[发明专利]基于PLC的多电机调速系统神经网络广义逆内模实现方法

摘要

本发明公开了一种基于PLC的多电机调速系统神经网络广义逆内模实现方法，包括以下步骤三台西门子M440变频器分别驱动三台三相感应电机来带动负载构成三电机调速系统，根据三电机调速系统的数学模型，推导出右广义逆系统数学模型，通过S7‑300PLC设计3个PID控制器使三电机驱动系统稳定并采集样本，通过Wavelet Toolbox对上一步采集的数据进行处理，提取特征信号，离线神经网络训练，最后在西门子S7‑300PLC中为2号电机转速ωr2子系统，皮带间张力F12子系统和F23子系统分别设计闭环内模控制器。本发明消除神经网络广义逆开环系统的稳态误差，增强系统的鲁棒性。

主权项

基于PLC的多电机调速系统神经网络广义逆内模实现方法，其特征在于，包括以下步骤：第一步，三台西门子M440变频器分别驱动三台三相感应电机来带动负载构成三电机调速系统，将三台M440变频器通过CB15模块，经Profibus总线连接到西门子S7‑300PLC；通过PLC输出的三台电机的同步角速度ω1、ω2和ω3作为三台三相感应电机的输入；第二步，根据三电机调速系统的数学模型，推导出右广义逆系统数学模型：u=(ω,ω2,ω3)=φ({ωr2,F12,F·12,F23,F·23},v1,v2,v3)]]>其中，u为右广义逆系统数学模型的输出值，ωi(i＝1，2，3)为第i台变频器转速给定，ωr2为2号感应电机转速，F12和F23分别为1号和2号电机间皮带张力、2号和3号电机间皮带张力，v1、v2、v3分别为：v1=ω·r2+ωr2v2=F··12+1.141F·12+F12v3=F··23+1.414F·23+F23;]]>第三步，通过S7‑300PLC设计3个PID控制器使三电机驱动系统稳定，转速ωr2和张力F12、F23的给定值分别为100～1200r/min、18～72kg的随机方波信号，采集2号电机转速ωr2、1号和2号电机间皮带张力F12、2号和3号电机间皮带张力F23以及PLC输出给3台变频器的同步角速度ω1、ω2、ω3；第四步，在MATLAB R2011b中，通过Wavelet Toolbox对上一步采集的数据进行处理，提取特征信号，特征量提取采用连续小波变换，小波基选用Mexican Hat小波函数；使用MATLAB R2011b中Neural Network Toolbox对连续小波变换提取的特征信号进行离线神经网络训练，在训练开始前时使用粒子群优化算法对神经网络初始权阈值进行寻优，加快神经网络的收敛，神经网络具有8个输入ωr2，F12，F23，v1，v2，v3，15个隐含层节点，3个输出ω1、ω2和ω3，其中v1、v2、v3分别为：v1=ω·r2+ωr2]]>v2=F··12+1.141F·12+F12]]>v3=F··23+1.414F·23+F23]]>在西门子S7‑300PLC中编写三层神经网络程序，并将MATLAB训练得到的权值和阈值通过OPC技术写入PLC，实现转速和张力的解耦控制；第五步，为消除静态误差，增强系统的抗干扰能力，在西门子S7‑300PLC中为2号电机转速ωr2子系统，皮带间张力F12子系统和F23子系统分别设计闭环内模控制器。