[发明专利]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

说明书

技术领域

本发明涉及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，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领域。

背景技术

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。

发明内容

本发明的目的是为克服现有技术的不足，提供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，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高性能协调运行。

本发明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ω_r1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。

本发明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。本发明的优点在于：