第九章 智能控制應(yīng)用實(shí)例

第九章智能控制的應(yīng)用實(shí)例

9.1智能控制在電氣傳動(dòng)中的應(yīng)用

交流伺服系統(tǒng)由交流電動(dòng)機(jī)組成，交流電動(dòng)機(jī)的數(shù)字模型不是簡單的線性模型，而具有非線性、時(shí)變、耦合等特點(diǎn)，用傳統(tǒng)的基于對象模型的控制方法難以進(jìn)行有效的控制。模糊控制完全是根據(jù)操作人員操作經(jīng)驗(yàn)實(shí)現(xiàn)對系統(tǒng)的控制，不依賴于對象的數(shù)學(xué)模型，具有較強(qiáng)的魯棒性，對被控對象參數(shù)的變化不敏感，可以很好地用于克服交流伺服系統(tǒng)中非線性、時(shí)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(tǒng)9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.1基于模糊控制的交流伺服系統(tǒng)9.1智能控制在電氣傳動(dòng)中的應(yīng)用

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

9.1.1基于模糊控制的交流伺服系統(tǒng)用于仿真研究的電機(jī)參數(shù)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(shù)字采樣頻率仍為10KHZ。圖9.3給出了系統(tǒng)在空載情況下轉(zhuǎn)角的階躍響應(yīng)曲線。圖中曲線1為模糊控制下系統(tǒng)的響應(yīng)曲線，曲線2為PI控制下的響應(yīng)曲線。圖9.4給出當(dāng)系統(tǒng)處在轉(zhuǎn)角為1rad的穩(wěn)定狀態(tài)時(shí)，給電機(jī)突加7N·m負(fù)載，系統(tǒng)的擾動(dòng)響應(yīng)曲線。9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.1基于模糊控制的交流伺服系統(tǒng)9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.2基于小波神經(jīng)網(wǎng)絡(luò)定子電阻估計(jì)器的模糊直接轉(zhuǎn)矩控制直接轉(zhuǎn)矩控制是一種快速的瞬時(shí)轉(zhuǎn)差控制法，它通過快速改變電機(jī)的磁場對轉(zhuǎn)子的瞬時(shí)轉(zhuǎn)差速度，來直接控制異步電動(dòng)機(jī)的轉(zhuǎn)矩和轉(zhuǎn)矩增長率，獲得電機(jī)的快速響應(yīng)。它用空間矢量的分析方法直接在定子坐標(biāo)系中計(jì)算電機(jī)的磁通和轉(zhuǎn)矩，由磁通和轉(zhuǎn)矩的Band-Band控制產(chǎn)生PWM信號，對逆變器的開關(guān)狀態(tài)進(jìn)行最佳控制。它省掉了復(fù)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(jié)構(gòu)簡單。該控制系統(tǒng)的轉(zhuǎn)矩響應(yīng)迅速，限制在一拍以內(nèi)，且無超調(diào)，是一種高性能的交流電機(jī)轉(zhuǎn)矩控制方案。9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.2基于小波神經(jīng)網(wǎng)絡(luò)定子電阻估計(jì)器的模糊直接轉(zhuǎn)矩控制9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.2基于小波神經(jīng)網(wǎng)絡(luò)定子電阻估計(jì)器的模糊直接轉(zhuǎn)矩控制利用組織算法構(gòu)造小波神經(jīng)網(wǎng)絡(luò)定子電阻估計(jì)器圖9.15小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.2基于小波神經(jīng)網(wǎng)絡(luò)定子電阻估計(jì)器的模糊直接轉(zhuǎn)矩控制控制系統(tǒng)總體結(jié)構(gòu)9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.2基于小波神經(jīng)網(wǎng)絡(luò)定子電阻估計(jì)器的模糊直接轉(zhuǎn)矩控制圖9.21小波神經(jīng)網(wǎng)絡(luò)定子電阻估計(jì)器的MSE曲線圖9.22定子電阻辨識結(jié)果9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.2基于小波神經(jīng)網(wǎng)絡(luò)定子電阻估計(jì)器的模糊直接轉(zhuǎn)矩控制圖9.23電磁轉(zhuǎn)矩響應(yīng)曲線圖9.24電機(jī)的磁鏈軌跡9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.3無速度傳感器感應(yīng)電機(jī)矢量控制系統(tǒng)的自適應(yīng)模糊控制無速度傳感器驅(qū)動(dòng)有很多優(yōu)點(diǎn)：如降低系統(tǒng)成本，方便安裝與維護(hù)，增強(qiáng)系統(tǒng)可靠性，更加適應(yīng)于在惡劣環(huán)境下工作等。然而傳統(tǒng)的矢量控制系統(tǒng)需要電機(jī)的精確數(shù)學(xué)模型，當(dāng)由于磁飽和或電機(jī)繞組溫度變化引起電機(jī)內(nèi)部參數(shù)變化時(shí)，會影響系統(tǒng)的控制效果，而把模糊控制引入矢量控制系統(tǒng)就有助于解決這個(gè)問題。模糊控制不需要被控對象的精確數(shù)學(xué)模型，而根據(jù)人工控制規(guī)則組織控制決策表，對調(diào)節(jié)對象參數(shù)不敏感。9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.3無速度傳感器感應(yīng)電機(jī)矢量控制系統(tǒng)的自適應(yīng)模糊控制圖9.25自適應(yīng)模糊控制器9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.3無速度傳感器感應(yīng)電機(jī)矢量控制系統(tǒng)的自適應(yīng)模糊控制圖9.26自適應(yīng)磁通觀測器9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.3無速度傳感器感應(yīng)電機(jī)矢量控制系統(tǒng)的自適應(yīng)模糊控制圖9.27感應(yīng)電機(jī)無速度傳感器矢量控制圖9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.3無速度傳感器感應(yīng)電機(jī)矢量控制系統(tǒng)的自適應(yīng)模糊控制9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.3無速度傳感器感應(yīng)電機(jī)矢量控制系統(tǒng)的自適應(yīng)模糊控制9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.3無速度傳感器感應(yīng)電機(jī)矢量控制系統(tǒng)的自適應(yīng)模糊控制9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.3無速度傳感器感應(yīng)電機(jī)矢量控制系統(tǒng)的自適應(yīng)模糊控制9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.3無速度傳感器感應(yīng)電機(jī)矢量控制系統(tǒng)的自適應(yīng)模糊控制9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.4基于遞歸模糊神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)無速度傳感器矢量控制圖9.32模型參考自適應(yīng)磁場、速度辨識算法原理圖9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.4基于遞歸模糊神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)無速度傳感器矢量控制圖9.33改進(jìn)后的模型參考自適應(yīng)磁場、速度辨識算法原理圖9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.4基于遞歸模糊神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)無速度傳感器矢量控制圖9.35簡化的基于RFNN的異步電機(jī)矢量控制系統(tǒng)結(jié)構(gòu)9.1智能控制在電氣傳動(dòng)中的應(yīng)用

9.1.4基于遞歸模糊神經(jīng)網(wǎng)絡(luò)的感應(yīng)電機(jī)無速度傳感器矢量控制

(a)PI調(diào)節(jié)輸出的轉(zhuǎn)矩電流波形(b)RFNN控制輸出的轉(zhuǎn)矩電流波形圖9.37外部負(fù)載擾動(dòng)時(shí)系統(tǒng)控制器輸出波形比較（t=0.5s時(shí)加負(fù)載）9.2智能控制在過程控制中的應(yīng)用

9.2.1復(fù)雜工業(yè)系統(tǒng)的分布式遞階智能控制復(fù)雜工業(yè)系統(tǒng)與傳統(tǒng)系統(tǒng)具有本質(zhì)的區(qū)別，具體表現(xiàn)為：1）復(fù)雜的信息模型及其引起的分布式傳感器、數(shù)據(jù)量、計(jì)算量的增加；2）信息處理方式復(fù)雜性增加和描述模型的多樣性；3）精確機(jī)理建模日益困難；4）大量不定因素，如環(huán)境動(dòng)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(wù)的控制要求。這些都使傳統(tǒng)的控制理論與方法難以直接運(yùn)用。9.2智能控制在過程控制中的應(yīng)用

9.2智能控制在過程控制中的應(yīng)用

圖9.39多傳感器信息融合處理專家系統(tǒng)9.2智能控制在過程控制中的應(yīng)用

在圖9.39中，信息融合處理包括四個(gè)內(nèi)容：(1)實(shí)時(shí)信息的獲取：用檢測儀表、軟測量技術(shù)、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(jìn)行預(yù)處理，如去噪聲、濾波等。(2)提取特征信息：主要包括抽取動(dòng)態(tài)過程的特征信息、識別系統(tǒng)的特征狀態(tài)，并對特征信息作出必要的加工。例如，系統(tǒng)被控變量與期望值的誤差、誤差的導(dǎo)數(shù)、誤差的第i次極值等。(3)信息融合：主要采用小波神經(jīng)網(wǎng)絡(luò)模型來實(shí)現(xiàn)信息融合處理。(4)專家系統(tǒng)解釋機(jī)構(gòu)：專家系統(tǒng)