[发明专利]基于神经网络的自适应电机运动控制装置

说明书

技术领域

本发明涉及一种基于神经网络的自适应电机运动控制装置。

背景技术

随着工业化的快速发展，满足人们日益增长的需求，要求企业有更高的生产效率，由最早的通过增加劳动人数未提高生产效率，到后来增加机器数量来达到提高生产效率的目的。进入21世纪后，企业开始优化配置，降低成本，提高效率，大都采用自动化的生产模式，以机器管理机器，智能化管理，在进行智能化管理中，电机的控制尤为重要，因为大多数的机器运转都需电机未提供动力支持，控制电机时需准确、及时、灵活，目前电机控制模式比较单一，一个控制器有时只能控制一种类型的电机，但是实际生产中需要常常变换电机，以满足不同工件的需要，导致电机使用效率低。

80年代中期德国鲁尔大学M.D epenbrock教授与日本I.Takahashi教授先后提出了直接转矩控制理论，大大提高了电机控制模式的灵活性。然而直接转矩控制作为一种新技术，在理论上的不够完善和结构上存在的缺陷使得其自身存在许多不足之处，低速时转矩脉动严重；开关频率不稳定；磁通观测模型的不精确；低速区定子电阻的变化引起的定子电流和磁链的畸变等。这些问题一直阻碍着直接转矩控制技术的进一步发展。由于无速度传感器直接转矩控制能提高系统的综合性能，因此它正成为交流调速领域的研究热点和发展趋势，但由于直接转矩控制自身存在的一些特点，无速度传感器技术与直接转矩控制的结合也面临着一些问题，尤其在低速下速度辨识的精度和系统的稳定性难以得到保证。

智能控制是自动控制领域内的一门新兴学科，神经网络是其中一项关键技术，具有对信息的记忆和处理功能，擅长从输入输出数据中学习有用的知识；模拟人的智能行为，不需要精确的数学模型，能够解决许多复杂、不确定的、非线性问题，提高控制系统的鲁棒性和学习自适应性。

发明内容

本发明的目的在于提供一种基于神经网络的自适应电机运动控制装置，可实现快速准确的电机速度估计，接口丰富，应用范围广。

本发明是这样来实现的，它包括标准信号发生器1、位置控制器2、速度前馈3、速度控制器4、ANN自适应速度辨识器5、加速与负荷前馈6、转矩控制器7、磁通控制器8、变相器9、脉宽调制器10、电机11。

标准信号发生器1分别连接位置控制器2和速度前馈模块3，速度前馈模块3连接速度控制器4，速度控制器4连接加速与负荷前馈模块6，加速与负荷前馈模块6连接转矩控制器7，转矩控制器7连接变相器9，变相器9连接脉宽调制器10，脉宽调制器连接电机11，电机11连接ANN自适应速度辨识器5，ANN自适应速度辨识器5分别连接位置控制器2、速度控制器4和磁通控制器8，磁通控制器8连接变相器9，位置控制器2分别连接标准信号发生器1和速度前馈模块3。

本发明的优点是：1、可实现模型参考自适应速度控制、开环控制、转速发电机闭环控制、外部模拟量给运转速速度闭环控制、外部脉冲和方向给定的位置控制；2、可控制交流伺服电机、无刷伺服电机、直流伺服电机、两相和三相步进伺服电机和直线电机，接口丰富，控制能力强。

附图说明

图1是本发明自适应电机运动控制芯片整体结构图。

具体实施方式

如图1所示，它包括标准信号发生器1、位置控制器2、速度前馈3、速度控制器4、ANN自适应速度辨识器5、加速与负荷前馈6、转矩控制器7、磁通控制器8、变相器9、脉宽调制器10、电机11。

标准信号发生器1分别连接位置控制器2和速度前馈模块3，速度前馈模块3连接速度控制器4，速度控制器4连接加速与负荷前馈模块6，加速与负荷前馈模块6连接转矩控制器7，转矩控制器7连接变相器9，变相器9连接脉宽调制器10，脉宽调制器连接电机11，电机11连接ANN自适应速度辨识器5，ANN自适应速度辨识器5分别连接位置控制器2、速度控制器4和磁通控制器8，磁通控制器8连接变相器9，位置控制器2分别连接标准信号发生器1和速度前馈模块3。

在线学习调整ANN权值通过误差调整学习的方式进行，对于给定的定子电压和定子电流，如果ANN估计的转子速度与实际转子速度相同，则转子磁通误差应为零。当估计转速与实际值不等时，误差不为零，利用它们来修正ANN的权值。

本发明采用具有学习自适应性的人工神经网络(ANN)作为模型参考自适应速度控制的核心，将网络训练所需的反馈电路及权值存储、计算和修正电路都集成在了一个芯片，因而可实现全硬件的、具有自学习能力的神经网络控制系统，利用人工神经网络ANN自适应速度辨识器分析输入的电机运行电压电流信号，通过芯片硬件实现的高速并行计算在线学习调整人工神经网络权值，实现快速准确的速度估计值，为电机速度控制提供依据。能够控制交流伺服电机、无刷伺服电机、直流伺服电机、两相和三相步进伺服电机和直线电机等。