摘 要：针对多输入多输出时变、非线性、耦合的两电机同步系统，文中提出了一种控制系统，其包括：两个DRNN神经网络在线整定参数的智能PID控制器，分别对系统中的速度和张力变量进行控制;神经元解耦补偿器执行对速度和张力两耦合变量的解耦控制。将控制算法编程下载到PLC中，并采用PROFIBUS-DP现场总线实现S7-300 PLC和MMV变频器主从站式通讯。实验表明，采用该方法可以实现两电机同步系统中速度和张力的解耦控制，系统对负载的扰动有很强的抑制作用，系统具有良好的动静态性能，可有效跟踪任意给定轨迹。

　　关键词：感应电机，DRNN网络，解耦控制，PROFIBUS-DP

　　中图分类号：

　　Key words: induction motors, DRNN network, decoupling control, PROFIBUS-DP

　　1 引言

　　目前，交流电机因为相对于直流电机的高性价比、高转速、大容量和低维护费用在工业领域得到了广泛应用。同时，交流变频器所具有的轻重量、小体积、低价格、高可靠性和在速度调节方面的杰出性能等特点，使得在工业领域中使用变频器直接驱动交流电机成为必然。然而交流电机是多变量、非线性、强耦合系统，其数学模型复杂，加上开关状态的逆变器，整个被控对象为多输入多输出动态时变参数系统，难以建立精确的数学模型。这使常规的PID控制方法在进行高精度控制和解耦控制时无法达到满意的效果。

　　人工神经元网络具有自学习、自适应能力、并行处理能力、泛化能力、容错能力和非线性映射能力。因此，它可以弥补常规方法的局限性，使得非线性、时变性和不确定性多变量系统的解耦控制成为可能。

　　可编程逻辑控制器(PLC)是专门针对环境恶劣、干扰严重的工业环境而设计的一种通用控制系统，具有稳定可靠，简单易学，通讯组网灵活等特点，可方便地集成到现场总线控制系统中，适合于当前工业企业对自动化的需要。

　　文中首先建立两电机同步系统的物理模型，其次构建两电机同步系统神经网络解耦控制方案，设计了DRNN神经网络参数自适应PID控制器及神经元解耦补偿器，并将DRNN神经网络PID控制算法集成到PLC控制系统中，来弥补PLC解决非线性和解耦问题的不足，介绍了该控制器在PLC控制系统中具体的实现方法。最后在PLC控制的多电机硬件实验平台上进行实验验证，结果表明，该方法实现了两电机同步系统速度和张力的解耦控制。

　　2 两电机同步系统的物理模型

　　两电机同步系统的速度和张力控制的物理模型见图1所示。根据虎克定律，考虑前滑量，张力具有以下的形式：

(1)

　　图1 两电机同步系统

式中：K=E/V为传递系数;T=L0/AV为张力变化时间常数;F为皮带的张力，、、分别为第1台皮带轮的半径、速比、电气角速度;、、分别为第2台皮带轮的半径、速比、电气角速度;A为皮带的截面积;E为皮带的杨氏弹性模量;L0为机架间的距离;V为期望的速度。

　　3.3 两电机同步系统的设计

　　针对一个具有双输入双输出的两电机同步系统，本文提出了一种神经网络在线整定PID参数的解耦控制方法，其结构如图2所示，整个控制系统

由三部分组成：①常规PID控制器：直接对被控对象过程进行闭环控制，并且三个参数、、为在线整定式;②DRNN神经网络：根据系统的运行状态，调节PID控制器的参数，以达到某种最优化的性能指标。使输出层神经元的输出状态对应的PID控制器的三个可调参数，通过神经网络的自学习、加权系数调整，从而获得稳定状态下最优的PID控制器参数;③神经元解耦补偿器：位于参数自学习PID控制器之后，与其串联对速度和张力的控制量进行解耦[1] [2]。

　　图2 控制系统结构图

　　3.3.1基于DRNN神经网络整定的自适应PID控制器[3]

　　(1)DRNN神经网络参数自学习PID控制原理

　　采用位置式PID控制器，控制误差为：

(4)

式中为两电机同步调速系统的速度给定输入或张力给定输入，为系统K时刻相应的实际速度输出或系统张力输出。

　　PID三项输入为：

(5) (6)

(7)

式中，为采样时间,本课题实验系统中为100ms，PID三项系数采用DRNN神经网络进行整定。

　　控制算法为：

(8)

　　定义如下指标：

(9)

(10)

(11)

(12)

式中，为对象的Jacobian信息，该信息可以由DRNN网络进行辨识。

　　(2)DRNN神经网络的Jacobian信息辨识

 1/3    1 2 3 下一页 尾页