摘要：概述了感應電動機在直接轉(zhuǎn)矩控制(DTC)的控制規(guī)律。為提高感應電動機在DTC方式下的低速性能，在對感應電動機定子磁場定向控制進行了比較深入的分析后，提出了采用神經(jīng)網(wǎng)絡來處理DTC復雜計算的控制策略。仿真和實驗結果表明，該方法能進一步改善感應電動機DTC的性能。
關鍵詞：電動機；變頻；直接轉(zhuǎn)矩控制；神經(jīng)網(wǎng)絡控制

1 引言
    DTC技術利用空間矢量、定子磁場定向的分析方法，直接在定子坐標系下分析異步電動機的數(shù)學模型，計算并控制電動機的磁鏈和轉(zhuǎn)矩。采用離散的兩點式調(diào)節(jié)器(Bang-Bang控制)，將轉(zhuǎn)矩檢測值與轉(zhuǎn)矩給定值作比較，使轉(zhuǎn)矩波動限制在一定的容差范圍內(nèi)，并產(chǎn)生PWM信號，直接對逆變器的開關狀態(tài)進行控制，這樣就獲得了高動態(tài)性能的轉(zhuǎn)矩輸出。其控制效果取決于轉(zhuǎn)矩的實際狀況，它無需將交流電動機與直流電動機作比較、等效、轉(zhuǎn)化，即不需要模仿直流電動機的控制。由于省掉了矢量變換方式的坐標變換與解耦，從而簡化了異步電動機數(shù)學模型，沒有通常的PWM信號發(fā)生器，因此其控制結構簡單，控制信號處理的物理概念明確，系統(tǒng)的轉(zhuǎn)矩響應迅速且無超調(diào)，是一種具有高靜態(tài)、動態(tài)性能的交流調(diào)速控制方式。

2 系統(tǒng)結構及工作原理
    基于神經(jīng)網(wǎng)絡控制的DTC系統(tǒng)的基本結構如圖1所示。

    系統(tǒng)由速度給定值與轉(zhuǎn)子反饋的速度信號形成誤差信號，經(jīng)過神經(jīng)網(wǎng)絡控制器的控制處理后獲得轉(zhuǎn)矩的給定值T*，轉(zhuǎn)矩調(diào)節(jié)器的輸入信號T*與轉(zhuǎn)矩反饋值T的信號差為ET。調(diào)節(jié)器的輸出信號是轉(zhuǎn)矩開關信號，磁鏈調(diào)節(jié)器采用施密特觸發(fā)器，容差±ε，通過磁鏈調(diào)節(jié)器的兩點式調(diào)節(jié)，將磁鏈波動限定在±ε內(nèi)，達到控制磁鏈的目的。開關狀態(tài)選擇單元采用離散的三點式調(diào)節(jié)方式。根據(jù)轉(zhuǎn)矩調(diào)節(jié)器、定子磁鏈調(diào)節(jié)器的輸出及定子磁鏈的扇區(qū)位置來選擇合理的逆變器開關狀態(tài)，用以輸出合理的電壓空間矢量。系統(tǒng)以TMS320LF2407A型DSP為核心組成控制器，由整流器、電壓型逆變器構成主回路。整個系統(tǒng)按功率電路板、DSP控制板、電源、保護電路及信號檢測電路等進行模塊化設計。
    在該系統(tǒng)中，設置的轉(zhuǎn)速調(diào)節(jié)器的輸出作為電磁轉(zhuǎn)矩的給定信號，用神經(jīng)網(wǎng)絡控制器取代通常的PI調(diào)節(jié)器，設置轉(zhuǎn)矩控制內(nèi)環(huán)。它可以抑制磁鏈變化對轉(zhuǎn)速子系統(tǒng)的影響，從而使轉(zhuǎn)速和磁鏈子系統(tǒng)實現(xiàn)了近似的解耦。
    因為定子磁鏈可表示為兩相靜止坐標系下電流iα1，iβ1和電壓uα1，uβ1的非線性函數(shù)。電磁轉(zhuǎn)矩可轉(zhuǎn)換成兩相電流和磁鏈的非線性函數(shù)。感應電動機在定子坐標系下的方程為：
   
    由式(2)可得定子磁鏈模型結構如圖2所示，在靜止兩相坐標系下電磁轉(zhuǎn)矩表達式為：
    T=npLm(iβiα2-iα1iβ2)         (3)

    兩相靜止坐標系下的磁鏈方程為：

    由式(6)得轉(zhuǎn)矩模型結構圖如圖3所示。

    在DTC技術中，其基本控制方法就是通過電壓空間矢量us(t)來控制定子磁鏈的旋轉(zhuǎn)速度及定子磁鏈運行狀態(tài)，以改變定子磁鏈的平均旋轉(zhuǎn)速度的大小，達到控制轉(zhuǎn)矩的目的。DTC系統(tǒng)的核心問題：①轉(zhuǎn)矩和定子磁鏈反饋信號的計算模型；②如何根據(jù)兩個Bang-Bang控制器的輸出信號來選擇電壓空間矢量和逆變器的開關狀態(tài)。

3 神經(jīng)網(wǎng)絡PID控制器的設計
    系統(tǒng)中應用的神經(jīng)網(wǎng)絡控制器由BP神經(jīng)網(wǎng)絡和控制器兩部分構成。神經(jīng)網(wǎng)絡根據(jù)系統(tǒng)的運行狀態(tài)調(diào)節(jié)控制器的參數(shù)，以期達到最佳的控制效果。人工神經(jīng)網(wǎng)絡的神經(jīng)元結構如圖4所示。

    人工神經(jīng)網(wǎng)絡是基于人腦的神經(jīng)元結構的電子學模型，一個神經(jīng)網(wǎng)絡的基本執(zhí)行要素是神經(jīng)元。神經(jīng)網(wǎng)絡依賴于神經(jīng)元的層數(shù)。人工神經(jīng)網(wǎng)絡對知識的掌握是通過對樣本的學習實現(xiàn)的。通過學習大量的實例，網(wǎng)絡用嘗試錯誤的方法來不斷減小錯誤，修正權值，從而掌握蘊含于樣本的知識，網(wǎng)絡通過權值的調(diào)整記錄所學過樣本，并掌握輸入與輸出之間的關系。正是因為它的可任意逼近非線性模型特性，所以十分適用于交流調(diào)速系統(tǒng)的控制。人工神經(jīng)網(wǎng)絡在交流調(diào)速控制系統(tǒng)中的應用包括神經(jīng)網(wǎng)絡辨識器和神經(jīng)網(wǎng)絡控制器的設計。在傳統(tǒng)的數(shù)字PID控制方式下，采用的經(jīng)典算式為增量式PID算法：
    u(k)=u(k-1)+△u(k)=u(k-1)+kp[e(k)-e(k-1)]+kie(k)+kd[e(k)-2e(k-1)+e(k-2)]        (7)
    神經(jīng)網(wǎng)絡根據(jù)系統(tǒng)的運行狀態(tài)調(diào)節(jié)PID控制器的參數(shù)，使輸出層神經(jīng)元的輸出狀態(tài)對應于PID控制器3個可調(diào)整參數(shù)kp，ki，kd。通過神經(jīng)網(wǎng)絡的自學習，權系數(shù)調(diào)整，使神經(jīng)網(wǎng)絡輸出對應于某種最優(yōu)控制規(guī)律下的PID控制器參數(shù)。
    輸入層神經(jīng)元個數(shù)選為3，誤差量x1(k)=e(k)，x2(k)反映誤差的累計效果，，x3(k)反映誤差變化快慢，x3(k)=e(k)-e(k-1)。輸出層的神經(jīng)元個數(shù)選為3，輸出節(jié)點分別對應kp，ki，kd。由于該參數(shù)不能為負數(shù)，所以輸出層神經(jīng)元的激發(fā)函數(shù)取非負的Sigmoid函數(shù)。隱藏層的神經(jīng)元個數(shù)可由經(jīng)驗公式q=(n+m)1/2+f確定，其個數(shù)選為4。

    輸出層神經(jīng)元的激發(fā)函數(shù)。按梯度下降法修改網(wǎng)絡的權系數(shù)，即按照e(k)對權系數(shù)的負梯度方向搜索調(diào)整，并附加一個使搜索快速收斂的全局極小慣性項。

4 實驗結果
    實驗采用電機為三相鼠籠式異步電動機，測得磁通的α，β分量波形如圖5a所示，電機氣隙磁通軌跡如圖5b所示。

    可見，電機的氣隙磁場分布更加均勻，進一步改善了電機控制的性能。將該系統(tǒng)應用在礦山的牽引變頻電機上取得了良好的效果。

    圖6為系統(tǒng)突增負載和突減負載運行時電流、轉(zhuǎn)速動態(tài)波形。可見，波形穩(wěn)定平滑，超調(diào)量約為0．8％，動態(tài)速降約為5 r·min-1，靜差率約為零。電機實現(xiàn)無靜差調(diào)節(jié)且方便實現(xiàn)可逆運行。

5 結論
    感應電動機的直接轉(zhuǎn)矩控制具有結構簡單，控制信號處理的物理概念明確，系統(tǒng)的轉(zhuǎn)矩響應迅速且無超調(diào)等優(yōu)點，是一種具有高靜態(tài)、動態(tài)性能的交流調(diào)速控制方式。將神經(jīng)網(wǎng)絡控制和直接轉(zhuǎn)矩控制相結合，由于神經(jīng)網(wǎng)絡結構簡單，具有并行計算能力，縮短了計算時間，且控制算法不依賴或不完全依賴于對象模型，僅取決于系統(tǒng)的實際偏差及變化率，具有容錯能力，因而系統(tǒng)具有較強的魯棒性和對環(huán)境的適應性，使進一步提高開關頻率成為可能，提高了系統(tǒng)的控制性能。