基于BP神经网络的SVPWM算法的研究与仿真.pdfVIP

化 工 自 动 化 及 仪 表 第 38卷 基于BP神经网络的 SVPWM算法的研究与仿真 寇 正华 ，刘文生 (大连交通大学 电气信息学院，辽宁 大连 l16028) 摘 要： 在分析三相电压型逆变器空间矢量调制 (SVPWM)技 术基本原理的基础 上 ，提 出一种基 于 BP神 经 网络的SVPWM算法。该方法利用 BP神经网络较强的非线性逼近能力，拟合 了SVPWM 的等效分段调制信号 波 ，然后与三角载波调制，得到 了三相 电压型逆变器的控制信号。最后在 MATLAB／Simulink环境下 ，结合神经 网 络工具箱构建 了仿真模型，并在异步 电动机控制系统 中进行 了仿真研究。结果表明，这种基于 BP神经网络的 SVPWM算法使得 电机控制系统有较小的电流谐波和转矩脉动 ，并对在数字控制 中减小运算量有较强的指导意 义 。 关键词 ： SVPWM；BP神经网络 ；MATLAB仿真 中图分类号 ：TP301；TM464 文献标识码 ：A 文章编号 ：1000-3932(2011)02-0190~4 空间矢量调制 (SVPWM)是从 电机 的角度出 发 ，目的在于使交流电机产生 圆形磁场。该方法 将逆变器和交流电机视为一个整体 ，数学模型简 单 ，便于数字控制 ，并且具有转矩脉动小、噪声低 以及直流电压利用率高等优点，在调速系统中有 广泛 的应用…。 然而在实际应用中，由于扇区的判断和开关 矢量作用时间的计算需要进行大量的三角函数运 图 1 电压空间矢量 图 算 ，造成了该算法运算量大 、实时性差 。为确保 相应的运算在一个采样周期 内完成 ，只能将开关 Tk一： rr sin(＼… 一p)， 、(1‘)， u d 频率限制在数千赫兹 以内。有的学者提出用查表 法来代替非线性实时运算 ，但这样一方面 占用较 +l。=： ! si’n· ((2)) u d 大的内存 ，另一方面会有取舍误差 ，影响控制精 则在一个采样周期 内，零矢量的作用时间为 ： 度 。而人工神经网络 (ANN)在数据拟合方面 = T一 一 +。 (3) 具有独特的优势 ，构造合理的神经 网络能以任意 为使逆变器输 出的电压波形对称 ，令每个矢 精度逼近一个非线性 函数。鉴于以上原 因，笔者 量的作用时间一分为二 ，并让 和 ，作用时间 提出了一种基于 BP神经网络的SVPWM技术 ，避 相等 。根据 电压 空间矢量和开关导通状态的关 免了大量的非线性计算。 系 ，．作用时，A、B、C三相为 100，同理可得 出 1 SVPWM 的基本原理 ： 、 和 作用时 A、B、c对应的状态，于是得 在三相电压型逆变器 中，3个桥臂共有 8种 到第 1扇区内的SVPWM波形如图2所示 。 由图2可以得出A、B、C三相控制信号 的脉 导通状态 ，包括 6个非零矢量和2个零矢量 ，其中 宽时间： 1代表上桥臂导通 ，0代表下桥臂导通 。电压空 间矢量 图如 图 1所示 。 在每一个采样周期 内，对于任意参考电压矢 量 U ，利用其所在扇区的相邻两个 电压矢量合 成。当参考电压矢量