1 导言
在最近几年里,同步电动机的励磁电源既安稳又高效运转的问题引起越来越多的重视,首要原因是:同步电动机不只具有结构简略、功用优秀,而且能够改进电网功率因数然后优化电网、节约能源[1-2]。
传统PID闭环操控是现在广泛运用的励磁电压调理办法,在必定程度上满意了实践的要求,但线性的定常PID操控办法对负载的习惯才能差,抗干扰才能弱,以及受体系参数影响大[3]。
所以本文针对传统PID操控存在自习惯才能不高和抗干扰才能弱的问题,将自习惯神经网络含糊操控理论引进励磁电源的操控中,选用新的含糊操控规矩,以处理传统操控存在的问题。
2 自习惯神经含糊操控器的算法
含糊自习惯PID操控体系是以含糊规矩调理PID参数的一种自习惯操控体系,它是在一般PID操控体系的基础上加上含糊操控规矩的环节,使用含糊调集理论树立参数Kp、Ki、Kd与差错E、差错改变率EC间的二元接连函数。而自习惯神经网络技术的学习功用关于从属函数及含糊规矩的树立对错常有用的东西,而且自习惯神经含糊推理体系是依据数据的建模办法,而不是依据经历恣意给定[4],在本体系是由3个神经含糊操控器,每一个含糊操控器发生49条规矩。如图1所示,其同一层的每个节点具有类似的功用[5]。
第1层:表明输入层。
第2层:这儿用
表明第2层的第i个节点的输出。
其间,E、EC为节点i的输入,Ai、Bi是与该节点函数值相关的言语变量,如“大”、“中”或“小”等,Q2,i是含糊集A(A= A1…A7,B=B1…B7)的从属函数。
第3层:该层的节点在图1顶用表明,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顶用N表明,第i条规矩wi与悉数规矩w值之和的比值为:
第5层:该层的每个节点i为自习惯节点,其输出为
其间,pi、qi和ki是与A调集A1…A7,B1…B7有关的常数。
第6层:该层是核算一切输出信号的总输出
3 自习惯神经含糊操控器的励磁电源规划
3.1 神经含糊操控器的规划
在接连时间域上,PID操控器具有如下的方式[6]:
式中,KP、KI、KD别离为份额、积分和微分操控器增益系数。
将式(1)离散化,用宽为Td,高为e(iTd)(i=0,1,2…,Td为采样距离)的小矩形面积和来近似替代积分。可得离散线性PID操控器的递归方程:
式中,KPd=Kp、KId=KpTd/TI和KDd=KpTD/Td别离为相应的份额、积分和微分增益常量。
PID操控器的离散方式的式(2)不便于完成,因为它包括一切曾经时间的操控差错值求和,因而选用增量方式作为神经含糊操控器的输出[6]:
且因为这种操控器的输出使履行机构在原有方位上添加或削减相应于△y的动作量,因而其长处是:若因为某种毛病原因使△y为零,则履行机构仍可坚持原有的动作方位,对操控体系不会形成很大的影响,其价值是在体系中添加具有回忆功用的履行设备,让它回忆上个采样周期的动作方位[5]。
式(3)的方式暗示着自习惯神经含糊PID具有或许的变形:由含糊P+含糊I+含糊D操控器构成的含糊PID操控器,如图2所示。
3.1.1 输入输出变量论域的确认
本含糊操控体系的输入变量是电压差错E和电压差错的改变率EC,选取含糊调集E={NB,NM,NS,Z,PS,PM,PB},考虑到论域元素总数为含糊子集总数的2~3倍时,含糊子集对论域有较好的掩盖程度[7],因而选取E对应的论域X1={-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6},含糊调集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},这儿的NB,NM,NS,Z,PS,PM,PB,EC别离表明电压的差错负大,负中,负小,零,正小,正中,正大。输出变量为移相的增量值改变△y(关于X1、X2的函数)。
3.1.2 从属函数的确认
考虑到IGBT的导通与关断且其作业频率很高,而且三角形函数有很好的灵敏度,因而选取三角形散布。在MATLAB的含糊操控东西箱的Anfisedit翻开神经含糊操控器,输入一组练习数据和一组查验数据来创立输入量和输出量的函数,如图3、图4所示。
3.1.3 含糊操控规矩的选取
依据自习惯神经含糊推理,可得出含糊句子构成的操控规矩,如表1、表2和表3所示。
3.2 自习惯神经含糊操控器的仿真
在Matlab/Simulink环境里对所规划的自习惯神经含糊操控器进行仿真,模型如图5所示,PID调整的成果如图7所示,然后进一步操控移相改变的巨细。其间,图6是图5里子体系f controll的底视图。
在图7里的deta y(△y)表明移相的改变,从此图能够看出:0~0.002s,电压差错和电压差错的改变率都在改变时,P、I、D参数的增量常量Kp、Ki、Kd的增益系数不断调整改变,对应的△y值也调整改变;从0.002 s后,电压差错和电压差错的改变率根本不变,△y值根本也坚持为零,即坚持移相的巨细根本不变,自习惯神经含糊操控器趋于稳态操控。
4 同步电动机励磁电源的仿真模型
为了验证操控办法的有用性,本文使用Matlab/Simulink仿真软件树立了依据自习惯神经含糊操控的移相式的DC/DC[9-10]仿真模型,树立的仿真模型[11]如图8所示,其输入直流电压400V、输出直流电压50V且使输出电压差错在10%之间是改变的最大差错,因而电压差错规模为-5V~5V。
当该模型运转于5V扰动时的仿真成果如图9所示,图9(a)里的ug1、ug2为超前臂,ug3、ug4为滞后臂,其间,ug4、ug3别离滞后于ug1、ug2。
经过比较图9里的(b)和(c),能够看出:使用自习惯神经含糊操控的超调量比惯例PID操控的超调量小、调理时间短且稳态差错小,这说明依据自习惯神经操控做出的操控决议计划能够有用地处理杂乱操控问题,能够动态地习惯外界环境的改变,然后为同步电动机供给安稳的励磁电源。
4 结束语
针对惯例操控的同步电动机励磁电源存在抗干扰才能差和自习惯才能不强问题,本文提出了依据自习惯神经含糊操控的励磁电源,这关于同步电动机既安稳又高效地运转有着重要的效果。
