专利名称：永磁同步电机速度环的神经网络自校正控制方法
技术领域：
本发明涉及一种高精度永磁同步电机伺服系统速度环自校正控制方法，特别是一种永磁同步电机速度环的神经网络自校正控制方法，属于高精度伺服控制系统的技术领域。
背景技术：
永磁同步电机由于具有无机械换向器、结构简单、容易实现正反转切换、快速响应性好等特点，应用范围越来越广。高性能的全数字化伺服控制系统成为当代交流伺服系统发展的趋势，并被广泛地应用在工业生产自动化领域，特别是在机器人、航天航空、数控机床、特种加工设备等控制精度要求高的领域。因此对其性能的要求也越来越高，比如高速度、高精度、高可靠性及高抗干扰能力。
永磁同步电机本质是一个非线性系统，在运行过程中参数经常可能是时变的，如在实际应用中，负载的改变、运行环境的变化等都会导致转动惯量、摩擦系数等参数发生变化。这些模型参数的变化不可避免地引起控制系统性能的降低，尤其是转动惯量的变化。转动惯量的增加将导致系统动态响应变慢，会对系统的机械特性造成明显的影响。在一些应用场合，比如卷线机控制系统，随着卷线机卷线，折合到电机上的总惯量也随着增加，当惯量增长较大时，如果控制器参数仍然保持不变，闭环系统的性能会变差，甚至导致系统不稳定。因此经典的控制方法(如PID控制)可能无法取得令人满意的控制效果。因此在系统转动惯量变化大的情况下，如果系统能够自动识别变化的工况，并据此对系统控制器参数进行自动调整，不仅能够提高交流伺服系统的控制性能，而且可以增强交流伺服系统对工况变化的智能性和适应性。
所谓自整定是指控制器根据对象特性变化自动整定控制参数，是实现交流伺服系统速度环控制参数整定的高效途径。因此为了消除系统参数变化和扰动带来的影响，提高系统的控制性能，许多专家和学者进行了大量的研究，提出了一系列的控制器参数自整定方法。一般来说，可以将控制器参数自整定技术分为以下两类一类是基于对象模型的设计方法，如文献(杨明，张扬等.交流伺服系统控制器参数自整定及优化[J].电机与控制学报.2010，14(1 )提出一种基于转动惯量辨识的速度控制器PI参数在线调整方法，通过电机做三角波运动过程中使用评价函数计算出的值来调整PI参数。但是基于模型的方法在参数变化很大和扰动的情况下可能无法获得优异的控制性能。另一类是基于规则的自整定方法，如模糊自整定方法，文献(Li S H，Liu Z G. Adaptive speed control for permanent magnet synchronous motor system with variations of load inertia[J]. IEEE Transactions on Industrial Electronics, 2009, 56 (8) :3050-3059)提出了基于惯量辨识的自适应自抗扰控制器。根据辨识出来的惯量，利用模糊推理法，对自抗扰控制器参数进行相应的调整，这种方法对惯量的变化有着较强的自适应性，但是该方法需要丰富的先验知识，且缺乏在线机制。
神经网络具有很强的自适应能力、非线性映射能力、容错能力和无需先验知识的概括能力等特性，能逼近任意L2范数上的任意非线性函数，可以通过自学习对系统的各种特性或者新出现的情况进行描述，并得出相应的控制策略。发明内容
本发明的目的是提供一种永磁同步电机速度环的神经网络自校正控制方法，该控制方法针对惯量、负载等参数变化范围大的伺服控制的应用场合。该控制方法不需要被控对象的精确数学模型，并可以通过神经网络的在线学习来适应工作环境和系统本身的参数变化(如转动惯量等)，以及来自外界的扰动(如负载等)。该控制方法的参数可以不断通过实际系统的输出与神经网络辨识器输出之间的误差来进行在线自适应整定，使系统具有良好的鲁棒性、适应性、抗扰动能力和控制精度。
为了实现上述的技术目的，本发明的永磁同步电机速度环的神经网络自校正控制方法是将电流环和电机作为广义对象，通过神经网络辨识得到电机的参数及负载扰动，然后根据估计的参数和负载扰动设计速度环自校正控制器；并可以根据对象与辨识模型之间的误差在线调整神经网络的权值，进而自适应调整控制器的参数，实现控制器参数的在线自动整定。
所述永磁同步电机的控制策略是矢量控制。
所述控制方法采用ζ = 0的控制策略，电流环传递函数近似为常数1，电机的输出模型表示为
权利要求
1.一种永磁同步电机速度环的神经网络自校正控制方法，其特征在于将电流环和电机作为广义对象，通过神经网络辨识得到电机的参数及负载扰动，然后根据估计的参数和负载扰动设计速度环自校正控制器；并可以根据对象与辨识模型之间的误差在线调整神经网络的权值，进而自适应调整控制器的参数，实现控制器参数的在线自动整定。
2.根据权利要求1所述的永磁同步电机速度环的神经网络自校正控制方法，其特征在于永磁同步电机的控制策略是矢量控制。
3.根据权利要求1所述的永磁同步电机速度环的神经网络自校正控制方法，其特征在于所述控制方法采用ζ = 0的控制策略，电流环传递函数近似为常数1，电机的输出模型表示为表竽-苧-f，离散化模型为= -1) + pfq{k -1) + yTL(k -1)，其中， -翌β=Κ^~α)/ =ω为转速信号，^^q轴电流给定，J为转动惯a = e J ,BKtq量，B为粘滞摩擦系数，Tl为负载转矩，Ii =IwpP7■，np为磁极对数，Vf为转子磁链，Ts为2采样时间。
4.根据权利要求1所述的永磁同步电机速度环的神经网络自校正控制方法，其特征在于首先采集转速和电流信息，用神经网络对采集的数据进行离线训练，在达到满意的精度以后，将离线学习得到的神经网络权值作为神经网络在线学习的初始权值，然后对系统进行在线学习和控制。
5.根据权利要求4所述的永磁同步电机速度环的神经网络自校正控制方法，其特征在于用来辨识永磁同步电机参数的神经网络是一个两层线性时延神经网络，该神经网络的权值为α和β的辨识值 和3，电机的参数辨识值为·β = ^，J = ，使系统P\η 适应环境和系统本身的参数变化。
6.根据权利要求5所述的永磁同步电机速度环的神经网络自校正控制方法，其特征在于学习算法采用变学习速率的最小方差法W(k)=炉(众- ) + Α丄2" H .V7 ]、，其中妒=[么ygf为神经网络的权值，ω和 ο + ω {κ - ) + Iq^K - )iq为神经网络的输入，ξ为学习速率，取值范围为ξ e W，I]，b为一个不为0的常数，以防止出现分母为零的情况。
7.根据权利要求I所述的永磁同步电机速度环的神经网络自校正控制方法， 其特征在于根据神经网络辨识出的电机参数计算出电机的负载扰动估计值为TL(k-I) = \{αω{1 -I) + pfq{k -1) - 0{k))，并将估计出的干扰作为前馈补偿项，和反 7馈自校正控制一起用于抵消干扰的影响。
8.根据权利要求I所述的永磁同步电机速度环的神经网络自校正控制方法，其特征在于由已经得到的电机参数和负载估计值设计自校正控制律ζ，
全文摘要
本发明公开了一种永磁同步电机速度环的神经网络自校正控制方法，该方法是将电流环和电机作为广义对象，首先采集出转速和电流等信息，用一个自适应线性时延神经网络对电机进行离线参数辨识，然后将离线学习得到的权值作为在线学习的初值，最后对系统进行在线参数辨识，根据辨识的参数计算出电机的负载转矩；根据得到的参数值和负载扰动值，设计神经网络自校正控制律，并根据被控对象与辨识模型之间的误差在线调整网络的权值，进而在线整定神经网络自校正控制器的参数，实现了控制器参数的在线调整，从而可以消除系统的不确定性和外部扰动带来的影响，改善伺服系统的动态性能和抗扰动能力。
文档编号H02P21/14GK102497156SQ20111044518
公开日2012年6月13日 申请日期2011年12月27日 优先权日2011年12月27日
发明者吴波, 吴蔚, 李世华, 李娟 , 杨俊 , 齐丹丹 申请人:东南大学, 南京埃斯顿自动化股份有限公司, 南京埃斯顿自动控制技术有限公司