基于神經網絡的交流伺服電機控制系統

張航

【摘要】 本文在神經網絡誤差回傳算法基礎上提出了一種三層BP神經網絡算法，并和PID控制算法相融合，得出一種新的控制伺服交流電機的方法。整個伺服系統的控制電路以數字信號處理器為核心，它可以完成永磁同步電機數字控制中的傳感器信號的采集與數據處理， 實現基于神經網絡的PID參數自整定的電機矢量控制算法，產生控制交流伺服電機的PWM信號。在算法方面，利用三層BP神經網絡算法對PID的積分增益、微分增益和比例增益進行智能化調節，大大提高了系統的性能。

【關鍵詞】 神經網絡 PID 伺服交流電機

目前市面上大部分電機的伺服控制系統算法均是采用傳統的PID控制算法，利用PID算法來控制交流伺服電機的時候，遇到最棘手的問題就是如何整定PID的比例參數、積分參數和微分參數。PID算法在整個控制過程中其參數是保持不變的。而在實際運用中，整個被控系統是無法提前預測的，而且被控對象的狀態會隨著時間的變化而變化，從而固定的PID參數無法使系統達到最好的控制效果。雖然能夠達到較為可觀的控制精度，但遺憾的是在抗干擾方面和自適應學習方面均有較大的缺陷。基于傳統的PID控制算法以無法滿足科研的需求。為了得到一種能夠對復雜外界環境快速適應、智能化學習和較強的抗擾動能力的調整臺，本文提出了將神經網絡誤差回傳算法運用到調整臺的控制算法之中，能夠有效的提高控制系統的容錯能力和加強其自主適應外界擾動的性能。

一、伺服電機控制系統組成

一維轉臺的永磁同步伺服電機控制系統主要由伺服電機、電源管理模塊、信號處理控制模塊、電機驅動模塊、人機交互模塊、通訊模塊和信號調理采集模塊等組成。其組成框圖如圖1所示。

電機驅動模塊采用IGBT，通過改變IGBT的導通和關斷來控制電機的運作。其中為了保護電機過載運作和精確控制電機的力矩，利用電流檢測芯片搭載的電流檢測電路對電機三相電流進行實時檢測，其中還包括對電機的電流進行測量，經過AD轉換后輸入到主控芯片進行反饋控制。

二、神經網絡的PID矢量控制

整個伺服系統的控制電路以數字信號處理器為核心，它可以完成永磁同步電機數字控制中的傳感器信號的采集與數據處理，實現基于神經網絡的PID參數自整定的電機矢量控制算法，產生控制電力電子器件開關的 PWM 信號。

整個控制方案一共可分別為三個部分組成，最高一層控制模塊為BP神經網絡控制模塊，在其之下為PID比例積分微分控制模塊，最基層為SVPWM電壓空間矢量脈寬調制控制模塊。而整個伺服反饋環又可分為三個反饋部分組成，分別為位置反饋環、速度反饋環和電流反饋環，其組成示意圖2如下所示。

位置環的作用是使轉臺轉到的角度精確地達到預先設定的角度，根據軸角編碼器反饋的角度作為參考標定量，速度環的作用是使轉臺運動的速度保持平穩，其反饋量為編碼器測得的角度值相對于時間的微分，電流環的作用是電機繞組的電流準確實時的跟蹤電流指示信號，實現電機平穩轉動。矢量控制的根本目的是簡化交流電機的控制方法，它利用坐標轉換和定向控制的方法將交流電機的控制變換為近似于直流電機的控制。采用id=0的矢量控制作為控制策略，通過采用id=0的控制方式，將轉子電流與永磁通解耦，如此轉矩和交流電流iq成比例關系，電流環可以通過控制iq直接控制轉矩。由電壓空間矢量脈寬調制控制模塊輸出PWM控制交流電機驅動電路中的功率開關器件，而實現對交流伺服電機的矢量控制。為了實現矢量控制，需要對檢測到的三相電流進行坐標變換，其中 Clark 變換是從三相坐標系 ABC 到兩相靜止坐標系 d‐q 坐標系的轉換。

矢量控制屬于最靠近電機的一個控制部分，SVPWM模塊的輸入為交軸在d軸的電流分量id和交軸在p軸的電流分量ip以及轉子位置θ，其輸出為PWM波。輸出的PWM波對交流伺服電機的驅動電路直接控制，從而控制電機的運作。而SVPWM模塊的輸入量id和ip是由三相電流經過坐標轉換得到的，而三相電流是PID模塊給出的，即PID模塊的輸出量為加載到電機三個相線上的電流，通過坐標轉換得到交軸在d軸的電流分量id和交軸在p軸的電流分量ip，即PID模塊的輸出量為SVPWM的輸入量。而PID的輸入量為Ki（積分系數）、Kp（比例系數）和Kd（微分系數）。而PID這三個輸入參數是動態的，依靠神經網絡算法進行實時計算而得。

對神經網絡誤差回傳算法的編程步驟和流程圖：

（1）首先對權值矩陣W和V賦給一個初值，這個初值來自于計算機給出的一個隨機數。p為樣本模式計算器，q為學習次數計數器，E為誤差值，η為學習率，Emin為誤差合格閾值，分別對這些參數賦予初值：p=1，q=1，E=0，η∈（0，1]，Emin>0。

（2）將神經網絡誤差回傳模型的樣本輸入到程序里，在這里樣本X p、d p賦值給向量X和d，計算出向量Y和向量O中的分量。

（3）神經網絡誤差回傳算法的樣本擁有不同計的誤差值

（5）查看學習情況，看學習結果是否合格，如果誤差值低于實現預定的閾值ERME

三、階躍響應跟隨實驗

3.1 電流環階躍響應跟隨實驗

將一個方波作用于電流環，利用三層神經網絡BP算法自動調節電流環的比例增益、積分增益和微分增益，獲得一個理想的方波波形輸出，實現電流的跟蹤控制。結果如圖4所示。

綠線為理想方波波形，白線為輸出的實際方波波形圖，橫坐標為時間，其單位為每秒。縱坐標為電機電流值，單位是安培。不難看出，電流響應速度較快，和理想方波基本吻合，其電流輸出誤差不超過0.1%，電流響應時間不超過1ms，完全能夠實現規定使用的性能指標要求。

3.2 電壓環階躍響應跟隨實驗

和電流環實驗結果一致，同樣將一個方波信號作用在速度環上，利用三層神經網絡BP算法自動調節速度環的比例增益、積分增益和微分增益，最終得到速度跟蹤波形圖，對比后的結果如圖5所示。

綠線為理想方波波形，白線為輸出的實際方波波形圖，橫坐標為時間，其單位為每秒。縱坐標為電機旋轉速度值，單位是rpm。不難看出，速度響應速度較快，和理想方波基本吻合，其速度輸出誤差不超過1%，速度響應時間不超過0.01s，完全能夠實現規定使用的性能指標要求。

四、結束語

本文研究了基于矢量控制法的交流伺服電機的控制原理，建立三層BP神經網絡算法的數學模型，實現基于神經網絡的PID參數自整定的電機矢量控制算法，并通過算法對PID的積分增益、微分增益和比例增益進行智能化調節。

最后，通過階躍響應實驗驗證了速度環和電流環的跟隨性能，實驗表明電流輸出誤差不超過0.1%，電流響應時間不超過1ms；速度輸出誤差不超過1%，速度響應時間不超過0.01s。，達到了期望的性能要求。

參 考 文 獻

[1] 唐任遠，現代永磁電機理論與設計[M]，機械工業出版社，北京，1997.

[2] 閻平凡，張長水，人工神經網絡與模擬進化計算CMI，清華大學山版社，2000.