感应电动机伺服驱动系统

《感应电动机伺服驱动系统》由会员分享，可在线阅读，更多相关《感应电动机伺服驱动系统（23页珍藏版）》请在装配图网上搜索。

1、优质文档大学毕业设计论文题目：感应电动机伺服驱动系统 自适应限制系统探究学 生 姓 名： 学号： 学 部 系： 机械和电气工程学部 专 业 年 级： 级电气工程及其自动化4班 指 导 教 师： 职称或学位： 高工 年 5 月 18日优质文档书目摘要I关键词IIABSTRACTIIKEY WORDSIII1.引言11.1课题的提出11.2国内外现状11.3 本文主要要探究的内容32.感应电动机伺服驱动系统自适应限制系统42.1感应电动机伺服驱动系统描述4伺服系统的优势4伺服系统的历史5伺服系统的构成5沟通伺服电机62.2自适应限制系统82.3基于递归型小波神经网络的自适应限制92.3.1 递归型

2、小波神经网络限制器9递归型小波神经网络在线学习训练机制113. 仿真结果134. 完毕语17参考文献18致谢19感应电动机伺服驱动系统自适应限制系统探究摘要针对感应电动机伺服驱动系统具有的多变、强耦合、慢时变等非线性特性和不确定性扰动，传统感应电动机伺服驱动系统的位置和速度外环PID限制的构造困难、双闭环耦合及对参数的问题：保证系统对系统内部参数波动和外界不确定性扰动具有较好的鲁棒性，在矢量限制策略的根底上，提出了基于递归型小波神经网络的自适应限制方案。神经网络参数的在线学习机制采纳自适应律并结合了BP算法和梯度下降法，算法简洁，计算量大大削减，简化了限制系统构造，它可随着伺服驱动系统的运行工

3、况而变更限制系统的构造参数，大大提高了伺服驱动系统对参数变更的鲁棒性，同时，也较好地改善了伺服驱动限制系统的动态及稳态性能。最终通过仿真的结果验证了该限制系统方案的有效性和可行性。关键词：感应电动机 伺服驱动系统 自适应限制 递归型小波神经网络 Study on Novel A daptive Control for Servo Drive System of Induction motor systemAbstractAccording to the induction motor servo drive system with variable, strong coupling nonli

4、near slowly-varying, such characteristics and uncertainty, the traditional induction motor servo drive system of the position and velocity loop of PID control structure is complex, double loop and the parameters of the coupling problem: guarantee system of internal system parameter uncertainties and

5、 external disturbance, fluctuation has good robustness, in vector control strategy was proposed based on wavelet based on recursive neural network adaptive control scheme. Neural network parameters of online learning mechanism using adaptive delta and the BP algorithm and the gradient descent method

6、, the method is simple, and greatly reduce the computation, simplify control system, it can be as servo drive system of operation condition and change control system structure parameters, greatly improving the servo drive system parameters of the robustness of change, at the same time, it is better

7、to improve the servo control system dynamic and static performance. The simulation results verify the effectiveness of the control system and the feasibility of the scheme.Key Words:Induction motor;Servo drive system;Adaptive; Recursive type of wavelet neural network优质文档1.引言1.1课题的提出电动机的内部参数具有慢时变特性，驱

8、动系统简洁受到外界扰动，尤其对于直线电动机驱动系统来说，由于电动机转子和负载之间没有协助的缓冲装置，更简洁受到外界的干扰影响，因而在实际应用中，必需结合具有较强鲁棒性的限制方法。针对参数变更和不确定的扰动，为了保证系统的较强鲁棒性，基于滑模的变构造限制在电力传动领域受到了广泛的关注。系统一旦进入滑模运动，对系统干扰及参数变更具有完全的自适应性和不敏感特性。这种新兴技术具有广袤的应用前景，但是由于切换限制作用产生的固有抖振问题还没有得到很好的解决，这样，势必会影响轨迹的跟踪精度，因而给实际应用带来相当大的困难。针对电动机模型参数变更和外界的扰动对限制系统的影响，在沟通异步电动机矢量限制的根底上，

9、提出了基于递归型小波神经网络的自适应限制方案。本限制方案稍加变更，很简洁推广应用到其他的沟通伺服驱动领域。神经网络具有随意精度的靠近困难函数的实力、信息综合实力等诸多的优点，而在很多领域得到了广泛的应用。神经网络本身具有自适应和在线学习实力，在解决高度非线性和不确定性问题方面显示巨大的潜力，因而在伺服驱动领域也受到了广泛的关注。在信号处理和分析中，小波理论一经出现就受到了各个领域的专家和学者广泛的关注和探究。小波理论引入到神经网络，充分发挥各自的优点，从而构成了小波神经网络，这样势必会给神经网络带来新的生命力。伺服驱动系统引入小波神经网络得到了广泛的关注和探究，但是这种网络构造只能实现静态映射

10、，其收敛的速度慢，势必影响位置的跟踪精度。神经网络依据构造可以分为两大类，一个是前馈型网络，一个是递归型神经网络。前馈型神经网络在没有外部的反应延时协助下，只能实现静态的映射；而递归型神经网络由于内部神经元具有反应环，可以实现动态映射。在感应电动机实际应用中遇到的各种扰动：内部参数波动、外部负载干扰和各种不确定的扰动，采纳递归型小波神经网络势必会显示出良好的限制性能。提出的小波神经网络权值训练采纳自适应律结合梯度下降法和BP算法的学习机制。1.2国内外现状伺服驱动限制系统中电动机多采纳沟通电动机，包括旋转感应电动机、旋转同步电动机、直线感应电动机、直线同步电动机。在不同的伺服应用场合，这些电动

11、机都有广泛的应用。对于伺服驱动系统来说，限制系统不仅须要良好的稳态性能而且必需具有很高的动态性能，因而基于稳态模型的限制策略，如转速开环恒压频比限制、转速闭环转差频率限制等限制策略，不能满足限制要求。为了获得高动态性能，限制策略必需依据电动机的动态数学模型。而作为被控对象，沟通电动机的动态数学模型本身就是具有非线性、多变量、强耦合困难系统。为了把困难的被控对象实现输入和输出的解耦，即将其分解成转速和转子磁链两个线性子系统，并能够应用线性系统理论对其进展综合，人们提出了基于磁场定向的很多解决方案。矢量限制是从电动机磁场理论启程，利用坐标变换将三相等效成两相系统，再遵照转子磁场定向实现电动机定子电

12、流的励磁重量和转矩重量的解耦，将感应电动机等效成直流机。这种限制方法此时此刻已经比拟成熟，并且得到广泛的应用。但是，这种方案转子转速和转子磁链只能实现近似的静态解耦，针对转子磁链动态过程中，转子的角速度和转子磁链仍旧耦合，有人提出了动态解耦方法。由于矢量限制采纳坐标变换方法，须要困难的数学运算；并且它易受电动机的转子参数影响，导致电动机实际的运行性能达不到志向的理论性能。干脆转矩限制摒弃了矢量限制中的解耦思想，干脆将电动机瞬时转矩和定子磁链作为状态变量加以反应调整，转矩和定子磁链闭环都采纳双位式bangbang限制，依据它们的变更干脆选择电压空间矢量的开关状态，省去了线性调整器和坐标变换，限制

13、构造大大简化，并且可以获得转矩的快速动态响应。干脆转矩限制中的磁链限制，选择了定子磁链，而不是转子磁链，从而避开了转子参数变更的影响，提高了系统的鲁棒性。但针对干脆转矩限制系统在低速时受定子电阻影响很大，稳态转矩出现脉动，提出了高速及弱磁升速阶段采纳干脆转矩限制和低速阶段采纳矢量限制的结合方式限制，不同限制策略切换相当于变构造限制，这样势必会带来抖振问题。微分几何限制理论可以实现感应电动机转速和转子磁链的动态解耦，在电力传动领域得到了广泛的应用。但是，基于微分几何的解耦限制理论须要微分几何、代数等数学学问，难于推广。目前，多变量非线性限制的逆系统理论在限制领域得到了广泛的应用。逆系统理论实质是

14、应用反应线性化方法来实现多变量、非线性、强耦合的系统解耦线性化。反应线性化方法可以使系统在全局范围内线性化，并实现输入和输出的解耦。上述的解耦限制方法，从原理上，能够实现把困难被控对象解耦成简洁的线性系统，然后协作简洁的线性限制方法PID限制器进展位置和速度限制，在限制精度要求不高的状况下，可以满足限制精度和动态响应特性；然而解耦思想依靠于系统的准确数学模型，一旦模型参数变更，传统的线性PID 限制方法不能满足限制要求。电动机的内部参数具有慢时变特性，驱动系统简洁受到外界扰动，尤其对于直线电动机驱动系统来说，由于电动机转子和负载之间没有协助的缓冲装置，更简洁受到外界的干扰影响，因而在实际应用中

15、，必需结合具有较强鲁棒性的限制方法。针对参数变更和不确定的扰动，为了保证系统的较强鲁棒性，基于滑模的变构造限制在电力传动领域受到了广泛的关注。系统一旦进入滑模运动，对系统干扰及参数变更具有完全的自适应性和不敏感特性。这种新兴技术具有广袤的应用前景，但是由于切换限制作用产生的固有抖振问题还没有得到很好的解决，这样，势必会影响轨迹的跟踪精度，因而给实际应用带来相当大的困难。针对电动机模型参数变更和外界的扰动对限制系统的影响，在沟通异步电动机矢量限制的根底上，提出了基于递归型小波神经网络的自适应限制方案。本限制方案稍加变更，很简洁推广应用到其他的沟通伺服驱动领域。神经网络具有随意精度的靠近困难函数的

16、实力、信息综合实力等诸多的优点，而在很多领域得到了广泛的应用。神经网络本身具有自适应和在线学习实力，在解决高度非线性和不确定性问题方面显示巨大的潜力，因而在伺服驱动领域也受到了广泛的关注。在信号处理和分析中，小波理论一经出现就受到了各个领域的专家和学者广泛的关注和探究。小波理论引入到神经网络，充分发挥各自的优点，从而构成了小波神经网络，这样势必会给神经网络带来新的生命力。伺服驱动系统引入小波神经网络得到了广泛的关注和探究，但是这种网络构造只能实现静态映射，其收敛的速度慢，势必影响位置的跟踪精度。神经网络依据构造可以分为两大类，一个是前馈型网络，一个是递归型神经网络。前馈型神经网络在没有外部的反

17、应延时协助下，只能实现静态的映射；而递归型神经网络由于内部神经元具有反应环，可以实现动态映射。在感应电动机实际应用中遇到的各种扰动：内部参数波动、外部负载干扰和各种不确定的扰动，采纳递归型小波神经网络势必会显示出良好的限制性能。提出的小波神经网络权值训练采纳自适应律结合梯度下降法和BP算法的学习机制。1.3 本文主要要探究的内容通过学习电机和拖动、自动限制技术根底学问，分析、比拟各种感应电动机伺服驱动系统自适应限制系统。比拟感应电动机伺服驱动系统自适应限制系统探究的各种方法，遴选合理的感应电动机伺服驱动系统自适应限制系统的设计方案。仿真、论证上述所设计的方案。设计相关的MATLAB计算机协助计

18、算分析仿真软件仿真程序。在感应电动机矢量限制的根底上，针对感应电动机伺服驱动系统，提出了用递归型小波神经网络限制器代替传统的位置速度PID限制器，其集成了小波和动态神经网络的各自优点，神经网络的收敛速度大大提高：参数的在线学习机制采纳delta自适应律并结合了BP算法和梯度下降法，学习算法简洁，节约了大量的计算量；系统具有很强的自适应学习实力，当被控对象出现参数波动时，仍能保证跟踪精度，对系统外部的负载扰动具有很强的抑制实力。2.感应电动机伺服驱动系统自适应限制系统2.1感应电动机伺服驱动系统描述伺服系统Servo Mechanism system是以机械运动的驱动设备如：电动机等为限制对象，

19、以限制器为核心，以电力电子功率变换装置为执行机构，在自动限制理论的指导下组成的电气传动自动限制系统。这类系统限制电动机的转矩、转速和转角，将电能转换为机械能，实现运动机械的运动要求。 例如：在数控机床中，伺服系统接收数控系统发出的位移、速度指令，经变换、放调和整定后，由电动机和机械传动机构驱动机床坐标轴、主轴等，带开工作台及刀架，通过轴的联动使刀具相对工件产生各种困难的机械运动，从而加工出用户所要求的困难形态的工件。此外伺服系统广泛应用于多轴运动限制系统，如工业机器人、工具机、电子零件组装系统、交通设备、武器装备等。伺服系统的优势罗克韦尔自动化公司的商务开展经理迈克瓦格纳说：“暂不说商业压力，

20、以伺服系统为根底的设备要比轴传动设备具有更多优势。在伺服系统以前，包装设备有一个大的沟通电动机以固定的速度运转，远离主轴的机械连接限制每一个包装程序，将轴运动从一个速度转换成另一个速度，或者将旋转运动转换成直线运动。主轴每转动一次，就从另一端产出一个产品。当你想将小瓶换成大瓶或者变更包装尺寸或形态时，就必需对设备进展重新调整” 。而伺服系统变更了这种状况，没有了到主轴的机械连接，每一个伺服系统包括电动机、齿轮头和软件是独立运转的。这样做的好处是：无论是压力、速度、位置，都可以变更。以前，变更这些会花费7个小时，除非有足够大的批量以保证调整的有效性和志向的生产周期，否那么很难变更。此时此刻，只需

21、35分钟就可完成调整，且方法很简洁。将伺服系统从电动机驱动轴分别开来，使它们可以对包装过程中的每一个事务进展独立调整。美国皮斯特公司的副总裁鲍勃哈塔维哥说：“一个简洁的低速到中速的灌装线，由一些简洁设备和一个主机组成，全部设备相互倚赖、协调工作，随着系统数据的采集，灌装线上的伺服系统能够独立调整发生的任何生产问题”。德国ELAU公司的全球营销经理约翰克瓦认为：“伺服系统也将速度和准确度提升到了一个全新的水平。70%80%销售到制药企业的打捆机、外包机、容器打包机、托盘堆垛机都将运用伺服系统”。伺服系统的一个主要特点是它的闭环反应，以伺服系统为根底的封口机限制转矩的精度可以到达0.02%，而标准

22、离合器驱动的封口机的精度仅为20%，由此很清晰看到伺服系统的价值所在。例如，在存储每一个盖子的转矩值后，假如须要召回，只需召回1000瓶，而不是以往的1000000瓶。同样的数据也可以用来分析封口机磨损的程度以确定是否须要修理。自从伺服系统运用了更小的电机，就极少须要修理了。通常，伺服系统的两次故障之间的间隔是200000小时。 此时此刻的伺服系统带给人们一种远比过去有价值的感觉，5年前，一个平凡的伺服系统价格为10000美元，如今，只卖5000美元，且价格还在下降。在一个价格100000美元的机器上，加10个伺服系统，价格将提高50%。相应的，在价格50万到100万美元的更大机器上增加10个

23、同样的伺服系统，花费并不明显，但回报却是巨大的。伺服系统的历史伺服机构理论(servo mechansim theory)起源于二次世界大战期间，美军为了开展具有自动限制功能的雷达追踪系统，托付了麻省理工学院开展限制机械系统的闭回路限制技术，以强化巡航导弹等导向武器精准度，此一开展奠定了后来伺服机构理论的根底。而微处理器及集成电路的不断进化，不仅带动了资讯产业的开展，也间接带动了伺服驱动技术的开展。伺服系统的开展和伺服电动机的开展严密地联系在一起，在上世纪60年头以前，伺服驱动是以步进电机驱动的液压伺服马达，或者以功率步进电机干脆驱动为特征，伺服系统的位置限制为开环限制。 伺服系统最初用于船舶

24、的自动驾驶、火炮限制和指挥仪中，后来渐渐推广到很多领域，特殊是自动车床、天线位置限制、导弹和飞船的制导等。采纳伺服系统主要是为了到达下面几个目的：以小功率指令信号去限制大功率负载。火炮限制和船舵限制就是典型的例子。在没有机械连接的状况下，由输入轴限制位于远处的输出轴，实现远距同步传动。使输出机械位移准确地跟踪电信号，如记录和指示仪表等。6070年头是直流伺服电动机诞生和全盛开展的时代，直流伺服系统在工业及相关领域获得了广泛的应用，伺服系统的位置限制也由开环限制开展成为闭环限制。在数控机床应用领域，永磁式直流电动机占据统治地位，其限制电路简洁，无励磁损耗，低速性能好。 80年头以来，随着电机技术

25、、现代电力电子技术、微电子技术、限制技术及计算机技术的快速开展，大大推动了沟通伺服驱动技术，使沟通伺服系统性能日渐提高，和其相应的伺服传动装置也经验了模拟式、数模混合式和全数字化的开展历程。 90年头开环伺服系统快速被沟通伺服所取代。 进入21世纪，沟通伺服系统越来越成熟，市场呈现快速多元化开展，国内外众多品牌进入市场竞争。目前沟通伺服技术已成为工业自动化的支撑性技术之一。 伺服系统的构成一个伺服系统的构成通常包含受控体(plant)、致动器(actuator)、限制器(controller)等几个局部，受控体是指被限制的物件，例如一个机械手臂，或是一个机械工作平台。致动器的功能在于主要供应受

26、控体的动力，可能以气压、油压、或是电力驱动的方式呈现，假设是采纳油压驱动方式，一般称之为油压伺服系统。目前绝大多数的伺服系统采纳电力驱动方式，致动器包含了马达和功率放大器，特殊设计应用于伺服系统的马达称之为伺服马达(servo motor)，通常内含位置回馈装置，如光电编码器(optical encoder)或是解角器(resolver)，目前主要应用于工业界的伺服马达包括直流伺服马达、永磁沟通伺服马达、和感应沟通伺服马达，其中又以永磁沟通伺服马达占绝大多数。限制器的功能在于供应整个伺服系统的闭路限制，如扭矩限制、速度限制、和位置限制等。限制器的功能在于供应整个伺服系统的闭路限制，如扭矩限制、

27、速度限制、和位置限制等。 目前一般工业用伺服驱动器(servo drive)通常包含了限制器和功率放大器。沟通伺服电机沟通伺服电机内部的转子是永磁铁，驱动器限制的U/V/W三相电形成电磁场，转子在此磁场的作用下转动，同时电机自带的编码器反应信号给驱动器，驱动器依据反应值和目标值进展比拟，调整转子转动的角度。伺服电机的精度确定于编码器的精度线数。 20世纪80年头以来，随着集成电路、电力电子技术和沟通可变速驱动技术的开展，永磁沟通伺服驱动技术有了突出的开展，各国闻名电气厂商相继推出各自的沟通伺服电动机和伺服驱动器系列产品并不断完善和更新。沟通伺服系统已成为当代高性能伺服系统的主要开展方向，使原来

28、的直流伺服面临被淘汰的危机。90年头以后，世界各国已经商品化了的沟通伺服系统是采纳全数字限制的正弦波电动机伺服驱动。沟通伺服驱动装置在传动领域的开展日新月异。 沟通伺服电机通常都是单相异步电动机，有鼠笼形转子和杯形转子两种构造形式。和平凡电机一样，沟通伺服电机也由定子和转子构成。定子上有两个绕组，即励磁绕组和限制绕组，两个绕组在空间相差90电角度。固定和爱护定子的机座一般用硬铝或不锈钢制成。笼型转子沟通伺服电机的转子和平凡三相笼式电机一样。 沟通伺服电机的工作原理和单相感应电动机无本质上的差异。但是，沟通伺服电机必需具备一特性能，就是能克制沟通伺服电机的所谓“自转”现象，即无限制信号时，它不应

29、转动，特殊是当它已在转动时，假如限制信号消逝，它应能马上停顿转动。而平凡的感应电动机转动起来以后，如限制信号消逝，往往仍在接着转动。当电机原来处于静止状态时，如限制绕组不加限制电压，此时只有励磁绕组通电产生脉动磁场。可以把脉动磁场看成两个圆形旋转磁场。这两个圆形旋转磁场以同样的大小和转速，向相反方向旋转，所建立的正、反转旋转磁场分别切割笼型绕组或杯形壁并感应出大小一样，相位相反的电动势和电流或涡流，这些电流分别和各自的磁场作用产生的力矩也大小相等、方向相反，合成力矩为零，伺服电机转子转不起来。一旦限制系统有偏差信号，限制绕组就要承受和之相对应的限制电压。在一般状况下，电机内部产生的磁场是椭圆形

30、旋转磁场。一个椭圆形旋转磁场可以看成是由两个圆形旋转磁场合成起来的。这两个圆形旋转磁场幅值不等和原椭圆旋转磁场转向一样的正转磁场大，和原转向相反的反转磁场小，但以一样的速度，向相反的方向旋转。它们切割转子绕组感应的电势和电流以及产生的电磁力矩也方向相反、大小不等正转者大，反转者小合成力矩不为零，所以伺服电机就朝着正转磁场的方向转动起来，随着信号的增加，磁场接近圆形，此时正转磁场及其力矩增大，反转磁场及其力矩减小，合成力矩变大，如负载力矩不变，转子的速度就增加。假如变更限制电压的相位，即移相180度，旋转磁场的转向相反，因而产生的合成力矩方向也相反，伺服电机将反转。假设限制信号消逝，只有励磁绕组

31、通入电流，伺服电机产生的磁场将是脉动磁场，转子很快地停下来。为使沟通伺服电机具有限制信号消逝，马上停顿转动的功能，把它的转子电阻做得特殊大，使它的临界转差率Sk大于1。在电机运行过程中，假如限制信号降为“零”，励磁电流仍旧存在，气隙中产生一个脉动磁场，此脉动磁场可视为正向旋转磁场和反向旋转磁场的合成。必需指出，平凡的两相和三相异步电动机正常状况下都是在对称状态下工作，不对称运行属于故障状态。而沟通伺服电机那么可以靠不同程度的不对称运行来到达限制目的。这是沟通伺服电机在运行上和平凡异步电动机的根本区分。永磁沟通伺服电动机同直流伺服电动机比拟，主要优点有： 无电刷和换向器，因此工作牢靠，对维护和保

32、养要求低。 定子绕组散热比拟便利。 惯量小，易于提高系统的快速性。 适应于高速大力矩工作状态。 同功率下有较小的体积和重量。矢量变换将三相矢量系统变换成由两相矢量系统。按转子磁链定向，同步转速两相坐标系轴作为定向坐标，即由轴系沿着转子磁场定向，那么转子磁链有如下关系式： ，。由异步电动机矢量限制的原理可知，感应电动机数学模型来表示如下 (2-1) (2-2) (2-3)式中 转动惯量 阻尼系数 转子位置 负载转矩 电磁转矩 转矩常数 定子电流的转矩重量 定子电流的磁链重量极对数 互感 自感转子磁链选择了开环的矢量限制，即限制系统只有一个输入，而认为常数。用替代，式(3)可以写成 (2-4)伺服

33、感应电动机驱动系统的标称模型的构造框图如图2-1所示。图2-1 伺服驱动系统在标称条件下的构造框图2.2自适应限制系统自适应限制系统是依据限制对象本身参数或四周环境的变更, 自动调整限制器参数以获得满足性能的自动限制系统。所谓“自适应”一般是指系统遵照环境的变更调整其自身使得其行为在新的或者已经变更了的环境下到达最好或者至少是容许的特性和功能这种对环境变更具有适应实力的限制系统称为自适应限制系统。自适应限制包括模型参考自适应限制和自校正限制两个分支。前者是20世纪50年头建立起来的，它是通过自适应机构来克制系统模型参数的不确定性；后者是瑞典学者Astrom 1973年提出的，它是通过在线估计系

34、统模型参数，进而修改限制器的参数，以使系统适应环境的变更。到70年头末和80年头初，李推普诺夫稳定性理论和轶收敛定理在自适应限制中的胜利应用，使得基于稳定性分析的模型参考自适应限制系统的设计得到了蓬勃开展，形成模型参考自适应限制的完整理论体系和设计方法；秋收敛定理由于在探究自校正限制系统的稳定性有独到之处，使得基于参数估计的自校正限制系统探究取得了突破性进展。随着计算机技术的开展，自适应限制的应用领域也日益扩大，自适应限制已成为一个极其活泼的探究领域，各种自适应限制策略相继问世，其理论探究成果和应用胜利例子不断涌现。2.3基于递归型小波神经网络的自适应限制伺服驱动系统简称为伺服糸统，是一种以机

35、械位置或角度作为限制对象的自动限制系统。沟通伺服系统具有良好的性价比，得到了广泛地应用，如须要准确定位的工业装备、生产线、木材加工、纺织和印刷等行业早已经成为沟通伺服系统的主要应用领域。为了到达响应决、定位准确，伺服限制系统一般采纳速度、位置和电流三个闭环的限制构造。传统的限制方法不仅限制构造困难，而且由于感应电机驱动系统是非线性多变量时变的系统，很难到达工艺的要求。针对传统感应电动机伺服驱动系统的位置和速度外环PI限制的构造困难、双闭环耦合及对参数等不确定性扰动鲁棒性差的问题，在干脆转矩限制理论将感应电动机的转矩和磁链解耦的根底上提出了基于动态神经网络的自适应限制方案，简化了限制系统构造，它

36、可随着伺服驱动系统的运行工况而变更限制系统的构造参数，大大提高了伺服驱动系统对参数变更的鲁棒性，同时，也较好地改善了伺服驱动限制系统的动态及稳态性能。本文是在混合滑模变构造的转矩和磁链限制的根底上，提出了基于神经网络自适应限制器的伺服驱动系统。2.3.1 递归型小波神经网络限制器在没有扰动的标称条件状况下，采纳传统的位置速度PID限制器，系统可以得到满足跟踪精度和良好的动态响应特性，其限制系统的构造框图如图2-2所示。然而在实际应用中会遇到各种扰动，这样传统的限制方案就不能满足限制要求。为了解决这个问题，采纳递归型小波神经网络限制器RWNC代替位置速度PID限制器，其限制系统框图如图2-3所示

37、。R为期望的运行指令；和分别为期望的位置和速度轨迹；递归型小波神经网络RWNC作为限制器，完成限制器参数自调整、自学习，构成了系统的闭环反应构造。图2-2 传统的位置PI限制的构造件图图2-3 基于递归型小波神经网络的自适应限制系统一个三层的递归型小波神经网络构造如图2-4所示：一个输入层(第i层)，一个隐层(第k层)，一个输出层(第O层)，采纳251构造形式。图2-4 递归型小波神经网络框图各层的信号传递和作用函数描述如下。输入层(第一层) 2-5式中 输入层的作用函数迭代次数输入层神经元的第个输入，即神经网络的输入选择位置误差及其差分作为输入，表示如下 式中 延迟隐层(其次层) 2-6式中

38、作用函数选择小波函数，表示为输出层(第三层) o=1 (2-7)2.3.2递归型小波神经网络在线学习训练机制小波经网络参数训练采纳自适应律结合梯度下降法和BP算法的学习机制，能量函数定义如下 2-8基于反向传播算法，各层的权值调整律如下描述被反向传播的误差项 2-9 (2-10)所以输出层权值调整迭代方程 2-11隐层：递归权值的调整 2-12式中 隐层的递归权值调整公式为 (2-13)隐层的连接权的调整 2-14式中 隐层的连接权值的迭代算式 (2-15)尺度参数调整增量 2-16式中 尺度参数调整的迭代算式 (2-17)平移参数调整增量为 (2-18)同样得到平移参数调整的迭代算式 (2-

39、19)式中 一一小波的尺度参数、平移参数的学习率上述的学习算法中，由于系统非线性动态特性，式(20)的中的雅可比矩阵不能求外，其余的参数均可求。虽然系统辨识器可以获得雅可比矩阵，但是须要相当大的计算量。为了解决这个问题，同时提高系统参数在线学习速率，采纳delta自适应法，反向误差项用位置偏差和速度偏差共同组成， 即 2-203. 仿真结果系统的参数可以通过输入和输出的数据，采纳最小二乘法等系统辨识工具估计出来。为了说明限制方案的可行性，仿真模型参数的选取如下提出的递归型小波神经网络限制器作为异步电动机伺服驱动系统的位置速度限制器，为了说明其优越性，对整个伺服限制系统运用MATLAB做了仿真探

40、究，同时给出了这种限制器和传统的PID限制器、前馈型的神经网络限制器仿真结果的比拟分析。在仿真过程中，系统的输出变量(即位置角)和给定量都进展了量纲处理，见图3-1至3-6，图3-1和图3-2分别为递归型小波神经网络限制器和传统PID限制器，在6S时刻系统内部参数 变为原值的90时，跟踪正弦波指令的仿真曲线。可以看出，对于传统的PID限制方案来说，在内部参数变更时，系统跟踪的精度会受到很大的影响；而对于递归型小波神经网络限制方案随着学习迭代次数的增多，系统跟踪参考指令的精度不断提高，并且对系统的内部参数的变更具有很强的自适应性和学习实力，也就是对系统的内部参数的扰动具有很强的鲁棒性。图3-3为

41、系统在方波输入下，传统PID限制器动态响应仿真曲线。图3-4和图3-5分别为前馈型神经网络限制器和递归型小波神经网络限制器在第1O个方波作用下的仿真响应曲线。图3-3和图3-5的仿真结果看出，传统的PID限制器的超调量到达30，调整时间29S，稳态误差009 rad；而递归型小波神经网络限制方案超调量仅2O，调整时间15 S，不存在稳态误差，因而提出的限制方案具有良好的动态性能和稳态性能。图3-4和图3-5可以看出，递归型的小波神经网络比前馈型的神经网络学习收敛的速度要快很多。图3-5a和3-5b分别为传统的PID限制器和递归型小波神经网络限制器在系统受到负载扰动情 图3-1 传统PID限制器

42、作为位置速度限制器输入在内部参数变更时的跟踪正弦波响应仿真曲线图3-2 递归型小波神经网络限制器作为位置速度限制器在内部参数变更时的跟踪正弦波响应仿真曲线图3-3 传统的位置速度PID限制器跟踪阶跃指令的系统动态响应仿真曲线图3-4 前馈型神经网络限制器跟踪阶跃指令的系统动态响应仿真曲线图3-5 递归型小波神经网络限制器跟踪阶跃指令的系统动态响应仿真曲线(a)PID限制(b)递归型小渡神经网络限制图3-6 系统在负载扰动下，传统PID限制和递归型小波神经网络限制的仿真响应曲线比拟况下的仿真曲线。由图3-6可以看出，提出的递归型小波神经网络限制器对负载扰动具有很强的抑制实力。设被控对象的近似数学

43、模型为：，所选的输入信号为一时变信号： 图3-7 阶跃仿真曲线神经网络的构造选择如图2-4，学习速率为0.55，惯性系数为0.04，加权系数初始值为区间-0.5，0.5上的随机数，采样频率为1000Hz。Matlab仿真结果如图三所示：图3-8 输入输出曲线图3-9 扰动力矩图3-10 期望和实际轨迹4. 完毕语在感应电动机矢量限制的根底上，针对感应电动机伺服驱动系统，提出了用递归型小波神经网络限制器代替传统的位置速度PID限制器，其集成了小波和动态神经网络的各自优点，神经网络的收敛速度大大提高：参数的在线学习机制采纳delta自适应律并结合了BP算法和梯度下降法，学习算法简洁，节约了大量的计

44、算量；系统具有很强的自适应学习实力，当被控对象出现参数波动时，仍能保证跟踪精度，对系统外部的负载扰动具有很强的抑制实力。由该限制器组成的限制系统具有良好的鲁棒性、良好的稳定性、良好的动静态特性等，仿真结果验证了其有效性。这些优点对于内部参数变更、非线性耦合及外部扰动大的沟通伺服驱动系统是一种有效的限制策略。提出的限制策略稍加改动很简洁推广到其他的沟通伺服驱动系统中。参考文献l Jos6 A，Richard M Vector control methods for inductionmachinesAn overview IEEE TransEducation，200 l，44(2)：l70l7

45、62 Ortega R， Barabanov Net a1Direct torque control ofinduction motors：stability analysis and performance improvement，IEEE TransAutomatic Control，200 1，46(8)：1 209 l 2223 W ai R JAdaptive slidingmode control for induction servomotor driveElectric Power pplications，2000，1 47(6)：5535624 W ai R J，Lin C

46、MHybrid control for induction servomotordriveControl Theory and Application，2002，149(6)：555 5625 Ciftcioglu OFrom neural to wavelet network1n：NAFIPS，l999：8948986 W ai R J，Chang J MIntelligent control of induction servomotor drive via wavelet neural netw ork，Electric PowerSystems Research， 2002， 6l：

47、67 767 Chao K，Lee K YDiagonal recurrent neural netw orks fordynamic systems control,IEEE TransNeural Netw orks，l995，6(1)：1441568Boldea,I.,and Nasar,S.A.,Vector Control of AC Drives,CRC Press,Boca Raton,Florida,1992.9Boldea,I., and Nesar,S.A.,Electric Drives,CRC Press,Boca Raton,Florida,199910Vas,P.,

48、Vector Contor of AC Machines,Oxford University Press,Oxford,1990.11LeonhardW.,Control of Electrical Drivs,2ed.,Springer-Verlag,Berlin,1996.12 陈伯时，谢鸿鸣沟通传动系统的限制策略J电工技术学报，2000，l5(5)：ll1513 刘国海，戴先中感应电动机调速系统的解耦限制J电工技术学报，2001，l6(5)：303414陈伯时.沟通变频传动限制的开展C.第一届变频器和伺服企业论坛论文集，北京:机械工业出版社，2003:1-315沈本荫.现代沟通传动及其限

49、制系统M.北京:中国铁道出版社.199716马致源.电力拖动限制系统M.科学出版社，200417李永东. 沟通电机数字限制系统M，北京:机械工业出版社，200218孟庆春.异步电动机干脆转矩限制系统的改良方案J.中国电机工程学报，2005，25(13):118-12219王萍.基于神经网络的无速度传感器干脆转矩限制系统的探究J.电工技术学报，2001,18 (2): 5-820祝龙记.采纳矢量细分的异步电动机干脆转矩限制系统J. 微特电机，2004, 6: 30-3221魏伟. DSP原理和实践M.北京:中国电力出版社，200922刘和平. TMS320LF240xDSP构造、原理及应用M.北

50、京:北京航空航天大学出版社，200223I. D.朗道.自适应限制一参考模型自适应系统 M. 国防工业出版社，198524A ndrzej M.Trzynadlwski著.李鹤轩 李杨译.Control of Induction MotorsM.机械工业出版社，200525何希才 姜余祥.电动机限制电路应用实例M.中国电力出版社，2005致谢从论文选题到搜集资料，从写稿到反复修改，期间经验了喜悦、聒噪、苦痛和彷徨，在写作论文的过程中心情是如此困难。如今，伴随着这篇毕业论文的最终成稿，困难的心情烟消云散，自己甚至还有一点成就感。那种感觉就犹如在一场盛大的颁奖晚会上，我在晚会现场看着其他人一个接着

51、一个上台领奖，自己却始终未能被念到名字，经过了很长很长的时间后，最终有位嘉宾高喊我的大名，这时我遗忘了从前漫长的无聊的等待时间，欣喜万分地走向舞台，然后迫不及待地起先抒发自己的心情，发表自己的感想。这篇毕业论文就是我的舞台，以下的言语便是有点成就感后在舞台上发表的发自肺腑的真诚谢意和感想：本课题在选题及探究过程中得到xx教师的悉心指导。魏教师屡次询问进程状况，并为我指引迷津，协助我开拓探究思路，细心点拨、热忱鼓舞。魏教师一丝不苟的作风，严谨求实的看法，踏踏实实的精神，不仅授我以文，而且教我做人，虽历时半年，却给以终生受益无穷之道。对魏教师的感谢之情是无法用言语表达的。 在此，我还要感谢在一起开心的度过大学生活的同学们，正是由于你们的协助和支持，我才能克制一个一个的困难和怀疑，直至本文的顺当完成。在论文即将完成之际，我的心情无法安静，从起先进入课题到论文的顺当完成，有多少可敬的师长、同学、挚友给了我无言的协助，在这里请承受我真诚的谢意!最终我还要感谢造就我长大含辛茹苦的父母，虽然家里此时此刻很忙很忙，你们却为了让我好好完成任务，从未提过一次让我回家帮助，感谢你们! 最终，我要感谢，特别感谢xxxxxx，是它成就了我的幻想，给了我四年美妙而难忘的大学生活，感谢我的家人和那些恒久也不能遗忘的挚友，他们的支持和情感，是我恒久的财产。 感谢！感谢！