日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

    一、概述

    隨著現(xiàn)代電力電子裝置的發(fā)展，其應(yīng)用范圍越來越廣，所應(yīng)用的場合也越來越復(fù)雜。由于電力電子裝置所控制的對象越來越復(fù)雜，各種不確定因素和種種難以描述的非線性特性存在，使得基于傳統(tǒng)控制的對象模型越來越難得建立；再者人們對電力電子裝置輸出控制要求的日益提高，越來越要求控制的智能化和寬適應(yīng)能力。神經(jīng)網(wǎng)絡(luò)源于對人腦信息處理機制的模擬，具有很強的適應(yīng)復(fù)雜環(huán)境的能力和多目標(biāo)控制的自學(xué)習(xí)能力，并具有良好的非線性函數(shù)逼近能力。因此神經(jīng)網(wǎng)絡(luò)控制策略能解決逆變系統(tǒng)中的常規(guī)控制策略無法解決的許多問題，理論上來說可以設(shè)計出一個與系統(tǒng)數(shù)學(xué)模型無關(guān)的，自學(xué)習(xí)、自適應(yīng)的魯棒性好動態(tài)響應(yīng)快的智能控制系統(tǒng)。神經(jīng)網(wǎng)絡(luò)的這些特性為我們解決現(xiàn)代電力電子裝置控制上的種種難題提供了一條很好的途徑。

    近十幾年來，人工神經(jīng)網(wǎng)絡(luò)在控制領(lǐng)域中的研究也取得了很大的進展。人工神經(jīng)網(wǎng)絡(luò)能夠通過自身的學(xué)習(xí)過程了解系統(tǒng)的結(jié)構(gòu)、參數(shù)、不確定性和非線性，并給出系統(tǒng)所需的控制規(guī)律，由它構(gòu)成的控制器具有很強的魯棒性。

    單神經(jīng)元是神經(jīng)網(wǎng)絡(luò)最基本的單元，在神經(jīng)網(wǎng)絡(luò)控制中，單神經(jīng)元是最基本的控制部件。因此，由單個神經(jīng)元構(gòu)成的控制器引起了控制界的廣泛興趣。神經(jīng)元控制器結(jié)構(gòu)簡單，自學(xué)習(xí)、自組織能力強，分布式存儲，并行結(jié)構(gòu)運算，可以調(diào)和系統(tǒng)動、靜態(tài)間的矛盾，對對象模型精度要求不高，且抗干擾能力強，故實際應(yīng)用較多。

    神經(jīng)網(wǎng)絡(luò)對于復(fù)雜不確定問題的自適應(yīng)能力,可以用作控制系統(tǒng)的補償環(huán)節(jié)和自適應(yīng)環(huán)節(jié);神經(jīng)網(wǎng)絡(luò)對任意非線性關(guān)系的描述能力,可以用于非線性系統(tǒng)的辨識和控制;神經(jīng)網(wǎng)絡(luò)的快速優(yōu)化計算能力,可用于復(fù)雜控制問題的優(yōu)化計算;神經(jīng)網(wǎng)絡(luò)的分布式存儲能力及并行處理和合成能力,可用作復(fù)雜控制系統(tǒng)中的信息轉(zhuǎn)換接口。

    結(jié)合上述特性，控制中對神經(jīng)網(wǎng)絡(luò)的使用大致分為下面幾類：

    1. 神經(jīng)網(wǎng)絡(luò)與反饋聯(lián)合控制：

    神經(jīng)網(wǎng)絡(luò)需要一個過程來根據(jù)訓(xùn)練樣本進行學(xué)習(xí)，學(xué)習(xí)完成后，網(wǎng)絡(luò)才能用于控制系統(tǒng)，因此在學(xué)習(xí)階段采用與神經(jīng)網(wǎng)絡(luò)控制器相并聯(lián)的常規(guī)控制器來改善系統(tǒng)的初始響應(yīng)，提高系統(tǒng)魯棒性。

    2. 神經(jīng)網(wǎng)絡(luò)PID控制： 

    PID調(diào)節(jié)概念清晰、方法簡便、調(diào)節(jié)容易，可靠性好，與神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)自組織功能相結(jié)合，利用神經(jīng)網(wǎng)絡(luò)來在線整定PID調(diào)節(jié)器參數(shù)，可以提高控制器對系統(tǒng)和環(huán)境的適應(yīng)能力和控制效果。

    3. 神經(jīng)網(wǎng)絡(luò)自校正控制：

    神經(jīng)網(wǎng)絡(luò)自校正控制是利用神經(jīng)網(wǎng)絡(luò)的良好的逼近能力，在被控系統(tǒng)參數(shù)變化的情況下，自動調(diào)整控制器參數(shù)，消除擾動的影響。

    4. 神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制：

    非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制系統(tǒng)在結(jié)構(gòu)上與線性系統(tǒng)的模型參考自適應(yīng)系統(tǒng)相同。只是對象的辨識模型為神經(jīng)網(wǎng)絡(luò)。

    5. 神經(jīng)網(wǎng)絡(luò)滑模控制：

    神經(jīng)網(wǎng)絡(luò)具有良好的學(xué)習(xí)能力，引入滑模控制后，可以在不確定的環(huán)境下通過自學(xué)習(xí)來改進滑模開關(guān)曲線，進而改善控制效果。

    6. 神經(jīng)網(wǎng)絡(luò)模糊控制：

    神經(jīng)網(wǎng)絡(luò)模糊控制利用神經(jīng)網(wǎng)絡(luò)進行學(xué)習(xí)，模糊控制器進行似然推理，使得輸出的控制信號平滑，同時加快了學(xué)習(xí)速度。

    7. 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)控制：

    專家系統(tǒng)是一種知識性表達，適用于邏輯推理，神經(jīng)網(wǎng)絡(luò)則反映的是一種輸入輸出的數(shù)學(xué)映射關(guān)系，長于直覺推理，把二者結(jié)合起來，發(fā)揮各自的優(yōu)勢，可以產(chǎn)生更好的控制效果。

    8. 完全神經(jīng)網(wǎng)絡(luò)控制：

    完全神經(jīng)網(wǎng)絡(luò)控制包括神經(jīng)網(wǎng)絡(luò)反饋控制，神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制，神經(jīng)網(wǎng)絡(luò)非線性控制等，它的特點是其辨識，估計，計算，控制等都由神經(jīng)網(wǎng)絡(luò)完成，其形式多種多樣應(yīng)用范圍較廣。

    目前，由于缺乏相應(yīng)的神經(jīng)網(wǎng)絡(luò)計算機的硬件支持，通常利用串行方法來模擬神經(jīng)網(wǎng)絡(luò)機制解決實時控制問題，由于計算量大，計算速度限制，在實際應(yīng)用中還有許多問題需要解決。而隨著FPGA等大規(guī)模集成電路技術(shù)的進步，純硬件化的專用神經(jīng)網(wǎng)絡(luò)芯片的實現(xiàn)將使現(xiàn)有的神經(jīng)網(wǎng)絡(luò)算法的實現(xiàn)煥然一新。

    二、神經(jīng)網(wǎng)絡(luò)在電力電子裝置中的應(yīng)用

    神經(jīng)網(wǎng)絡(luò)在電力電子裝置控制中的應(yīng)用研究起步較晚，多用于故障診斷，在基于神經(jīng)網(wǎng)絡(luò)的電力電子裝置的控制上多偏于理論分析。在電力電子裝置系統(tǒng)控制研究上根據(jù)目前文獻顯示，這方面工作尚處于起步階段，研究較少。

    目前完全神經(jīng)網(wǎng)絡(luò)控制的電力電子裝置還處于實驗階段，文獻[1]給出了一種基于DSP的完全神經(jīng)網(wǎng)絡(luò)控制的逆變器控制方案。它針對傳統(tǒng)的基于最優(yōu)消諧波理論的逆變器,采用了一種全新的神經(jīng)網(wǎng)絡(luò)控制器。當(dāng)系統(tǒng)工作時,由基于DSP的在線神經(jīng)網(wǎng)絡(luò)實時調(diào)節(jié)逆變器輸出電壓的大小；同時各功率管的開關(guān)角由另一個神經(jīng)網(wǎng)絡(luò)通過最優(yōu)PWM最優(yōu)開關(guān)角的擬合,由DSP直接計算出來。整個控制系統(tǒng)具有結(jié)構(gòu)簡單、反應(yīng)靈敏、調(diào)壓精確、輸出電能質(zhì)量高,控制系統(tǒng)全數(shù)字化的特點。

    在其電壓控制網(wǎng)絡(luò)框圖中，電壓調(diào)節(jié)環(huán)實質(zhì)上是一個單神經(jīng)元。文獻[1]中所設(shè)計的CVCF逆變器，要求在不同負載性質(zhì)下都要有恒定的電壓Uo輸出，而不同的負載對電壓基波取用需求不同，若按常規(guī)控制就要求控制器實時計算出不同負載模型下控制器內(nèi)濾波器參數(shù)，而為了獲得負載參數(shù)，需要加入大量的負載電流及相位檢測環(huán)節(jié)。

    由于神經(jīng)網(wǎng)絡(luò)對光滑非線性函數(shù)具有的任意逼近能力,它適合控制各種非線性問題,所以這個問題可以由各種在線自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)解決,無需在線辨識對象的參數(shù),只要實時檢測對象的實際輸出并與期望輸出相比較,就可在線調(diào)節(jié)并形成自適應(yīng)的閉環(huán)控制系統(tǒng)。

    文獻[2]提出了一種將傳統(tǒng)PID算法和神經(jīng)網(wǎng)絡(luò)算法結(jié)合的新型復(fù)合控制算法，并將其應(yīng)用于直流調(diào)速系統(tǒng)。

    該設(shè)計保持傳統(tǒng)雙閉環(huán)控制方法的優(yōu)越性,將神經(jīng)元網(wǎng)絡(luò)理論應(yīng)用于直流調(diào)速系統(tǒng)時,仍采用雙閉環(huán)結(jié)構(gòu)而電流環(huán)(內(nèi)環(huán))仍采用傳統(tǒng)的PI調(diào)節(jié)器并校正成典型Ｉ型系統(tǒng),以提高系統(tǒng)響應(yīng)時快速性和限流的必要性,轉(zhuǎn)速環(huán)(外環(huán))則采用神經(jīng)元PID控制器,以提高其魯棒性。采用單神經(jīng)元PID控制器的雙閉環(huán)直流調(diào)速系統(tǒng)結(jié)構(gòu)。單神經(jīng)元PID控制器的參數(shù)設(shè)計主要是選擇控制器的比例因子ｋ、學(xué)習(xí)速率η、權(quán)重初值、采樣周期等參數(shù),它們對學(xué)習(xí)和控制效果有一定的影響。這種復(fù)合控制的算法采用了邊學(xué)習(xí)邊控制的方式，充分利用了神經(jīng)元的自學(xué)功能,在運行中根據(jù)被控對象特性的變化,對神經(jīng)元的權(quán)重值進行在線調(diào)整,使得整個系統(tǒng)具有良好的自適應(yīng)能力。結(jié)果證明,這種控制方法能夠有效地克服傳統(tǒng)雙閉環(huán)控制存在的不足,只要選擇適當(dāng)?shù)膶W(xué)習(xí)速率、比例因子、權(quán)重初值,就可使系統(tǒng)在允許負載下保持無靜差,無超調(diào)的優(yōu)良性能。

    SVPWM是一種廣泛應(yīng)用的電力電子裝置控制技術(shù)，它通過對8個開關(guān)函數(shù)的組合使逆變器輸出具有較小的脈動轉(zhuǎn)矩，較低的諧波成分，并且具有較高的直流電壓利用率，并且適合于數(shù)字化實現(xiàn)。但是其運算復(fù)雜，需進行主、輔矢量判定．輸出序列組合．以及查表等過程，占據(jù)DSP大量時間且精度較差。文獻[3]提出了一種基于Kononen網(wǎng)絡(luò)的SVPWM快速算法，可快速判定主輔矢量，確定輸出序列和求解出作用時間。

    Kohonen網(wǎng)絡(luò)由一個全互連的神經(jīng)元陣列組成；外部輸入模式出現(xiàn)時，網(wǎng)絡(luò)的每個神經(jīng)元都同時工作。網(wǎng)絡(luò)采用“贏者通吃”的競爭學(xué)習(xí)機制、完成對復(fù)雜模式的分類過程、并在回復(fù)模式時、按一定權(quán)來分配模式間的關(guān)系。對于SVPWM的計算，由于8個開關(guān)函數(shù)已經(jīng)將合成矢量的位置劃分為6個區(qū)間，也就相當(dāng)于6個模式已經(jīng)確定，省去了分類訓(xùn)練的過程。而主矢量則是每個模式下競爭的勝者，次大的就是輔矢量。這種方式實現(xiàn)的SVPWM可以由純硬件電路實現(xiàn)，極大的節(jié)省了DSP運算資源。

    還有的文獻（文獻[4]）提出了基于RBF網(wǎng)絡(luò)的電機控制系統(tǒng)。它利用RBF網(wǎng)絡(luò)進行電機定子電壓電流和逆變器開關(guān)導(dǎo)通角之間的非線性映射，實現(xiàn)了無傳感器控制。

    目前的神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)，多是基于軟件的串行模擬算法，這種實現(xiàn)方式計算量大，實時性差。而新一代的大規(guī)模集成器件FPGA的出現(xiàn)給我們提供了并行算法實現(xiàn)的可能。文獻[5]對基于FPGA的硬件神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)進行了詳細的介紹。

    三、小結(jié)及展望

    綜合目前檢索到的文獻和資料，神經(jīng)網(wǎng)絡(luò)在電力電子裝置中的應(yīng)用還處于初步階段。其算法的實現(xiàn)直接影響到它的應(yīng)用。而且在實時控制中，神經(jīng)網(wǎng)絡(luò)的應(yīng)用還是不如傳統(tǒng)控制成熟。但是它強大的非線性處理能力有著極大的吸引力。將其與傳統(tǒng)控制結(jié)合構(gòu)成的復(fù)合控制器將是未來控制的一個新的亮點。

    參考文獻：

    [1]基于DSP的逆變器神經(jīng)網(wǎng)絡(luò)控制. 沈忠亭,嚴仰光. 電力電子技術(shù).2002.10：50－53

    [2]神經(jīng)網(wǎng)絡(luò)與PID結(jié)合的直流調(diào)速系統(tǒng)自適應(yīng)控制.項云瑋.機電工程.1999.6：37－39

    [3]基于神經(jīng)網(wǎng)絡(luò)的一種快速SVPWM算法. 林平，蔡驪.電氣自動化.2001.6：7-9

    [4]基于自適應(yīng)徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的無刷直流電機直接電流控制. 夏長亮等.中國電機工程學(xué)報.2003.6.第23卷：123－127

    [5]FPGA implementation of a pulse density neural network with learning ability using simultaneous perturbation. Yutaka Maeda and Toshiki Tada. IEEE TRANSACTIONS ON NEURAL NETWORKS, VOL. 14, NO. 3, MAY 2003：688-695