喬維德

（無錫市廣播電視大學(xué)，江蘇 無錫 214021）

1 引言

隨著科技的進(jìn)步和工業(yè)生產(chǎn)的需要，傳統(tǒng)的直流伺服系統(tǒng)由于其結(jié)構(gòu)復(fù)雜、不易維護的缺陷，正在被結(jié)構(gòu)簡單、容易維護的交流伺服系統(tǒng)所代替。交流伺服系統(tǒng)是由交流電動機組成，交流電機的數(shù)學(xué)模型具有較強的時變性、強耦合性和非線性等特點，所以應(yīng)用傳統(tǒng)的基于對象模型的控制方法難以進(jìn)行有效的控制。

模糊控制和神經(jīng)網(wǎng)絡(luò)控制均屬于智能控制的范疇，它們都不依賴于被控對象的數(shù)學(xué)模型，能夠很好地克服系統(tǒng)中模型參數(shù)變化和非線性等不確定因素，具有較強的魯棒性。但將它們分別應(yīng)用到交流調(diào)速系統(tǒng)這種對系統(tǒng)精度和快速性要求很高的系統(tǒng)來說，兩者都存在一定的缺陷。模糊控制的最大弱點是穩(wěn)態(tài)精度低，如果要提高精度，必須增加模糊級數(shù)，這又會造成控制查詢表過大和模糊關(guān)系的維數(shù)增大，從而影響系統(tǒng)控制的平穩(wěn)性和實時性。神經(jīng)網(wǎng)絡(luò)控制由于需要在線學(xué)習(xí)、調(diào)整權(quán)值，其過渡過程較慢。為此，將模糊控制和神經(jīng)網(wǎng)絡(luò)結(jié)合起來形成的模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于交流調(diào)速系統(tǒng)中的轉(zhuǎn)速調(diào)節(jié)器，并針對模糊神經(jīng)網(wǎng)絡(luò)控制器運算量大、收斂慢的特點，硬件采用TMS320VC33高速數(shù)字信號處理器（DSP）芯片作為控制器運算單元，成功地完成了模糊神經(jīng)網(wǎng)絡(luò)控制器的DSP實現(xiàn)，提高了交流調(diào)速系統(tǒng)的控制性能。

2 控制系統(tǒng)結(jié)構(gòu)

交流調(diào)速控制系統(tǒng)采用主從式結(jié)構(gòu)，主要由上位機、下位機組成。上位機為PC機或者工控機，主要用于調(diào)速系統(tǒng)速度指令的給定和實時監(jiān)控；下位機主要由DSP模塊和交流異步電動機等組成，其中TMS320VC33 DSP芯片將DSP內(nèi)核、A/D轉(zhuǎn)換電路、時鐘電路、看門狗電路、PWM電路、采樣保持電路、串行接口電路等集中在一個芯片上，其性能好，運算速度快，精度高，價格便宜，是適用于電機調(diào)速系統(tǒng)實時控制的首選芯片。PC上位機和DSP下位機采用串行通訊傳輸數(shù)據(jù)，下位機根據(jù)命令對交流電機進(jìn)行控制，整個控制系統(tǒng)結(jié)構(gòu)簡單，具有高可靠性和可擴展性。

調(diào)速系統(tǒng)控制框圖如圖1所示。為保持電流控制器的強干擾能力和快速性，電流控制器采用傳統(tǒng)的PI調(diào)節(jié)器。電流控制器調(diào)節(jié)時，由當(dāng)前電流的測量值與轉(zhuǎn)速控制器輸出的誤差值按PI算法調(diào)節(jié)PWM發(fā)生器輸出參數(shù)，并對電機最大電流進(jìn)行限幅控制。速度控制器是系統(tǒng)的主要控制環(huán)節(jié)，為增強系統(tǒng)抗負(fù)載擾動能力，抑制速度波動，提高系統(tǒng)的動靜態(tài)性能，速度控制器采用模糊神經(jīng)網(wǎng)絡(luò)控制器。

圖1 控制系統(tǒng)框圖

3 模糊神經(jīng)網(wǎng)絡(luò)控制器結(jié)構(gòu)

本文設(shè)計的模糊神經(jīng)網(wǎng)絡(luò)控制器由一個在模糊集上理論基礎(chǔ)上的五層神經(jīng)網(wǎng)絡(luò)構(gòu)成。

第一層為控制器的輸入語言變量E和EC，其中E和EC分別是速度給定與實際測量值的速度誤差與誤差變化率。E和EC的語言值均選取為｛PB，PM，PS，ZE，NS，NM，NB｝，即｛正大，正中，正小，零，負(fù)小，負(fù)中，負(fù)大｝，論域在［－6，6］上連續(xù)取值。該層的作用是將輸入變量直接轉(zhuǎn)換到下一層，輸入信號權(quán)值取1。

第二層為控制器的輸入語言變量的隸屬函數(shù)層，隸屬函數(shù)μ（x）采用正態(tài)分布形式，即

式中mij和hij分別表示第i個輸入變量中的第j個元素的隸屬度函數(shù)的均值和方差，Ii（2）表示第2層神經(jīng)元的第i個輸入。

第三層為模糊控制規(guī)則推理層。根據(jù)交流調(diào)速系統(tǒng)運行特性，確定如下形式模糊控制規(guī)則：

其中if中的“X is A and Y is B”稱為前件部分，而then部分的“Z is C”為后件部分。

本層中每個神經(jīng)元的輸入用來實現(xiàn)每個模糊控制規(guī)則的前件部分，神經(jīng)元的輸入函數(shù)采用“與”邏輯運算關(guān)系，分別計算每條規(guī)則的前件部分中相應(yīng)的模糊語言變量隸屬度。

第四層為輸出語言變量U的隸屬函數(shù)。本層每個神經(jīng)元輸入用來完成每個模糊控制規(guī)則的結(jié)果，即后件部分。各輸入神經(jīng)元之間取“或”邏輯關(guān)系，總結(jié)得出的模糊控制規(guī)則如表1所示。

表1 模糊控制規(guī)則表

第五層為控制器的輸出變量，采用加權(quán)平均法完成模糊判決功能。

4 模糊神經(jīng)網(wǎng)絡(luò)算法的學(xué)習(xí)

本系統(tǒng)中需要學(xué)習(xí)的參數(shù)主要是網(wǎng)絡(luò)的連接權(quán)ωij（j＝1，2，…7，i＝1，2，…7，k＝1，2，…49）和隸屬函數(shù)的均值mij和方差hij（i＝1，2，…7，j＝1，2，…7）。定義誤差評價函數(shù)為：

式中：ud和ui分別表示網(wǎng)絡(luò)的期望輸出和實際輸出，參數(shù)ωij、mij、hij的學(xué)習(xí)算法采用神經(jīng)網(wǎng)絡(luò)反向傳播算法，即

式中：β為學(xué)習(xí)效率，k為所加的學(xué)習(xí)樣本號。

5 模糊神經(jīng)網(wǎng)絡(luò)控制算法的DSP實現(xiàn)

5.1 硬件設(shè)計

模糊神經(jīng)網(wǎng)絡(luò)控制器的硬件實現(xiàn)選用TMS320VC33芯片。使用CC3x開發(fā)工具，把匯編語言或C語言編寫的控制算法經(jīng)編譯聯(lián)接轉(zhuǎn)變?yōu)镈SP能接受的COFF代碼文件，送到DSP芯片上執(zhí)行控制。該目標(biāo)代碼寫入到DSP系統(tǒng)的FLASH中，當(dāng)DSP系統(tǒng)上電后通過BOOT程序引導(dǎo)到高速RAM執(zhí)行。

通過A/D轉(zhuǎn)換將采集的速度反饋信號轉(zhuǎn)換化數(shù)字信號，DSP經(jīng)過模糊神經(jīng)運算得到控制信號，由D/A轉(zhuǎn)換輸出對交流伺服系統(tǒng)加以調(diào)速控制。PC機通過TDS－TMS320仿真器的JTEG接口來捕獲系統(tǒng)控制中的狀態(tài)變量與數(shù)據(jù)，實時監(jiān)控控制系統(tǒng)的性能。

5.2 軟件設(shè)計

軟件采用功能模塊設(shè)計方法，由系統(tǒng)主程序和中斷服務(wù)程序組成。為規(guī)定學(xué)習(xí)算法精度和收斂條件，將連續(xù)兩次采樣周期的最大跟蹤誤差emax與最小跟蹤誤差emin相比較，當(dāng)滿足｜emax－emin｜＜0.01 時，學(xué)習(xí)停止。程序流程如圖 2、3所示。

圖2 主程序框圖

圖3 用中斷實現(xiàn)的控制算法流程圖

5.3 系統(tǒng)抗干擾措施

交流調(diào)速系統(tǒng)往往長期工作于環(huán)境惡劣的工業(yè)現(xiàn)場，有的還易受電磁輻射的干擾和影響，所以抗干擾措施必不可少。主電路中，三相電路后端設(shè)置濾波電路，用來消除或削弱噪聲干擾及電路本身因素的干擾。在控制電路中，在輸入、輸出端口全部采用高速光電耦合器件隔離外圍電路與DSP數(shù)字電路之間的電聯(lián)系，所以傳輸導(dǎo)線使用雙絞線；電源輸入端增設(shè)電源濾波器，在DSP芯片內(nèi)利用監(jiān)時定時器實現(xiàn)軟件抗干擾。

6 實驗研究

用于實驗的交流電機參數(shù)為：額定功率Pn＝2.2kW，額定電壓 Un＝220V，額定電流 In＝5A，額定轉(zhuǎn)速 nn＝1500r/min，定子電阻 Rs＝2.84Ω，轉(zhuǎn)子電阻Rr＝2.96Ω，定子電感 Ls＝0.45694H，轉(zhuǎn)子電感 Lr＝0.45694H，定轉(zhuǎn)子互感 Lm＝0.42415H，額定電磁力矩 Ten＝14N·m，轉(zhuǎn)子極對數(shù) np＝2，電磁慣量 J＝0.002276kg·m2，額定磁通 ψn＝0.96wb。數(shù)字控制采樣頻率為10kHz。圖4為系統(tǒng)在給定轉(zhuǎn)速nr＝1500r/min、負(fù)載轉(zhuǎn)矩 TL＝2N·m 時起動，并在 t＝0.7s時給電機加一個10N·m負(fù)載時，分別以模糊神經(jīng)網(wǎng)絡(luò)控制器和PI控制器作為速度調(diào)節(jié)器情況下的電機速度響應(yīng)曲線，曲線①、②分別表示PI控制器和模糊神經(jīng)網(wǎng)絡(luò)控制器作用下的轉(zhuǎn)速響應(yīng)曲線。從圖中可以看出，無論是響應(yīng)速度，還是超調(diào)量，②曲線均優(yōu)于①曲線，說明本文采取的控制策略能對被控對象實現(xiàn)較好的控制效果。

圖4 nr＝1500r/min時PI和RFNN控制器的速度響應(yīng)曲線

7 結(jié)束語

本文提出基于高性能高精度的DSP芯片的模糊神經(jīng)網(wǎng)絡(luò)控制方法，并引入到交流伺服系統(tǒng)的調(diào)速控制中，能夠很好地克服伺服電機中非線性、時變、耦合等因素的影響，提高了系統(tǒng)的控制性能。實驗結(jié)果表明，采用模糊神經(jīng)網(wǎng)絡(luò)控制器作為轉(zhuǎn)速控制器的交流調(diào)速系統(tǒng)的具有較好的動靜態(tài)特性，而且在負(fù)載發(fā)生變化的情況下，該控制器仍然保持較強的適應(yīng)性和魯棒性，取得了較為理想的控制效果。

［1］薛 薇，李 力.基于DSP的PH過程FNNC－PI控制器實現(xiàn)［J］.化工自動化及儀表，2005，32（1）：58－61.

［2］馮冬青，李小雄.基于DSP的軋機調(diào)速系統(tǒng)模糊神經(jīng)控制［J］.鄭州大學(xué)學(xué)報（工學(xué)版），2003，24（3）：17－20.

［3］喬維德.基于模糊神經(jīng)網(wǎng)絡(luò)的交流伺服系統(tǒng)［J］.電氣傳動自動化，2007，29（5）：29－31.

［4］毛六平，王耀南，孫 煒，等.一種遞歸模糊神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制方法［J］.電子學(xué)報，2006，34（12）：2285－2287.