基于模糊神经网络的永磁同步电动机矢量控制系统

  本文关键词：基于模糊神经网络的永磁同步电动机矢量控制系统，由笔耕文化传播整理发布。

详细介绍了基于模糊神经网络的永磁同步电动机矢量控制系统的方法及实现

第26卷 第1期 2006年1月 中 国 电 机 工 程 学 报

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

©2006 Chin.Soc.for Elec.Eng.

文章编号：0258-8013（2006）01-0137-05 中图分类号：TM351;TP273 文献标识码：A 学科分类号：470 40

基于模糊神经网络的

永磁同步电动机矢量控制系统

曹先庆，朱建光，唐任远

（沈阳工业大学特种电机研究所，辽宁省 沈阳市，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：该文提供了一种基于自适应模糊神经网络的永磁同步电动机（PMSM）矢量控制系统速度控制器的实施方案。模糊神经网络控制器（FNNC）包括神经网络控制器（NC）和模糊逻辑控制器（FC）两部分，它同时具有神经网络自学习能力和模糊逻辑在处理不确定信息方面的能力。人工神经网络（ANN）的初始权值和阈值通过离线训练的方式获得。在实际的运行过程中，利用模糊控制器的输出对神经网络的权值和阈值进行实时调整。仿真结果表明利用所提出的模糊神经网络来建立永磁同步电动机矢量控制系统的速度控制器，当电机参数改变或者受到外部扰动时，系统具有良好的动态特性。

关键词：自适应模糊神经网络控制器；永磁同步电动机；神经网络控制器；模糊控制器；人工神经网络

1 引言

高性能的驱动系统不仅需要快速响应能力，而且在电机参数发生变化或受到外部扰动的情况下，还应具有速度快速跟踪能力[1-5]。传统的参数固定的速度控制器，如比例积分控制器（PI）却不能满足这一要求，因为在运行过程中电机参数改变或受到扰动时，预先设定的控制器参数很难适应新的运行情况[6]。目前，相关文献给出了一些自适应控制器的

[6-7]

设计方法，如模型参考自适应控制器（MARC）、平滑模型控制器（SMC）[8]等。这些控制器在一定程度上能提高电机驱动系统的性能。然而，它们通常是基于系统模型的参数和结构，在系统模型未知时，将导致复杂的计算。由于神经网络在对象模型未知时，具有出色的非线性映射能力，因此在系统建模和控制系统中得到了广泛的应用[5-6, 9-13]。用基于神经网络的速度控制器代替传统的PI控制器，通过在线调整网络权值和阈值可以适应电机运行情况的动态变化。为了得到调整网络权值和阈值的误差量，通常要引入另外一种控制器（如MARC）[6]，，把该控制器的输出当作神经网络输出的期望值，并利用两者之间的差值作为调整网络权值的依据，这不但又陷入了繁琐的计算，而且使控制系统变得复杂。为克服这一困难，本文提出了一种建立自适应模糊神经网络控制器的设计方法。把模糊逻辑引入神经网络的权值调整过程，利用模糊逻辑处理不确定信息的能力得到调整网络权值的误差量。仿真结

  本文关键词：基于模糊神经网络的永磁同步电动机矢量控制系统，由笔耕文化传播整理发布。