第九章 智能控制應用實例

第九章智能控制的應用實例

9.1智能控制在電氣傳動中的應用

交流伺服系統由交流電動機組成，交流電動機的數字模型不是簡單的線性模型，而具有非線性、時變、耦合等特點，用傳統的基于對象模型的控制方法難以進行有效的控制。模糊控制完全是根據操作人員操作經驗實現對系統的控制，不依賴于對象的數學模型，具有較強的魯棒性，對被控對象參數的變化不敏感，可以很好地用于克服交流伺服系統中非線性、時變、耦合等因素的影響。9.1.1基于模糊控制的交流伺服系統9.1智能控制在電氣傳動中的應用

9.1.1基于模糊控制的交流伺服系統9.1智能控制在電氣傳動中的應用

9.1.1基于模糊控制的交流伺服系統ECUENBNMNSZOPSPMPBNBNBNBNBNBNMZOZONMNBNBNBNBNMZOZONSNMNMNMNMZOPSPSZONMNMNSZOPSPMPMPSNSNSZOPMPMPMPMPMZOZOPMPBPBPBPBPBZOZOPMPBPBPBPB表9.1模糊控制規(guī)則表9.1智能控制在電氣傳動中的應用

9.1.1基于模糊控制的交流伺服系統用于仿真研究的電機參數為：Pn=2.2KW，Un=220V，In=5A，nn=1440r/min，r1=2.91Ω，r2=3.04Ω，ls=0.45694H，lr=0.45694H，lm=0.44427H，Ten=14N·m，np=2，J=0.002276kg·m2，ψn=0.96wb，數字采樣頻率仍為10KHZ。圖9.3給出了系統在空載情況下轉角的階躍響應曲線。圖中曲線1為模糊控制下系統的響應曲線，曲線2為PI控制下的響應曲線。圖9.4給出當系統處在轉角為1rad的穩(wěn)定狀態(tài)時，給電機突加7N·m負載，系統的擾動響應曲線。9.1智能控制在電氣傳動中的應用

9.1.1基于模糊控制的交流伺服系統9.1智能控制在電氣傳動中的應用

9.1.2基于小波神經網絡定子電阻估計器的模糊直接轉矩控制直接轉矩控制是一種快速的瞬時轉差控制法，它通過快速改變電機的磁場對轉子的瞬時轉差速度，來直接控制異步電動機的轉矩和轉矩增長率，獲得電機的快速響應。它用空間矢量的分析方法直接在定子坐標系中計算電機的磁通和轉矩，由磁通和轉矩的Band-Band控制產生PWM信號，對逆變器的開關狀態(tài)進行最佳控制。它省掉了復雜的矢量變換，沒有通常的PWM信號發(fā)生器，控制手段直接，控制結構簡單。該控制系統的轉矩響應迅速，限制在一拍以內，且無超調，是一種高性能的交流電機轉矩控制方案。9.1智能控制在電氣傳動中的應用

9.1.2基于小波神經網絡定子電阻估計器的模糊直接轉矩控制9.1智能控制在電氣傳動中的應用

9.1.2基于小波神經網絡定子電阻估計器的模糊直接轉矩控制利用組織算法構造小波神經網絡定子電阻估計器圖9.15小波神經網絡結構9.1智能控制在電氣傳動中的應用

9.1.2基于小波神經網絡定子電阻估計器的模糊直接轉矩控制控制系統總體結構9.1智能控制在電氣傳動中的應用

9.1.2基于小波神經網絡定子電阻估計器的模糊直接轉矩控制圖9.21小波神經網絡定子電阻估計器的MSE曲線圖9.22定子電阻辨識結果9.1智能控制在電氣傳動中的應用

9.1.2基于小波神經網絡定子電阻估計器的模糊直接轉矩控制圖9.23電磁轉矩響應曲線圖9.24電機的磁鏈軌跡9.1智能控制在電氣傳動中的應用

9.1.3無速度傳感器感應電機矢量控制系統的自適應模糊控制無速度傳感器驅動有很多優(yōu)點：如降低系統成本，方便安裝與維護，增強系統可靠性，更加適應于在惡劣環(huán)境下工作等。然而傳統的矢量控制系統需要電機的精確數學模型，當由于磁飽和或電機繞組溫度變化引起電機內部參數變化時，會影響系統的控制效果，而把模糊控制引入矢量控制系統就有助于解決這個問題。模糊控制不需要被控對象的精確數學模型，而根據人工控制規(guī)則組織控制決策表，對調節(jié)對象參數不敏感。9.1智能控制在電氣傳動中的應用

9.1.3無速度傳感器感應電機矢量控制系統的自適應模糊控制圖9.25自適應模糊控制器9.1智能控制在電氣傳動中的應用

9.1.3無速度傳感器感應電機矢量控制系統的自適應模糊控制圖9.26自適應磁通觀測器9.1智能控制在電氣傳動中的應用

9.1.3無速度傳感器感應電機矢量控制系統的自適應模糊控制圖9.27感應電機無速度傳感器矢量控制圖9.1智能控制在電氣傳動中的應用

9.1.3無速度傳感器感應電機矢量控制系統的自適應模糊控制9.1智能控制在電氣傳動中的應用

9.1.3無速度傳感器感應電機矢量控制系統的自適應模糊控制9.1智能控制在電氣傳動中的應用

9.1.3無速度傳感器感應電機矢量控制系統的自適應模糊控制9.1智能控制在電氣傳動中的應用

9.1.3無速度傳感器感應電機矢量控制系統的自適應模糊控制9.1智能控制在電氣傳動中的應用

9.1.3無速度傳感器感應電機矢量控制系統的自適應模糊控制9.1智能控制在電氣傳動中的應用

9.1.4基于遞歸模糊神經網絡的感應電機無速度傳感器矢量控制圖9.32模型參考自適應磁場、速度辨識算法原理圖9.1智能控制在電氣傳動中的應用

9.1.4基于遞歸模糊神經網絡的感應電機無速度傳感器矢量控制圖9.33改進后的模型參考自適應磁場、速度辨識算法原理圖9.1智能控制在電氣傳動中的應用

9.1.4基于遞歸模糊神經網絡的感應電機無速度傳感器矢量控制圖9.35簡化的基于RFNN的異步電機矢量控制系統結構9.1智能控制在電氣傳動中的應用

9.1.4基于遞歸模糊神經網絡的感應電機無速度傳感器矢量控制

(a)PI調節(jié)輸出的轉矩電流波形(b)RFNN控制輸出的轉矩電流波形圖9.37外部負載擾動時系統控制器輸出波形比較（t=0.5s時加負載）9.2智能控制在過程控制中的應用

9.2.1復雜工業(yè)系統的分布式遞階智能控制復雜工業(yè)系統與傳統系統具有本質的區(qū)別，具體表現為：1）復雜的信息模型及其引起的分布式傳感器、數據量、計算量的增加；2）信息處理方式復雜性增加和描述模型的多樣性；3）精確機理建模日益困難；4）大量不定因素，如環(huán)境動態(tài)變化，輸入信息中的噪聲、干擾與誤差、信息未知性、不完全性；5）多層次、多任務的控制要求。這些都使傳統的控制理論與方法難以直接運用。9.2智能控制在過程控制中的應用

9.2智能控制在過程控制中的應用

圖9.39多傳感器信息融合處理專家系統9.2智能控制在過程控制中的應用

在圖9.39中，信息融合處理包括四個內容：(1)實時信息的獲?。河脵z測儀表、軟測量技術、模式識別等手段測量被控變量、觀測狀態(tài)變量、辨識過程環(huán)境，并對它們進行預處理，如去噪聲、濾波等。(2)提取特征信息：主要包括抽取動態(tài)過程的特征信息、識別系統的特征狀態(tài)，并對特征信息作出必要的加工。例如，系統被控變量與期望值的誤差、誤差的導數、誤差的第i次極值等。(3)信息融合：主要采用小波神經網絡模型來實現信息融合處理。(4)專家系統解釋機構：專家系統