摘要：本文通過人工神經網絡在開關磁阻電機控制系統中的應用,提出了一種新的應用方式以及如何采取樣本,并搭建了基于Simulink的仿真系統，將其應用于開關磁阻電機中非線性嚴重的開關磁阻電機。通過運用參數可調的神經網絡控制、變學習速率的學習算法等方法相結合的優勢來改善控制系統的特性。實驗結果表明本控制系統具有動態響應速度快，超調小，魯棒性好，節能效果明顯等優點。

關鍵詞：神經網絡；開關磁阻電機；Simulink；非線性

中途分類號：TP9文獻標識碼：B

0前言

開關磁阻電機是一個多變量、強耦合的非線性系統。在不同的控制方式下，其參數和結構都是變化的，采用傳統的PID控制很難得到令人滿意的結果。神經網絡技術，可以用來解決那些用傳統的控制方法難以加以有效控制的復雜系統的控制。智能控制可以充分利用其非線性、變結構、自尋優等各種功能來克服開關磁阻電機調速系統的變參數、變結構和非線性等因素，從而提高整個控制系統的魯棒性。因此，在開關磁阻電機中引入智能控制，將有助于提高系統的性能指標。

神經網絡控制的研究與應用已深入到眾多的領域和學科。同樣，它的發展也給電氣傳動系統的控制策略帶來了新思想、新方法。與傳統的控制方法相比，神經網絡控制有一系列的優點：神經網絡控制突破了傳統控制理論中必須基于被控對象的數學模型，它按實際效果進行控制而不依賴于被控對象的數學模型；其次，智能控制模仿了人腦思維，而人腦的思維是非線性的，因此神經網絡控制器也具有非線性的特點。

目前，交、直流傳動系統已經擁有比較成熟的控制方案，如直流雙閉環，交流電機的矢量控制系統等。而且交、直流電氣傳動系統經過內環改造后（電流環，矢量變換），其轉速環可以建立統一的數學模型，采用傳統的PID控制已經能夠取得基本滿意的控制效果。但是在實際的傳動系統中，電機本身的參數和拖動負載的參數在運行過程中有可能發生變化。因此，電氣傳動系統從本質上講是一個時變，強耦合的非線性多變量系統。控制對象的參數變化和非線性特性，使得固定參數的PID調節器不能使系統在各種工況下都保持設計時的性能指標，系統的魯棒性不強。在電氣傳動系統中引入神經網絡控制，可以利用其非線性、變結構、自尋優等各種功能來克服電氣傳動系統中的變參數和非線性因素，從而提高系統的性能指標。

1開關磁阻電機基本結構和運行原理

開關磁阻電機的定子和轉子的磁極均為凸極結構，定子鐵芯每個齒上安裝像直流電機主磁極繞組一樣的集中繞組，轉子鐵芯齒上不安裝繞組。定子內圓周上相對的兩個齒上的繞組串聯（順向）成為一相繞組。圖1為一臺四相8/6極的開關磁阻電機結構示意圖。

圖1四相8/6極的開關磁阻電機結構示意圖

由于開關磁阻電機具有雙凸極結構，SRM定子和轉子的極數有許多種組合。通常采用就是圖1所示的定子四相8極、轉子6極方式，也有定子三相6極、轉子4極方式或者三相12/8極等結構。考慮到加大定子相繞組電感隨轉角的平均變化率能提高電機出力，最常見的是轉子的極數比定子少2個。開關磁阻電機的相數記為m，定子極數記為Ns，轉子極數記為Nr，步進角記為θs，則有：

一般來說，電機的相數越高，定、轉子齒數越多，步進角就越小，輸出的轉矩脈動就越小。但相數增加的同時也帶來了功率變換器主電路的復雜程度提高，功率器件的數量增加和成本的增加和成本的增加等一系列問題。因而在要求低的場合單相和兩相結構應用比較多，作為驅動的開關磁阻電機多采用三相或者四相經向結構。

開關磁阻電機是依靠磁阻效應運行的，其運行原理遵循“磁阻最小原理”，即磁通總要沿著磁阻最小的路徑閉合，在磁場中，一定形狀鐵芯的主軸線由向與磁場軸線重合位置運動的趨勢。利用這種趨勢，開關磁阻電機以定子凸極產生磁場，轉子鐵芯凸極形成均勻分布的多個主軸線，只要控制定子各相順序產生磁場，轉子就總具有轉向磁阻最小位置的趨勢，從而產生維持電機運轉的連續轉矩。這種由對相電流的控制產生的磁場并不是如同步進電機一樣，完全由電流的導通決定轉子位置，而是電流的導通取決于轉子的位置，對于轉子位置信息的取得，大多數是采用加載位置傳感器來解決的。

2神經網絡PID控制器

基于神經網絡整定的PID控制系統結構如圖2所示，通過調整網絡權值使控制器的參數達到最優，采用變學習速率加快網絡收斂速度，RBF在線辨識網絡對開關磁阻電機在線參數辨識，根據轉矩變化，實時調整控制器的參數。

圖2.基于神經網絡整定的PID控制系統結構圖

2.1模糊神經網絡的結構

該模糊神經網絡為4層，如圖3所示。第l層為輸入層；第2層為模糊化層；第3層為模糊推理層；第4層為輸出層。模糊神經網絡結構為2–6–6–3。

圖3.模糊神經網絡的結構

(l)輸入層。該層將輸入誤差e和系統實際輸出y(k)作為下一層的輸入。活化函數為：

因此本層的輸出為e和y(k)

(2)模糊化層。活化函數即為該隸屬度函數。因此，輸出為：

其中，i=l，2;j=l，2，...6。cij和bij分別為高斯函數第i個輸入變量的第j個模糊集合的隸屬函數的均差和標準差。

（3）模糊推理層。將上層中的模糊量經過兩兩相乘，得到這一層的輸出值。因此，本層的活化函數，即輸出為：

這里k=l，2，3，4，5，6。

(4)輸出層。這一層要輸出的就是PID控制器的參數，本層的輸出值就是將權值以矩陣乘的方式，乘以第3層的輸出。因此，本層的輸出為：

3實驗仿真

通過實驗對神經網絡控制的開關磁阻電機動態響應特性進行了研究。本實驗系統采用四相8/6極開關磁阻電機，電機參數為額定功率為60KW，額定轉速為1500r/min，圖4為在本文提出的控制策略控制下系統的響應過程。圖5為模糊神經網絡的在線對PID參數整定。

圖4系統動態響應曲線（本文方法）

圖5模糊神經網絡對PID參數的在線整定

4結論

神經網絡控制器特別適合于非線性性對象的自適應控制。本文將模糊理論，系統辨識和神經網絡相結合，并利用其調整PID參數的控制方法，使PID控制系統達到很好的控制性能，解決了普通PID控制器在控制時變、非線性系統中所出現的問題。通過MATLAB仿真器實驗表明系統動態特性好，具有較好的自適應性和魯棒性。