摘 要：電氣傳動領域中的被控對象由于具有高階、非線性、強耦合等特點，采用傳統的PID控制方法難以實現精確控制。針對這一不足，本文設計了一種具有自適應、自學習功能的單神經元PID控制器并將其應用于永磁同步電動機矢量控制系統中。為了考察系統的控制效果，利用MATLAB/SIMULINK仿真軟件對系統進行了仿真研究。仿真結果表明：采用單神經元控制的調速系統具有更好的起動性能，當負載或電機參數突變時，該系統具有恢復時間短、超調小等特點，表現出了很強的自適應性和魯棒性, 證明所設計的控制器是一種有效的控制器。 關鍵詞：永磁同步電動機，自適應控制，單神經元 中圖分類號：TM351，TP273 文獻標識碼：A [align=center]The Research on PMSM’s Control System Based on Single Neuron PID Controller FengYu DingHong Ludong University, Yantai, China 264025[/align] Abstract： The traditional control method of PID is very difficult to meet the need of high reliability in electric drive field as the controlled object has characteristics of higher order, nonlinear and coupling. Aiming at the shortcomings, The PMSM’s vector control system based on single neuron PID controller which has the capability of self-studying and self-adapting was designed in the paper. Simulation experiments were done to check its characteristic in circumstance of MATLAB/SIMULINK. The results show that the system has better start-up performance which can reach stability faster with less oscillation under the occurrence of parameter or load variations, and reveals strong adaptation and rubness, These confirm that the single neural control system works well. Keywords：Permanent magnet synchronous motor （PMSM）; adaptive control; single neuron 1. 引言 傳統的PID因其技術成熟，在電機控制領域獲得了廣泛的應用，但是在高性能調速系統中，被控電機的精確參數往往難以得到，而且在實際運行中，電機參數會發生變化。由于PID參數不易在線調整，常規的PID控制往往不能適應控制對象的參數變化和非線性特性，從而很難獲得滿意的控制效果。 近年來關于神經網絡的研究逐漸活躍并已開始應用于電氣傳動領域。由于神經網絡的結構比較復雜，算法收斂速度慢，實際應用起來比較困難，而神經元是構成神經網絡的基本組成單位，它具有自學習和自適應的能力，不必依賴被控對象的精確數學模型，而且結構簡單，易于實現實時控制。利用神經元的這一特點，使單神經元和PID控制相結合組成單神經元速度調節器，可以達到對變化對象、隨機擾動等不確定因素的良好控制效果。 本文從單神經元PID控制原理出發，結合矢量控制思想，設計了永磁同步電機單神經元PID控制系統，并在Matlab/Simulink 軟件環境下進行了仿真實驗。仿真結果表明：在這種控制方式下，永磁同步電機調速系統的響應速度和抗干擾能力都有明顯的改善和提高，所設計的控制器可以有效的彌補PID控制器的不足。 2. 單神經元自適應PID控制 2.1 單神經元PID控制原理 單神經元的模型如圖1所示,它是一個具有自學習能力的多輸入單輸出的非線性處理單元，其中, x[sub]i[/sub] ,ω[sub]i[/sub]（ i = 1 , 2 , n） 分別為控制器的輸入量和相應的權重（又稱為連接權系數）；K為比例系數；f （•） 為神經元的激活函數。采用單神經元實現自適應PID控制的神經網絡中輸入信號有三個，分別為x[sub]1[/sub]（k）、x[sub]2[/sub]（k）及x[sub]3[/sub]（k），設實際輸出與期望輸出的誤差為e（k），則： 上式中k為單神經元控制器比例系數；x[sub]1[/sub]（k）、x[sub]2[/sub]（k）及x[sub]3[/sub]（k）分別對應PID調節器的積分、比例和微分環節，而權系數ω[sub]1[/sub]、ω[sub]2[/sub]和ω[sub]3[/sub]對應著比例系數、積分系數和微分系數。 [align=center] 圖1 人工神經元模型[/align] 2.2 學習算法 神經元對外界信號的響應能力，神經元重要的特征就是要通過不斷的學習使獲得的知識結構適應周圍環境的變化。神經元的學習是按某一性能指標為最小，通過修改自身的權系數來進行的，文中采用了有監督的Hebb學習算法，其神經元的學習過程為： z（k）—神經元輸出誤差信號，為系統的性能指標z（k）=e（k）。 η—神經元學習率。一般地, 學習率不能過大,否則神經元調節器易超調; 學習率也不能過小,否則神經元調節器調節過程緩慢。 為了保證學習算法的收斂性和控制的魯棒性，對其進行規范化處理后可得式： 通過上述分析可知，采用一定的學習規則后，單神經元控制器可以自動調整神經元加權系數以適應被控對象的狀態變化，其作用相當于一個變系數的自適應控制器，此時，系統的動態特性只能依賴于誤差信號，受模型參數變化的影響較小[1]。 3. 采用單神經元的永磁電機矢量控制系統設計 在傳統的控制系統中，速度調節器一般采用PID調節器，其輸入為速度反饋值和給定值，輸出的結果應為轉矩給定。由于系統采用id=0控制，轉矩和電流的幅值成正比，因此速度調節器的輸出實際為電流幅值的給定值（直流量）。 傳統的雙閉環控制系統在理論和工程實踐上都已經十分成熟。沿用這一控制方法，將調速系統的速度環改為采用單神經元控制，由于包含在電流環內部的系統參數均有明確的數值且在系統運行過程中變化不大，同時考慮到電流環的快速性，內環控制方式不變。調速系統原理框圖如圖2。 [align=center] 圖2 基于單神經元控制器的永磁電機調速系統 [/align] 圖中轉換器的作用是獲得單神經元的三個輸入量x[sub]1[/sub]（k）、x[sub]2[/sub]（k）及x[sub]3[/sub]（k） , 在這里： x[sub]2[/sub]（k）、x[sub]3[/sub]（k） 的表達式如式（1）。 4. 仿真分析及結果 4.1 仿真模型的建立 仿真采用外貼式轉子結構的永磁電機，構造id=0時的矢量控制系統仿真模型如圖3所示： [align=center] 圖3 基于單神經元控制器的PMSM矢量控制系統模型[/align] 仿真時采用的永磁同步電動機主要技術指標： P[sub]N[/sub] = 1.7 kW , J =0. 0267 kg•m[sup]2[/sup] , P = 2 , R [sub]r[/sub]= 1. 804 Ω , L [sub]d[/sub] = L[sub]q[/sub]= 5. 5 mH 。 在仿真模型中，由于單神經元控制器不能直接用傳遞函數加以描述，可以利用MATLAB提供的S-function功能模塊編寫程序并將單神經元控制器投入運行。S-Function是一個動態系統的程序語言描述，它可以用C語言來編寫，也可以利用Matlab語言來編寫。本文利用Matlab 語言編寫了基于Hebb學習算法的單神經元的S-Function，從而建立了單神經元PID控制器的Simulink仿真模型。 4.2 仿真結果 單神經元自適應PID 控制器的設計中，關鍵是確定可調參數K ,η[sub]P[/sub] ,η[sub]I[/sub],η[sub]D[/sub] ,以及加權系數初始值。在這些參數中，K是系統最敏感的參數，K值越大則快速性越好，但超調量增大，K值過大會引起系統振蕩，甚至不穩定；K值越小則超調量減小，但快速性變差、系統響應過慢。因此K的選擇要經過反復實驗，這也給系統設計帶來一定的困難。因此文獻[2]中提出了一種K也同時在線學習的控制策略，可以起到較好的控制效果。 由于采用了規范化的學習算法，使得控制器的輸出主要由wi（k）來決定，因而學習效率對控制特性的影響很小。只要在控制器投入運行前, 設定學習率為一組任意初值即可，但是要保證其取值在0～1 之間。 加權系數初始值的確定可以利用MATLAB中Simulink提供的神經網絡工具箱初始化得到，也可以利用文獻[3]中提出的經驗公式計算得到。 以上參數最終確定如下： 為了把單神經元PID 控制器的控制性能與PID 控制器的控制性能作比較，還設計了PID 控制器。在實際應用中，PID控制方式的微分項是在啟動階段起抑制超調作用，而在穩態階段，由于微分項對干擾信號比較敏感，影響系統的穩態性能，一般不希望它起作用。同時神經元具有學習能力，通過適當調節前兩項加權系數，在起動階段可達到減小超調的目的，所以微分項通常被忽略。這樣既可以簡化算法，又能節省存儲空間和縮短算法執行的時間，提高了系統的實時性[1]。 PID控制器參數設定為P=50，I=1.8，D=0。仿真結果如下： [align=center]1） 電動機空載起動，轉速階躍給定為600r/min時的起動性能分析： 圖6 負載變化時的抗擾性能分析[/align] 5．結論 由仿真結果可以看出，采用單神經元PID控制時，電動機在起動時能很快達到穩態且減小了轉速超調，使起動過程更加平穩快速；在突加負載或參數變化時，轉速、轉矩響應曲線的波動更小，恢復時間更短，表現出很強的自適應性和魯棒性。可見，把單神經元與PID結合起來組成單神經元自適應調節器后， 可以有效提高控制效果和系統性能。 參考文獻 [1]萬健如，張海波，曹才開. 單神經元PID控制器永磁同步電動機調速系統[J]. 電力電子技術, 2005,39（1）：75－78. [2]丁軍, 徐用懋. 單神經元自適應PID 控制器及其應用[J].控制工程，2004,11 （1）：27－30. [3]陳靜, 王永驥. 基于單神經元自適應PID 控制的溫控系統研究[J].計算機技術與自動化, 2006,25（1）：20－22. [4]孫增圻. 智能控制理論與技術[M]. 北京：清華大學出版社,2003. [5]沈安文，舒州，王永驥. 基于單神經元控制的交流調速系統及其仿真[J]. 三峽大學學報（自然科學版） 2002,24（3）：26－28. [6]張建峽，楊勇，許德志. 單神經元自適應PID控制交流調速系統[J].電機與控制學報, 2007, 11（2）：130－133. 　 作者簡介：馮宇，女，講師，研究方向是電力電子與電力傳動。 聯系方式：魯東大學物理與電子工程學院 13220935041 E-mail:fengyu6329@163.com