基于自抗扰的网络化交流电机ls-svm广义逆解耦控制方法
【技术领域】
[0001 ] 本发明涉及网络化交流电力传动与控制系统技术领域，具体地，涉及基于自抗扰 的网络化交流电机LS-SVM广义逆解耦控制方法。
【背景技术】
[0002] 交流异步电机是一个复杂的多变量、非线性、强耦合的控制对象，在交流异步电机 网络化控制中，由于网络控制系统的引入又给电机控制带来了许多不确定因素，因此要实 现网络环境下交流异步电机的高性能控制需要对交流异步电机进行多变量的线性化解耦。
[0003] 目前，交流异步电机线性化解耦控制方法主要有反馈线性化方法和逆系统方法。 其中反馈线性化解耦方法要求全部状态均可测量和精确抵消全部非线性，如果不能精确抵 消非线性将会引发严重的鲁棒性问题，另外控制律复杂对电机参数依赖性大。逆系统线性 化解耦方法需要判别非线性系统的可逆性，随着被控对象复杂程度不断提高，逆系统方法 要求获知被控对象精确数学模型和系统参数的条件不易满足，且求得系统解析逆也存在一 定的难度，另外交流异步电机运行参数会随系统运行状态或外部干扰发生波动，这些因素 都在一定程度上限制了逆系统解耦控制方法在实际工程中的应用。最小二乘支持向量机 (LS-SVM)广义逆解耦控制可实现系统模型或参数未知和小样本条件下交流异步电机多输 入/多输出的线性化动态解耦控制，与神经网络逆系统解耦控制方法相比，结构简单，可以 确保得到的解是全局最优解，避免了神经网络方法中的局部极值问题。同时，广义逆可以对 解耦后的伪线性子系统极点进行任意配置，使得伪线性复合系统具有开环稳定的输入输出 线性传递关系。
[0004] 由于采用LS-SVM广义逆系统辨识建模存在建模误差，网络控制系统的引入又给 电机控制带来了不确定性时延、丢包和外部扰动的影响，需要为解耦后的伪线性复合系统 设计能够补偿网络控制系统中常见问题的闭环控制策略来确保网络环境下交流异步电机 控制系统的鲁棒性。然而LS-SVM广义逆系统构成的伪线性复合系统不依赖或不完全依赖 被控对象精确数学模型，无法利用网络控制系统分析方法建立网络化交流异步电机控制系 统模型并设计网络控制器。自抗扰控制方法在补偿非线性系统的不确定性扰动和建模误差 方面具有良好的鲁棒性，因此需要将自抗扰控制方法和LS-SVM广义逆系统方法相结合可 以实现网络环境下对交流异步电机的线性化解耦和高性能控制。
[0005] 在实现本发明的过程中，发明人发现现有技术中至少存在控制精度不高、交流电 机模型或参数未知和小样本条件下逆系统构建困难、对网络环境下外部扰动鲁棒性弱和开 环稳定性差等缺陷。
【发明内容】
[0006] 本发明的目的在于，针对上述问题，提出基于自抗扰的网络化交流电机LS-SVM广 义逆解耦控制方法，以实现网络条件下对交流异步电机的线性化解耦和高性能控制。
[0007] 为实现上述目的，本发明采用的技术方案是：
[0008] 1、由SVPWM控制器、三相电压型PWM逆变器、交流异步电机、Clarke变换、转子磁 链观测器与K/P变换连接构成复合被控对象；SVPWM控制器、三相电压型PWM逆变器依次连 接后接入所述交流异步电机，所述转子磁链观测器输入端与Clarke变换输出的两相定子 电流和LS-SVM广义逆系统输出两相定子电压相连，输出端为转子磁链经过K/P变换后经通 信网络系统与自抗扰网络控制器相连；
[0009] 2、采用基于离散差分方程系统模型，判别可逆性，利用LS-SVM(最小二乘支持向 量机）辨识并构造无状态反馈的交流异步电机的广义逆系统，将所述LS-SVM广义逆系统连 接在所述复合被控对象之前构成伪线性复合系统，将交流异步电机解耦成转速和转子磁链 两个伪线性子系统；
[0010] 3、通过核函数对数据样本进行训练，构造回归矢量，获得广义逆系统的相关参 数；
[0011] 4、对所述伪线性复合系统的转速伪线性子系统和转子磁链伪线性子系统分别独 立设计自抗扰网络控制器，形成对所述交流异步电机的所述网络化闭环控制。
[0012] 进一步地，在步骤1中通信网络系统，包括执行器节点模块、传感器测量节点模 块，以及干扰节点模块分别与通信网络模块连接。
[0013] 进一步地，在步骤1和2中LS-SVM广义逆系统是通过通过LS-SVM辨识并构建而 成；所述LS-SVM广义逆系统的输入端与执行器节点模块连接，输出与SVPWM控制器连接。
[0014] 进一步地，所述的基于自抗扰的网络化交流电机LS-SVM广义逆解耦控制方法，步 骤2具体包括：
[0015]a、采用LS-SVM广义逆系统方法，实现对交流异步电机转速和磁链的动态线性化 解耦并将两个伪线性子系统的极点配置在所期望的位置，保证了解耦后的开环稳定性；
[0016] b、采用基于离散差分方程模型，通过LS-SVM辨识并构造交流异步电机的广义逆 系统，得到的广义逆系统无状态反馈，简化了逆系统结构
[0017]c、将自抗扰控制引入网络条件下的交流异步电机系统补偿系统中的不确定性扰 动和建模误差，利用扩张状态观测器参与LS-SVM广义逆的构造，实现网络环境下对交流异 步电机的线性化解耦和高性能控制。
[0018] 进一步地，所述在步骤a和b中，所述对交流异步电机在模型或参数未知和小样本 条件下实现线性化解耦的具体操作包括：
[0019] (1)根据MMO非线性系统LS-SVM广义逆系统存在性定理，对于输入输出离散差分 方程形式的交流异步电机模型，如果离散系统可逆，则2输入2输出交流异步电机广义逆系 统可表示为
[0020]
[0021] 通过对输入^1，'^2,211，2丨2,22丨，七2)，输出（111，11 2)的1^-5￥1网络辨识建模可以 得到交流异步电机LS-SVM广义逆系统模型
[0022]
[0023] 式中：C)为LS-SVM函数，h为偏置量，ai为拉格朗日乘子，K(x, )为核函数， ujk)为系统的输出；
[0024] (2)确定适当的激励信号；
[0025] 根据电机系统所有可能工作范围选择足够丰富的信号作为系统辨识的激励信 号；
[0026] (3)LS-SVM广义逆系统辨识的核函数及参数选择；
[0027] ⑷训练样本获取；
[0028] (5)根据解耦后伪线性子系统的希望极点选择广义逆参数构造回归矢量，用复合 被控对象线给定输入信号u(k+S)与广义逆系统输出私々+⑴的误差来训练LS-SVM网络； 通过2路LS-SVM的在线训练学习，得到输入向量的系数即拉格朗日乘子％和偏置量bi;然 后再通过当前输入回归矢量，可以辨识得到广义逆系统；
[0029] (6)将辨识得的LS-SVM广义逆系统与复合被控对象串连构成伪线性复合系统，将 交流异步电机解耦成转速和转子磁链两个伪线性子系统，同时将解耦得到的两个伪线性子 系统的极点配置在所期望的位置，为转速和转子磁链伪线性子系统分别独立设计的自抗扰 网络控制器，实现了网络条件下系统模型或参数未知和小样本条件下交流异步电机多输入 /多输出的线性化动态解耦控制。
[0030] 进一步地，所述步骤（3)，具体包括：
[0031] 选择多层感知器核函数对训练样本进行训练：
[0032] K(xi；Xj) =tanh( 〇(xj?Xj) +t2)
[0033] 式中，〇和心为核参数。
[0034] 进一步地，所述步骤所述步骤（4)，具体包括：
[0035] ①对交流异步电机施加激励信号u=[Upu2]T，确定采样时间，采用高速精度A/ D转化器对激励信号和输出响应进行采样，并用数字滤波器对数据平滑滤波，得到N组 (N>1000)输入激励信号Ul(k)、u2(k)和输出yi(k)、y2(k)数据；离线计算输出数据的一阶 和二阶差分yi (k+1)、y2 (k+1)、yi (k+2)、y2 (k+2)，根据解耦后伪线性子系统的希望极点选择 参数a1(l、an、a12、a2(l、a21、a22，构造回归矢量，选取拟合因子
[0036]
[0037] 获得原始样本训练数据集{\，以，（i= 1，2)，1=ui(k);
[0038] ②采用相同的方法可以构造测试样本数据集{X'i，Y'丄（i= 1，2)，Y'i= u'Jk);
[0039] ③据情况对原始数据进行归一化处理，若将数据归一化到-1~+1方法如下：
[0040]
[0041] 式中，X_为数据最大可能值，xmin为数据最小可能值，x为原始数据，f为归一化 后的数据。
[0042] 本发明各实施例的提出基于自抗扰的网络化交流电机LS-SVM广义逆解耦控制方 法的有益效果是：
[0043] 1.LS-SVM(最小二乘支持向量机）是一种具有小样本情况下机器学习能力的智能 化的统计学习方法，将LS-SVM与逆系统方法相结合的LS-SVM广义逆智能融合算法，可将两 种方法的优势互补，能够实现系统模型或参数未知和小样本条件下交流异步电机这一多输 入/多输出复杂非线性系统的线性化解耦，克服了神经网络逆系统方法中的局部极值和样 本数大的问题。
[0044] 2.同时，采用广义逆系统构成的伪线性复合系统可通过调节逆系统参数对伪线性 子系统极点进行任意配置，