10 06 0 . 00 . 21. 32 11. 32 7 10 . 02 . 21. 10 91. 10 16 0 . 02 . 21. 32 41. 32 9 2 0 . 00 . 21. 1491. 1527 0 . 00 . 21. 36 61. 36 9 2 0 . 02 . 21. 1521. 1547 0 . 02 . 21. 36 91. 37 1 30 . 00 . 21. 1931. 18 87 5. 00 . 21. 38 81. 38 2 30 . 02 . 21. 1971. 1927 5. 02 . 21. 3901. 38 5 40 . 00 . 21. 2 341. 2 308 0 . 00 . 21. 4101. 411 f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 5/ 990 52 6 . h t m (第 6 /7 页)2 0 10 -3-2 3 15 58 35 中国矿业大学学报990 52 6 40 . 02 . 21. 2 351. 2 318 0 . 02 . 21. 4131. 415 50 . 00 . 21. 2 7 71. 2 7 18 5. 00 . 21. 42 71. 42 3 50 . 02 . 21. 2 8 01. 2 7 58 5. 02 . 21. 4301. 435 3 结束语 作为一种尝试,应用模糊神经网络技术实时在线估测了电机定子瞬时电阻. 由于离 线学习时样本在输入量的取值范围内均匀分布,在线检测时网络不再需要学习,缓解 了CPU 实时计算的时间分配之困难,提高了系统的实时性. 本系统只是在样本选取中, 用到专家经验,因此具有很高的可靠性. 系统稍加变化,亦可用于估测转子电阻,即系 统可用来解决直接转矩控制或矢量控制中因定、转子电阻值随温度变化而造成的磁通 估算不准的难题. *安徽省教委自然科学基金资助项目(97 JL0 0 0 5) 作者简介 陈其工,男,196 1年生,工学硕士,副教授 作者单位安徽机电学院 安徽芜湖 2 410 0 0 参 考 文 献 1 Sa y c e d A M i r , D o n a l d S Zi n g e r , M a l i k E El b u l k . Fu z z y Co n t r o l l e r f o r I n v e r t e r Fe d I n d u c t i o n M a c h i n e s . IEEE T r a n s o n I A , 1994, 30 1 2 57 ~2 6 4 2 D e p e n b r o c k M . D i r e c t Se l f Co n t r o l D SC o f I n v e r t e r -Fe d I n d u c t i o n M a c h i n e s . I EEE T r a n s . o n PE, 198 8 , 3 4 42 0 ~42 9 3 陈其工. 基于模糊控制理论的感应电机定子电阻在线检测器设计. 仪器仪表学报, 1999, 2 0 3 2 46 ~2 50 4 焦李成. 神经网络的应用与实现. 西安西安电子科技大学出版社,1993. 333~358 收稿日期1999-0 3-16 f i l e / / / E| / q k / z g k y d x x b / z g k y 99/ z g k y 990 5/ 990 52 6 . h t m (第 7 /7 页)2 0 10 -3-2 3 15 58 35
展开阅读全文