基于遗传算法优化的BP神经网络速度观测器研究

论文摘要

随着电力电子技术的飞速发展,各类电机控制得到了不断地发展。其中直接转矩控制技术是继矢量控制技术之后发展的一种新型高性能的交流调速传动的控制技术。直接转矩控制在定子坐标系下计算和控制交流电机的转矩,采用定子磁场定向控制方式,直接对逆变器的开关状态进行最佳的控制。它的控制方式避免了复杂的计算,鲁棒性强,动静态性能好,便于数字化实现等优点,得到了越来越广泛的关注。但其低速性能不好,速度传感器的安装会带来一系列缺点:成本增加,安装不便且维修困难。无速度传感器控制系统检测定子端的电压、电流等易测量对转速进行估计,取代了传统的速度传感器,提高了系统的可靠性,因而无速度传感器有很好的应用前景。本文介绍了直接转矩控制的基本原理,详细分析了直接转矩控制系统的控制方案,对磁链和转矩调节进行了阐述。对无速度传感器的控制策略进行了深入的研究,指出由于BP神经网络学习算法中,神经网络的权值和阈值初值的给定是随机的,这样极易陷入局部最优值。而遗传算法作为一种应用最为广泛的优化算法,和BP神经网络进行结合能够避免其随机性所带来的缺陷,在这一理论的基础上提出了基于遗传算法优化的BP神经网络速度观测器设计方法。在实验平台上进行了数据采集实验,并且在MATLAB环境下进行了神经网络程序的编写,进行了仿真实验。仿真结果表明,遗传算法的运用使得神经网络得到了很大的优化。将本文提出的基于遗传算法优化的BP神经网络速度观测器应用于直接转矩控制系统中,能使系统获得良好的控制性能。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 直接转矩控制系统的提出与发展
• 1.2 直接转矩控制系统的特点
• 1.3 无速度传感器技术国内外研究现状
• 1.3.1 动态速度估计器法
• 1.3.2 速度自适应观测器
• 1.3.3 卡尔曼滤波技术（KFT）
• 1.3.4 转子齿谐波法
• 1.3.5 模型参考自适应（MRAS）方法
• 1.3.6 基于神经网络的方法
• 1.4 无速度传感器直接转矩控制存在的问题及解决方案
• 1.5 论文内容及结构安排
• 1.6 本章小结
• 第2章 直接转矩控制基本原理
• 2.1 交流电机的数学模型
• 2.2 三相电压型逆变器数学模型和电压空间矢量
• 2.3 直接转矩控制系统的结构
• 2.3.1 磁链模型
• 2.3.2 磁链调节
• 2.3.3 转矩调节
• 2.3.4 电压开关状态的选择
• 2.4 本章小结
• 第3章 神经网络和遗传算法的基础理论
• 3.1 神经网络
• 3.1.1 神经网络在控制中的应用
• 3.1.2 神经网络的发展
• 3.1.3 神经网络的基本特征
• 3.1.4 神经元及其特性
• 3.1.5 神经网络的分类
• 3.1.6 神经网络的学习算法
• 3.1.7 BP 神经网络
• 3.1.7.1 BP 神经网络的结构
• 3.1.7.2 BP 算法推导
• 3.1.7.3 BP 算法的实现步骤
• 3.1.7.4 BP 算法的局限性
• 3.2 遗传算法
• 3.2.1 遗传算法的特点
• 3.2.2 遗传算法的基本原理
• 3.2.2.1 编码
• 3.2.2.2 种群初始化
• 3.2.2.3 停止条件
• 3.2.2.4 选择操作
• 3.2.2.5 交叉操作
• 3.2.2.6 变异操作
• 3.2.2.7 控制参数的选择
• 3.3 本章小结
• 第4章 基于遗传算法优化的BP 神经网络速度观测器的设计
• 4.1 神经网络速度观测器的结构
• 4.2 样本数据的采集
• 4.2.1 实验平台的简要概述
• 4.3 算法的实现
• 4.4 神经网络速度观测器的训练与测试
• 4.5 实验分析
• 4.6 本章小结
• 第5章 总结和展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 附录 A （攻读学位期间发表论文目录及参与课题）