基于模糊控制的同步电动机励磁电源研究

1 引言

在最近几年里,同步电动机的励磁电源既稳定又高效运行的问题引起越来越多的关注,主要原因是:同步电动机不仅具有结构简单、性能优良,而且可以改善电网功率因数从而优化电网、节约能源[1-2]。

传统PID闭环控制是目前广泛使用的励磁电压调节方式,在一定程度上满足了实际的要求,但线性的定常PID控制方法对负载的适应能力差,抗干扰能力弱,以及受系统参数影响大[3]。

所以本文针对传统PID控制存在自适应能力不高和抗干扰能力弱的问题,将自适应神经网络模糊控制理论引入励磁电源的控制中,采用新的模糊控制规则,以解决传统控制存在的问题。

2 自适应神经模糊控制器的算法

模糊自适应PID控制系统是以模糊规则调节PID参数的一种自适应控制系统,它是在一般PID控制系统的基础上加上模糊控制规则的环节,应用模糊集合理论建立参数Kp、Ki、Kd与偏差E、偏差变化率EC间的二元连续函数。而自适应神经网络技术的学习功能对于隶属函数及模糊规则的建立是非常有效的工具,并且自适应神经模糊推理系统是基于数据的建模方法,而不是基于经验任意给定[4],在本系统是由3个神经模糊控制器,每一个模糊控制器产生49条规则。如图1所示,其同一层的每个节点具有相似的功能[5]。

第1层:表示输入层。

第2层:这里用

表示第2层的第i个节点的输出。

其中,E、EC为节点i的输入,Ai、Bi是与该节点函数值相关的语言变量,如“大”、“中”或“小”等,Q2,i是模糊集A(A= A1…A7,B=B1…B7)的隶属函数。

第3层:该层的节点在图1中用表示,将输入信号相乘,使其乘积输出为:

第4层:该层的节点在图1中用N表示,第i条规则wi与全部规则w值之和的比值为:

第5层:该层的每个节点i为自适应节点,其输出为

其中,pi、qi和ki是与A集合A1…A7,B1…B7有关的常数。

第6层:该层是计算所有输出信号的总输出

3 自适应神经模糊控制器的励磁电源设计

3.1 神经模糊控制器的设计

在连续时间域上,PID控制器具有如下的形式[6]:

式中,KP、KI、KD分别为比例、积分和微分控制器增益系数。

将式(1)离散化,用宽为Td,高为e(iTd)(i=0,1,2…,Td为采样间隔)的小矩形面积和来近似代替积分。可得离散线性PID控制器的递归方程:

式中,KPd=Kp、KId=KpTd/TI和KDd=KpTD/Td分别为相应的比例、积分和微分增益常量。

PID控制器的离散形式的式(2)不便于实现,因为它包含所有以前时刻的控制误差值求和,因而采用增量形式作为神经模糊控制器的输出[6]:

且由于这种控制器的输出使执行机构在原有位置上增加或减少相应于△y的动作量,因而其优点是:若由于某种故障原因使△y为零,则执行机构仍可保持原有的动作位置,对控制系统不会造成很大的影响,其代价是在系统中增加具有记忆功能的执行装置,让它记忆上个采样周期的动作位置[5]。

式(3)的形式暗示着自适应神经模糊PID具有可能的变形:由模糊P+模糊I+模糊D控制器构成的模糊PID控制器,如图2所示。

3.1.1 输入输出变量论域的确定

本模糊控制系统的输入变量是电压偏差E和电压偏差的变化率EC,选取模糊集合E={NB,NM,NS,Z,PS,PM,PB},考虑到论域元素总数为模糊子集总数的2~3倍时,模糊子集对论域有较好的覆盖程度[7],因此选取E对应的论域X1={-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},模糊集合EC={NB,NM,NS,Z,PS,PM,PB},EC对应的论域X2={-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},这里的NB,NM,NS,Z,PS,PM,PB,EC分别表示电压的偏差负大,负中,负小,零,正小,正中,正大。输出变量为移相的增量值变化△y(关于X1、X2的函数)。

3.1.2 隶属函数的确定

考虑到IGBT的导通与关断且其工作频率很高,并且三角形函数有很好的灵敏度,因此选取三角形分布。在MATLAB的模糊控制工具箱的Anfisedit打开神经模糊控制器,输入一组训练数据和一组检验数据来创建输入量和输出量的函数,如图3、图4所示。

3.1.3 模糊控制规则的选取

根据自适应神经模糊推理,可得出模糊语句构成的控制规则,如表1、表2和表3所示。

3.2 自适应神经模糊控制器的仿真

在Matlab/Simulink环境里对所设计的自适应神经模糊控制器进行仿真,模型如图5所示,PID调整的结果如图7所示,从而进一步控制移相变化的大小。其中,图6是图5里子系统f controll的底视图。

在图7里的deta y(△y)表示移相的变化,从此图可以看出:0~0.002s,电压偏差和电压偏差的变化率都在变化时,P、I、D参数的增量常量Kp、Ki、Kd的增益系数不断调整变化,对应的△y值也调整变化;从0.002 s后,电压偏差和电压偏差的变化率基本不变,△y值基本也保持为零,即保持移相的大小基本不变,自适应神经模糊控制器趋于稳态控制。

4 同步电动机励磁电源的仿真模型

为了验证控制方法的有效性,本文利用Matlab/Simulink仿真软件建立了基于自适应神经模糊控制的移相式的DC/DC[9-10]仿真模型,建立的仿真模型[11]如图8所示,其输入直流电压400V、输出直流电压50V且使输出电压偏差在10%之间是变化的最大偏差,因此电压偏差范围为-5V~5V。

当该模型运行于5V扰动时的仿真结果如图9所示,图9(a)里的ug1、ug2为超前臂,ug3、ug4为滞后臂,其中,ug4、ug3分别滞后于ug1、ug2。

通过比较图9里的(b)和(c),可以看出:利用自适应神经模糊控制的超调量比常规PID控制的超调量小、调节时间短且稳态误差小,这说明根据自适应神经控制做出的控制决策能够有效地解决复杂控制问题,可以动态地适应外界环境的变化,从而为同步电动机提供稳定的励磁电源。

4 结束语

针对常规控制的同步电动机励磁电源存在抗干扰能力差和自适应能力不强问题,本文提出了基于自适应神经模糊控制的励磁电源,这对于同步电动机既稳定又高效地运行有着重要的作用。