基于bp神經(jīng)網(wǎng)絡(luò)的直流調(diào)速系統(tǒng)的研究

基于bp神經(jīng)網(wǎng)絡(luò)的直流調(diào)速系統(tǒng)的研究

1bp神經(jīng)網(wǎng)絡(luò)模型建立傳統(tǒng)pid控制器結(jié)構(gòu)簡單，穩(wěn)定性好，可靠性高。廣泛應(yīng)用于直線攪拌系統(tǒng)，但存在兩個固有缺陷：pid參數(shù)難以確定；適應(yīng)性差。這對具有一定非線性、時變性和不確定性的直流調(diào)速系統(tǒng)來說,當(dāng)電機參數(shù)發(fā)生變化或外界干擾較大時,傳統(tǒng)PID控制則難以保證獲得良好的控制性能。因為PID控制本質(zhì)上是一種線性控制方法,控制性能取決于被控對象的精確數(shù)學(xué)模型。因此,國內(nèi)許多學(xué)者一直致力于各種現(xiàn)代控制理論方法在直流調(diào)速系統(tǒng)中的應(yīng)用研究以期獲得更好的調(diào)速性能。文獻提出一種FUZZY-PID控制方法能夠提高直流調(diào)速系統(tǒng)的抗擾性能,但是動態(tài)性能并不理想。文獻提出的級聯(lián)FUZZY-PID控制方法能夠提高直流調(diào)速系統(tǒng)的抗擾性能,但該方法很大程度上依賴于比例積分微分三個參數(shù)初始值的設(shè)定。人工神經(jīng)網(wǎng)絡(luò)具有很強的自適應(yīng)能力、非線性映射能力和并行處理能力,不依賴于被控對象的精確數(shù)學(xué)模型。對非線性、時變性和不確定性的系統(tǒng)采用神經(jīng)網(wǎng)絡(luò)控制將具有很強的適應(yīng)能力、很好的實時性和魯棒性。本文將BP神經(jīng)網(wǎng)絡(luò)參數(shù)自整定PID控制器應(yīng)用于雙閉環(huán)直流調(diào)速系統(tǒng)中,根據(jù)系統(tǒng)不同的運行工況,利用BP網(wǎng)絡(luò)的在線自學(xué)習(xí)能力對PID控制器的三個參數(shù)進行實時調(diào)整,從而獲得最佳的PID控制參數(shù)。仿真結(jié)果表明,采用神經(jīng)網(wǎng)絡(luò)控制方法,系統(tǒng)動態(tài)響應(yīng)快、超調(diào)量小、穩(wěn)態(tài)精度高,具有良好的抗擾性能和魯棒性能。2雙環(huán)流暢系統(tǒng)的建模2.1直流電動機的動態(tài)結(jié)構(gòu)額定勵磁時的他勵直流電動機等效電路如圖1所示。系統(tǒng)輸入為電動機的電樞電壓,輸出為電動機的轉(zhuǎn)速。假定電流連續(xù),忽略黏性磨擦及彈性轉(zhuǎn)矩,可得電樞回路電壓平衡方程和動力學(xué)方程:Ud0=RΙd+LdΙddt+E(1)Τ-ΤL=GD2375dndt(2)Ud0=RId+LdIddt+E(1)T?TL=GD2375dndt(2)式中,Ud0—電樞電壓;R、Id、L—分別為電樞回路總電阻、電流、電感;E—電樞反電動勢,且有E=Cen;T、TL—分別為電動機的電磁轉(zhuǎn)矩和負載轉(zhuǎn)距,且有T=CmId、TL=CmIdL;Ce、Cm—分別為電動機的電動勢系數(shù)、轉(zhuǎn)矩系數(shù);GD2—電力拖動系統(tǒng)運動部分折算到電動機軸上的飛輪慣量。通過拉普拉斯變換并整理可得:Ιd(s)Ud0(s)-E(s)=1/RΤls+1(3)E(s)Ιd(s)-ΙdL(s)=RΤms(4)Id(s)Ud0(s)?E(s)=1/RTls+1(3)E(s)Id(s)?IdL(s)=RTms(4)式中,Τl=LRTl=LR—電樞回路電磁時間常數(shù)(s);Τm=GD2R375CeCmTm=GD2R375CeCm—電力拖動系統(tǒng)的機電時間常數(shù)(s)?？紤]到E=Cen,則可得直流電動機的動態(tài)結(jié)構(gòu)圖如圖2所示。從圖2中可以看出,直流電動機有兩個輸入量,一個是理想空載整流電壓Ud0,作為控制輸入量;另一個是負載電流IdL,作為擾動輸入量。2.2特性分析過程在分析系統(tǒng)時,往往把觸發(fā)電路和可控整流橋合并當(dāng)作一個環(huán)節(jié)來看待,這一環(huán)節(jié)的輸入量是觸發(fā)電路的控制電壓Uc,輸出量是整流輸出電壓Ud0。如果把它們之間的放大系數(shù)KS看成常數(shù),則這個環(huán)節(jié)就是一個純滯后的放大環(huán)節(jié),其滯后作用是由晶閘管整流裝置的失控時間Ts引起的。因傳遞函數(shù)含有指數(shù),如式(5),分析設(shè)計比較麻煩,一般情況下可近似為一個一階慣性環(huán)節(jié)。Ud0(s)Uc(s)=Κse-Τss≈Κs1+Τss(5)Ud0(s)Uc(s)=Kse?Tss≈Ks1+Tss(5)2.3轉(zhuǎn)速調(diào)節(jié)器圖3中WASR(s)和WACR(s)分別表示轉(zhuǎn)速和電流調(diào)節(jié)器的傳遞函數(shù),其參數(shù)采用工程設(shè)計方法設(shè)計。WASR(s)=kpnτns+1τns(6)WACR(s)=kpiτis+1τis(7)WASR(s)=kpnτns+1τns(6)WACR(s)=kpiτis+1τis(7)雙閉環(huán)直流調(diào)速系統(tǒng)采用串級控制,轉(zhuǎn)速環(huán)在外面,電流環(huán)在里面。轉(zhuǎn)速調(diào)節(jié)器是系統(tǒng)的主導(dǎo)調(diào)節(jié)器,它能使轉(zhuǎn)速很快地跟隨給定的變化,具有抑制負載擾動的作用;電流調(diào)節(jié)器使電流緊緊跟隨其給定值的變化,保證獲得電機允許的最大電流,從而加快起動過程,實現(xiàn)“最短時間控制”,具有抑制電網(wǎng)電壓擾動的作用。3雙環(huán)流暢機制的控制策略3.1基于pid的旋轉(zhuǎn)軸控制器設(shè)計常規(guī)PID控制系統(tǒng)結(jié)構(gòu)框圖如圖4所示。系統(tǒng)由PID控制器和被控對象組成。常規(guī)PID控制器本質(zhì)上是一種線性控制器,它根據(jù)給定信號rin(t)與反饋信號yout(t)得到控制誤差error(t)=rin(t)-yout(t)(8)error(t)=rin(t)?yout(t)(8)PID的控制規(guī)律為u(t)=kp(error(t)+1ΤΙ∫t0error(t)dt+ΤDderror(t)dt)(9)u(t)=kp(error(t)+1TI∫t0error(t)dt+TDderror(t)dt)(9)等式兩邊取拉普拉斯變換并化簡可得G(s)=kp(1+1ΤΙs+ΤDs)(10)G(s)=kp(1+1TIs+TDs)(10)式中,kp為比例系數(shù),TI為積分時間常數(shù),TD為微分時間常數(shù)。常規(guī)PID控制器的作用如下:1)比例控制:輸出響應(yīng)快,成比例地反映系統(tǒng)的誤差信號,誤差一旦產(chǎn)生,控制器立即產(chǎn)生控制作用,使系統(tǒng)朝著誤差減小的方向變化。2)積分控制:對誤差積累輸出,有利于消除靜差,提高系統(tǒng)的無差度。積分作用的強弱取決于積分時間常數(shù)TI,TI越大,積分作用越弱,反之則越強。3)微分控制:對誤差進行微分,反映誤差信號的變化趨勢,增加微分控制作用,可以加快系統(tǒng)響應(yīng)并減小超調(diào)。當(dāng)雙閉環(huán)直流調(diào)速系統(tǒng)中ASR和ACR均采用傳統(tǒng)PID控制器時,由于該系統(tǒng)具有一定的非線性、時變性和不確定性,難以建立精確的數(shù)學(xué)模型,而傳統(tǒng)的PID控制本質(zhì)上又是一種線性控制方法,依賴于被控對象的精確數(shù)學(xué)模型,故采用傳統(tǒng)的比例積分微分PID調(diào)節(jié)常常顧此失彼,需要研究新的控制方法。3.2bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)具有任意非線性表達能力,可以通過對系統(tǒng)性能的學(xué)習(xí)來實現(xiàn)具有最佳組合的PID控制。利用BP神經(jīng)網(wǎng)絡(luò)可以建立參數(shù)kP、ki、kd自整定的PID控制器?；贐P神經(jīng)網(wǎng)絡(luò)PID控制系統(tǒng)結(jié)構(gòu)框圖如圖5所示,控制器由兩部分組成:1)經(jīng)典增量式數(shù)字PID控制器。直接對系統(tǒng)轉(zhuǎn)速進行閉環(huán)控制,并且三個參數(shù)kP、ki、kd通過在線整定獲得。2)BP神經(jīng)網(wǎng)絡(luò)。根據(jù)系統(tǒng)的運行狀態(tài),實時調(diào)整PID控制器的參數(shù),以達到某種性能指標(biāo)的最優(yōu)化。使輸出層神經(jīng)元的輸出狀態(tài)對應(yīng)于PID控制器的比例積分微分參數(shù),通過神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、加權(quán)系數(shù)調(diào)整,使神經(jīng)網(wǎng)絡(luò)輸出對應(yīng)于某種最優(yōu)控制規(guī)律下的PID控制器參數(shù)。數(shù)字PID控制器算法為:u(k)=u(k-1)+kp(e(k)-e(k-1))+kie(k)+kd(e(k)-2e(k-1)+e(k-2))(11)式中,kP、ki、kd分別為比例、積分、微分系數(shù);k為采樣序號,e(k)、e(k-1)、e(k-2)分別為第k、(k-1)、(k-2)時刻所得的誤差信號;u(k)、(k-1)分別為第k、(k-1)時刻PID控制器的輸出。將kP、ki、kd視為依賴于系統(tǒng)運行狀態(tài)的可調(diào)參數(shù)時,式(11)可描述為u(k)=f[u(k-1),Κp,Κi,Κd,e(k),e(k-1),e(k-2)](12)u(k)=f[u(k?1),Kp,Ki,Kd,e(k),e(k?1),e(k?2)](12)式中,f(·)是與kP、ki、kd、e(k)、e(k-1)、e(k-2)、u(k)、(k-1)有關(guān)的非線性函數(shù)。所以,可以用BP神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練和學(xué)習(xí)來逼近f(·),找到一個能使其取得最小值的kP、ki、kd,即最優(yōu)控制規(guī)律。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示,它是一種有隱含層的3層前饋網(wǎng)絡(luò),包括輸入層、隱含層和輸出層。輸出層的3個輸出分別對應(yīng)于PID控制器的三個可調(diào)參數(shù)kp、ki和kd。由于kp、ki和kd不能為負,所以輸出層神經(jīng)元的變換函數(shù)取非負的Sigmoid函數(shù),而隱含層神經(jīng)元的變換函數(shù)可取正負對稱的Sigmoid函數(shù)。BP神經(jīng)網(wǎng)絡(luò)的輸入為o(1)j=x(j)(j=0?1..Μ)(13)o(1)j=x(j)(j=0?1..M)(13)隱含層的輸入輸出為{net(2)i(k)=3∑j=0w(2)ijo(1)j(k)o(2)i(k)=f[net(2)i(k)](i=0?1???7)(14)?????????net(2)i(k)=∑j=03w(2)ijo(1)j(k)o(2)i(k)=f[net(2)i(k)](i=0?1???7)(14)輸出層的輸入輸出為{net(3)l(k)=8∑i=0w(3)lio(2)i(k)o(3)l(k)=g[net(3)i(k)]o(3)0(k)=kpo(3)2(k)=kio(3)3(k)=kd(l=0?1?2)(15)?????????????????????????????net(3)l(k)=∑i=08w(3)lio(2)i(k)o(3)l(k)=g[net(3)i(k)]o(3)0(k)=kpo(3)2(k)=kio(3)3(k)=kd(l=0?1?2)(15)采用以輸出誤差二次方為性能指標(biāo),其性能指標(biāo)函數(shù)為J=12[yr(k+1)-y(k+1)]2=12z2(k+1)(16)J=12[yr(k+1)?y(k+1)]2=12z2(k+1)(16)按照梯度下降法修正網(wǎng)絡(luò)的加權(quán)系數(shù),并附加一使搜索快速收斂全局極小的慣性項,則有BP神經(jīng)網(wǎng)絡(luò)輸出層的加權(quán)系數(shù)修正公式為:{Δw(3)li(k+1)=ηδ(3)lo(2)i(k)+αΔw(3)li(k)δ(3)l=e(k+1)sgn(?y(k+1)?u(k))?u(k)?o(3)l(k)g′[net(3)l(k)](l=0?1?2)(17)?????Δw(3)li(k+1)=ηδ(3)lo(2)i(k)+αΔw(3)li(k)δ(3)l=e(k+1)sgn(?y(k+1)?u(k))?u(k)?o(3)l(k)g′[net(3)l(k)](l=0?1?2)(17)式中,g′(x)=g(x)[1-g(x)]同理,可得隱含層加權(quán)系數(shù)的計算公式為{Δw(2)ij(k+1)=ηδ(2)io(1)j(k)+αΔw(2)ij(k)δ(2)i=f′[net(2)i(k)]2∑l=0δ(3)lw(3)li(k)(i=0?1?2???7)(18)?????????Δw(2)ij(k+1)=ηδ(2)io(1)j(k)+αΔw(2)ij(k)δ(2)i=f′[net(2)i(k)]∑l=02δ(3)lw(3)li(k)(i=0?1?2???7)(18)式中,f′(x)=[1-f2(x)]/2由此,BP神經(jīng)網(wǎng)絡(luò)PID控制算法可總結(jié)歸納為:1)確定BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),即確定輸入層和隱含層的節(jié)點個數(shù),選取各層加權(quán)系數(shù)的初值w(2)ij(2)ij(0)、w(3)li(0),選定學(xué)習(xí)速率η和慣性系數(shù)α,此時k=1;2)采樣給定和反饋信號,即r(k)和y(k),計算誤差e(k)=r(k)-y(k);3)確定輸入量,同時進行歸一化處理;4)根據(jù)式(13)-(15),計算各層神經(jīng)元的輸入、輸出,神經(jīng)網(wǎng)絡(luò)輸出層的輸出即為PID控制器的三個可調(diào)參數(shù)kp、ki和kd;5)根據(jù)式(11),計算PID控制器的控制輸出u(k),同時進行反歸一化處理;6)進行神經(jīng)網(wǎng)絡(luò)學(xué)習(xí),實時自動調(diào)整輸出層和隱含層的加權(quán)系數(shù)w(3)li(k)和w(2)ij(k),實現(xiàn)PID控制參數(shù)的自適應(yīng)調(diào)整;7)置k=k+1,返回步驟2)。3.3采用pi控制器實現(xiàn)電流限幅基于BP神經(jīng)網(wǎng)絡(luò)參數(shù)自整定PID控制的雙閉環(huán)直流調(diào)速系統(tǒng)結(jié)構(gòu)圖如圖7所示。圖7中,電流調(diào)節(jié)器仍然采用PI調(diào)節(jié)器,提高系統(tǒng)的響應(yīng)速度,實現(xiàn)電流限幅。這里電流環(huán)被校正為典Ⅰ型系統(tǒng),其參數(shù)采用工程設(shè)計方法設(shè)計。轉(zhuǎn)速調(diào)節(jié)器采用基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器,其參數(shù)由BP神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)調(diào)整得到,從而克服系統(tǒng)運行過程中各種不利因素對系統(tǒng)的所造成的影響,以達到比傳統(tǒng)PID控制器更好的控制效果。4模擬研究4.1神經(jīng)網(wǎng)絡(luò)pid控制器直流電動機參數(shù)如下:額定電壓220V,額定電流136A,額定轉(zhuǎn)速1460r/min,電動勢系數(shù)Ce=0.132Vmin/r,允許過載倍數(shù)λ=1.5;晶閘管裝置放大系數(shù)Ks=40;電樞回路總電阻R=0.5Ω;電樞時間常數(shù)Tl=0.03s,勵磁時間常數(shù)Tm=0.075s。本文基于Simulink工具箱建立了BP神經(jīng)網(wǎng)絡(luò)PID控制的雙閉環(huán)直流調(diào)速系統(tǒng)仿真模型,通過實際的仿真測試神經(jīng)網(wǎng)絡(luò)PID控制器的性能。本文中BP神經(jīng)網(wǎng)絡(luò)PID控制器模塊采用S函數(shù)建立并封裝得到,仿真結(jié)構(gòu)圖如圖8所示,仿真中BP神經(jīng)網(wǎng)絡(luò)采用3-8-3的結(jié)構(gòu),即網(wǎng)絡(luò)輸入層有3個節(jié)點,分別為系統(tǒng)k時刻的輸入r(k),k時刻的輸出y(k),k時刻轉(zhuǎn)速調(diào)節(jié)器ASR的輸入e(k),這些輸入點的選取將充分利用系統(tǒng)的運行狀態(tài),讓BP神經(jīng)網(wǎng)絡(luò)更好地實時對系統(tǒng)進行控制和調(diào)節(jié)。圖7中增益模塊Gain,Gain1參數(shù)設(shè)置為1/10,增益模塊Gain2參數(shù)設(shè)置為10,這樣設(shè)置目的在于分別對BP神經(jīng)網(wǎng)絡(luò)PID控制器的輸入量進行歸一化處理和輸出量進行反歸一化處理。另外,由于電動機和電源過載能力的限制,必須對電樞電流進行限制,因此控制器的輸出量u有最大限幅值±um(本系統(tǒng)um=±10V)。其它仿真參數(shù)設(shè)置為:學(xué)習(xí)速率0.3,慣性系數(shù)0.3,采樣時間0.01s。4.2抗擾性能仿真電機空載啟動,考察系統(tǒng)轉(zhuǎn)速跟隨性能