论文部分内容阅读
多电机调速控制系统作为一类典型的强耦合的非线性系统,其运行工况复杂多变,如何提高此类复杂非线性系统的控制性能依然是当前研究的重点。本文基于多电机变频调速同步控制实验系统,针对负载转矩扰动下的多电机调速系统的强耦合问题,提出了一种基于神经网络逆(neural network inverse,NNI)的无模型自适应(model-free adaptive,MFA)的补偿控制策略以提高系统自适应解耦能力;针对神经网络离线训练易陷入极小值问题与始终存在的张力阶跃超调问题,给出了解决方案,并且对提出的控制策略进行了仿真和实验,具体内容如下:1.分析了存在负载转矩扰动下的多电机调速系统的物理模型,推导了其数学模型;证明了系统的可逆性;求出了系统的相对阶、逆系统输入输出间的映射关系;构建了 NNI系统,进而得到伪线性子系统。2.为了提高NNI的自适应能力,在伪线性子系统的基础上进行动态线性化,提出了一种MFA补偿控制策略,设计基于神经网络逆的无模型补偿控制(model-free adaptive control based on neural network inverse,MFA-NNI)器,以解决负载转矩干扰下NNI 自适应能力不足的问题。3.在构建神经网络逆系统过程中,为避免离线训练陷入极小值的问题,利用粒子群算法(particle swarm optimization,PSO)对神经网络训练阶段进行权阈值优化;同时,为了提高多电机变频调速系统张力的控制品质,利用跟踪微分器(tracking differentiator,TD)对系统的转速、张力设计过渡环节,以抑制张力的阶跃超调。4.搭建Matlab/Simulink仿真平台,构建神经网络逆的逼近模型;搭建比例-积分-微分(proportional integral derivative control,PID)控制、NNI控制以及MFA-NNI控制系统并进行仿真分析。5.基于西门子S7-300PLC的实验平台,搭建多电机变频调速系统,并进行实验分析。仿真和实验结果均表明,改进型MFA-NNI控制无需精确数学模型,具有优异的抗参数摄动和外在扰动的鲁棒性能;不但实现了多电机调速系统转速与张力的解耦,提高了该系统的动态性能,而且有效抑制张力超调,具有重要的工程应用价值。