模式识别论文.docVIP

模式识别论文 模式识别与智能系统结课论文 姓名郑辉 班级控制理论与控制工程4班 学号 基于模糊神经网络控制 的异步电动机软起动的探讨 摘 要软起动采用三相交流调压电路来控制电动机的起动已经广泛地应用于 各种电机如压缩机、水泵、风机等。本文提出了一种基于模糊神经网络控制 的软启动器并在MATLAB的环境中对该系统进行了仿真。仿真的结果证明了 采用模糊神经网络控制的软起动方法可以使电机空载或者带一定负载起动时起 动电流比较小同时起动过程也很平稳 。 关键词异步电动机模糊神经网络控制软起动 1 引言 随着我国工业进程的发展异步电动机应用十分广泛同时它们也是电能的 损耗大户。电机面对的一大问题就是起动问题。异步电动机直接起动一方面起动 转矩比较小带不起来合适的负载。另一方面会产生较大的起动电流。对于电 网会产生较大的冲击降低电网的供电质量。对于频繁起动的电机会使电动机 的绝缘绕组过热老化影响电动机的使用寿命。为了解决这些问题早就有星— 三角切换起动自耦变压器起动延边三角形起动等。但是对于某些负载结果不 太理想。近年来软起无触点减压起动备受人们关注它的简单结构如图1 所 示。软起动设备就是可控硅调压装置以同步脉冲信号控制可控硅的导通角 改变输出电压。起动时使电动机的端电压处于负载允许的最小起动转矩上平 滑地改变同步脉冲的时间使电动机的端电压及转速平滑地上升、起动电流平滑 地下降。控制可控硅的导通角一般采用PID方法常规的PID控制方法适用于线性 时不变模型。然而对于非线性时变的复杂系统和模型不清楚的系统就不能很理想 的完成PID整定。由于电动机软启动过程中反馈电流和可控硅的触发角之间没有 精确的数学模型容易在起动过程中产生振荡所以常规的PID整定不太适用。 本文采用了模糊神经网络控制来解决这一问题并建立了异步电动机的软起动过 程的仿真模型进行了仿真试验。 2 模糊神经网络控制器的设计 2.1 模糊神经网路控制的输入量和输出 本文电动机软起动控制系统所采用的模糊神经网络控制方法是把电动机起 动电流与设定值之差△I及其一个周期的变化率△I作为输入量输出量为可控硅触发角的变化值△α。控制过程中由模糊神经网络控制器对输入量模糊化并由 BP神经网络进行推理从而得到输出控制量施加于被控对象电动机实现软起 动。 2.2 控制量的模糊化 电流偏差是指异步电动机起动电流有效值与电流设定值的差值电流设定值 为一个比电动机额定电流小的数值。从理论上讲模糊控制量划分的状态维数越 高控制越精细。但是维数过高控制规则将变得复杂控制算法的实现也十分 困难。但是如果将模糊控制量划分的状态维数太小则在调节过程中容易出现振 荡和调节“死区”。基于以上考虑将[-2A+2A]定为电流偏差模糊控制区。在 模糊控制区内将电流偏差变化值对称地映射为7个模糊状态PL正大电流偏 差、PM正中电流偏差、PS正小电流偏差、ZO零电流偏差、NS负 小电流偏差、NM负中电流偏差、NL负大电流偏差。因此电流偏差值 的论域为E△I=[-2-1.33-0.6700.671.332]。为了计算方便 电流偏差采用三角形隶属函数。电流偏差隶属函数曲线图如图2所示。 电流变化率定义为一个周期电流有效值的变化量把[-0.5A0.5A]作为电 流变的模糊控制区也将其在模糊控制区内对称地映射为7个模糊状态PL正 大电流变化、PM正中电流变化、PS正小电流变化、ZO零电流变化、 NS负小电流变化、NM负中电流变化、NL负大电流变化。同样电流 变化率值的论域为E△I=[-0.5-0.33-0.1600.160.330.5]。 同理将输出角度变化值△α模糊化为7种模糊状态。为了避免△α的语言值 是PL和NL时电动机的电流产生较大的波动同时考虑到实际中电动机调节所能 达到的灵敏度控制器的输出论域定为[-1°+1°]。输出的触发角变化值的论 域E  △ α  =[-1 -0.66 -0.3300.330.661]。电流变化率和输出 角度变化值都采用三角形隶属函数由于电流变化率和输出角度变化值的隶属函 数