基于神经网络控制的两电机同步调速系统

论文摘要

本文针对交流感应电机同步控制系统多变量解耦控制问题,应用神经网络控制方法对由两台交流电机和两台变频器组成的同步调速系统的速度和张力的解耦控制进行了研究。在对两电机同步系统数学模型分析的基础上,结合人工神经网络的非线性映射、自适应、自学习等能力,在速度控制回路和张力控制回路分别设计了基于对角递归DRNN神经网络整定的自适应PID控制器。它们分别实现各自控制回路PID参数的自适应调整,使系统具有更强的适应能力、更好的实时性和鲁棒性。为了最大限度的减小两控制回路之间的耦合影响,结合多变量系统的智能解耦技术,还设计了一个神经元解耦补偿器。它综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,较好的实现了速度和张力的解耦。采用S7-300 PLC作为下位机控制器,运用STEP7结构化编程的方法,实现了神经网络控制算法;采用西门子上位机监控软件WinCC建立多电机系统监控画面,实现了控制过程可视化,使该系统的操作简单化,过程信息明了化。另外构建了两电机同步控制系统的控制网络,包括建立PLC与变频器之间的PROFIBUS-DP现场总线通讯以及WinCC与PLC之间的MPI数据通讯,实现了两电机同步系统的远程控制。在自行设计的两电机同步系统试验平台上进行了大量实际的控制试验,结果表明:采用神经网络控制方法实现了两电机同步系统中速度和张力的解耦控制;系统对负载的扰动有较强的抑制作用,并具有良好的动静态性能,可有效跟踪任意给定轨迹。因此,本文提出的神经网络控制方法满足了许多工业控制场合的需要,具有良好的应用前景。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的目的和意义
• 1.2 神经网络技术的发展与现状
• 1.3 现场总线技术的应用
• 1.4 多电机同步控制技术的发展概况及趋势
• 1.5 本文内容的安排
• 第二章 PROFIBUS现场总线技术
• 2.1 PROFIBUS现场总线概述
• 2.2 PROFIBUS基本特性
• 2.2.1 PROFIBUS协议结构
• 2.2.2 PROFIBUS传输技术
• 2.2.3 PROFIBUS总线存取协议
• 2.3 PROFIBUS-DP
• 2.3.1 PROFIBUS-DP的特点
• 2.3.2 PROFIBUS-DP的设备分类
• 2.3.3 PROFIBUS-DP网络配置方案
• 2.3.4 PROFIBUS-DP报文通信
• 2.4 小结
• 第三章 神经网络控制技术
• 3.1 人工神经网络概述
• 3.1.1 人工神经元模型
• 3.1.2 人工神经网络的结构模型
• 3.1.3 人工神经网络的学习规则
• 3.2 对角递归神经网络
• 3.3 神经网络在电气传动控制系统中的应用
• 3.4 小结
• 第四章 两电机神经网络控制系统的设计
• 4.1 两电机同步系统的数学模型
• 4.2 两电机同步系统的常规PID控制
• 4.3 两电机同步系统的神经网络控制
• 4.3.1 多变量系统的智能解耦技术
• 4.3.2 基于DRNN神经网络整定的自适应PID控制器
• 4.3.3 基于神经元解耦两电机神经网络控制系统的设计
• 4.4 小结
• 第五章 两电机同步系统的神经网络控制的实现
• 5.1 两电机同步系统的硬件组成
• 5.2 两电机同步控制系统的控制网络
• 5.2.1 PROFIBUS-DP现场总线通讯
• 5.2.2 MPI数据通讯
• 5.3 基于STEP7的下位机PLC控制软件设计
• 5.3.1 硬件组态与模块参数配置
• 5.3.2 控制系统软件结构
• 5.4 基于WinCC的上位机监控软件设计
• 5.5 小结
• 第六章 神经网络控制方法在两电机同步系统中的控制效果
• 6.1 两电机同步系统负载实验
• 6.2 两电机同步系统解耦实验
• 6.3 两电机同步系统跟踪实验
• 6.4 实验结果分析
• 6.5 小结
• 第七章 结论与展望
• 7.1 主要结论
• 7.2 进一步的发展方向
• 致谢
• 参考文献
• 在校期间发表的论文