本文關(guān)鍵詞：基于模糊神經(jīng)網(wǎng)絡(luò)的永磁同步電動(dòng)機(jī)矢量控制系統(tǒng)，由筆耕文化傳播整理發(fā)布。

詳細(xì)介紹了基于模糊神經(jīng)網(wǎng)絡(luò)的永磁同步電動(dòng)機(jī)矢量控制系統(tǒng)的方法及實(shí)現(xiàn)

第26卷 第1期 2006年1月 中 國(guó) 電 機(jī) 工 程 學(xué) 報(bào)

Proceedings of the CSEE Vol.26 No.1 Jan. 2006

©2006 Chin.Soc.for Elec.Eng.

文章編號(hào)：0258-8013（2006）01-0137-05 中圖分類號(hào)：TM351;TP273 文獻(xiàn)標(biāo)識(shí)碼：A 學(xué)科分類號(hào)：470 40

基于模糊神經(jīng)網(wǎng)絡(luò)的

永磁同步電動(dòng)機(jī)矢量控制系統(tǒng)

曹先慶，朱建光，唐任遠(yuǎn)

（沈陽(yáng)工業(yè)大學(xué)特種電機(jī)研究所，遼寧省 沈陽(yáng)市，110023）

Vector Controlled Permanent Magnet Synchronous Motor Drive with

Adaptive Fuzzy Neural Network Controller

CAO Xian-qing, ZHU Jian-guang, TANG Ren-yuan

（Research Institute of Special Electric Machines, Shenyang University of Technology,

Shenyang 110023, Liaoning Province, China）

ABSTRACT: This paper presents the implementation of adaptive fuzzy neural network controller(FNNC) for accurate speed control of a permanent magnet synchronous motor (PMSM). FNNC includes neural network controller(NC) and fuzzy logic controller(FC). It combines the capability of fuzzy reasoning in handling uncertain information and the capability of neural network in learning from processes. The initial weights and biases of the artificial neural network(ANN) are obtained by offline training method. Using the output of the fuzzy controller , online training is carried out to update the weights and biases of the ANN. The results of simulation and experiment are provided to demonstrate the effectiveness of the proposed FNNC under the occurrence of parameter variations and external disturbance.

KEY WORDS: Adaptive fuzzy neural network controller; Permanent magnet synchronous motor; Neural network controller; Fuzzy logic controller; Artificial neural network 摘要：該文提供了一種基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的永磁同步電動(dòng)機(jī)（PMSM）矢量控制系統(tǒng)速度控制器的實(shí)施方案。模糊神經(jīng)網(wǎng)絡(luò)控制器（FNNC）包括神經(jīng)網(wǎng)絡(luò)控制器（NC）和模糊邏輯控制器（FC）兩部分，它同時(shí)具有神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力和模糊邏輯在處理不確定信息方面的能力。人工神經(jīng)網(wǎng)絡(luò)（ANN）的初始權(quán)值和閾值通過離線訓(xùn)練的方式獲得。在實(shí)際的運(yùn)行過程中，利用模糊控制器的輸出對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行實(shí)時(shí)調(diào)整。仿真結(jié)果表明利用所提出的模糊神經(jīng)網(wǎng)絡(luò)來建立永磁同步電動(dòng)機(jī)矢量控制系統(tǒng)的速度控制器，當(dāng)電機(jī)參數(shù)改變或者受到外部擾動(dòng)時(shí)，系統(tǒng)具有良好的動(dòng)態(tài)特性。

關(guān)鍵詞：自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制器；永磁同步電動(dòng)機(jī)；神經(jīng)網(wǎng)絡(luò)控制器；模糊控制器；人工神經(jīng)網(wǎng)絡(luò)

1 引言

高性能的驅(qū)動(dòng)系統(tǒng)不僅需要快速響應(yīng)能力，而且在電機(jī)參數(shù)發(fā)生變化或受到外部擾動(dòng)的情況下，還應(yīng)具有速度快速跟蹤能力[1-5]。傳統(tǒng)的參數(shù)固定的速度控制器，如比例積分控制器（PI）卻不能滿足這一要求，因?yàn)樵谶\(yùn)行過程中電機(jī)參數(shù)改變或受到擾動(dòng)時(shí)，預(yù)先設(shè)定的控制器參數(shù)很難適應(yīng)新的運(yùn)行情況[6]。目前，相關(guān)文獻(xiàn)給出了一些自適應(yīng)控制器的

[6-7]

設(shè)計(jì)方法，如模型參考自適應(yīng)控制器（MARC）、平滑模型控制器（SMC）[8]等。這些控制器在一定程度上能提高電機(jī)驅(qū)動(dòng)系統(tǒng)的性能。然而，它們通常是基于系統(tǒng)模型的參數(shù)和結(jié)構(gòu)，在系統(tǒng)模型未知時(shí)，將導(dǎo)致復(fù)雜的計(jì)算。由于神經(jīng)網(wǎng)絡(luò)在對(duì)象模型未知時(shí)，具有出色的非線性映射能力，因此在系統(tǒng)建模和控制系統(tǒng)中得到了廣泛的應(yīng)用[5-6, 9-13]。用基于神經(jīng)網(wǎng)絡(luò)的速度控制器代替?zhèn)鹘y(tǒng)的PI控制器，通過在線調(diào)整網(wǎng)絡(luò)權(quán)值和閾值可以適應(yīng)電機(jī)運(yùn)行情況的動(dòng)態(tài)變化。為了得到調(diào)整網(wǎng)絡(luò)權(quán)值和閾值的誤差量，通常要引入另外一種控制器（如MARC）[6]，，把該控制器的輸出當(dāng)作神經(jīng)網(wǎng)絡(luò)輸出的期望值，并利用兩者之間的差值作為調(diào)整網(wǎng)絡(luò)權(quán)值的依據(jù)，這不但又陷入了繁瑣的計(jì)算，而且使控制系統(tǒng)變得復(fù)雜。為克服這一困難，本文提出了一種建立自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計(jì)方法。把模糊邏輯引入神經(jīng)網(wǎng)絡(luò)的權(quán)值調(diào)整過程，利用模糊邏輯處理不確定信息的能力得到調(diào)整網(wǎng)絡(luò)權(quán)值的誤差量。仿真結(jié)

  本文關(guān)鍵詞：基于模糊神經(jīng)網(wǎng)絡(luò)的永磁同步電動(dòng)機(jī)矢量控制系統(tǒng)，由筆耕文化傳播整理發(fā)布。