1 引言
隨著半導體器件、計算機技術和變頻技術的飛速發展，交流伺服傳動系統得到了日益廣泛的應用。尤其是永磁同步電機，由于其具有氣隙磁密高、轉矩脈動小、轉矩/慣量比大、效率高等優點，在中小容量的伺服系統中已占據了絕對優勢。一般永磁同步電機的速度、位置控制器都采用比例積分（pi）控制器，但是pi控制器容易受電機參數變化和負載擾動等不確定性的影響。為克服pi控制器的不足，多種消除不確定性影響的控制策略已相繼提出，但這些策略都存在一定的不足，如消除的不確定性單一或實現太復雜等。神經網絡作為一種新的控制策略已有了廣泛的應用，在交流傳動領域也有了一定的應用，神經網絡pid控制器具有收斂速度快、實現簡單、初始權值和結構有規律等優點。本文將神經網絡pid控制器應用于永磁同步電機的速度控制，取得了預期效果。
2 永磁同步電機的數學模型[1，2]
永磁同步電機在d-q軸下的理想電壓方程為：
（1）
（2）
（3）
（4）
（5）
（6）
（7）
式中，ud和uq分別為d、q軸定子電壓；id和iq分別為d、q 軸定子電流；和分別為d、q軸定子磁鏈；ld和lq分別為定子繞組d、q軸電感；r為定子電阻；p為微分符號；lmd為定、轉子間的d軸電感；ifd為永磁體的等效d軸勵磁電流；pn為極對數；te為電磁轉矩；tl為負載轉矩；j為轉動慣量；b為阻尼系數；為轉子角速度。
3 無傳感器的永磁同步電機矢量控制系統
如何得到精確的轉子位置和速度信號以實現對磁場定向和速度控制呢?在傳統的永磁同步電機控制中,最常用的方法是在轉子軸上安裝傳感器（如編碼器、解算器、測速發電機等），但是這些傳感器增加了系統的成本（某些高精度傳感器的價格甚至可與電機本身價格相比），降低了系統的可靠性，而且其應用受到諸如溫度、濕度和震動等因素的限制，致使這樣的系統不能廣泛適用于各種場合。為克服使用傳感器給系統帶來的缺憾，構建了一種采用無傳感器的永磁同步電機控制系統。
電流控制器采用pi控制，電壓值為;
; 
（8）
引入控制算法，得、uq的電壓指令值為[5];
; 
（9）
速度控制器采用神經元pid控制，轉矩電流指令值為神經元的輸出。
無傳感器矢量控制系統中重要的就是轉速的估算及修正，由式（2）知
（10）
則速度的推算值為:
（11）
式中;（ 
; 
; 
; 
）或（ 
）。其速度推算過程原理框圖如圖1所示。
圖1 速度推算過程原理框圖
如果=0,d軸定子磁鏈不變,而永磁同步電機中lmd和ifd為常數,所以電磁轉矩te與成比例。由式(1)～(11)構成永磁同步電機的矢量控制系統，其系統結構框圖如圖2所示。
圖2 永磁同步電機的矢量控制系統結構框圖
4 單神經元pid控制
盡管神經網絡控制技術有許多潛在的優勢，但是對單純使用神經網絡的控制方法的研究有待進一步發展，通常需要將人工神經網絡技術與傳統的控制理論或智能控制技術綜合使用。盡管傳統的pid調節器因其技術成熟，在過程控制中得到了廣泛的使用，但對一些復雜、時變系統，因pid的參數不易于實時在線調整，所以應用中會影響系統控制品質。本文采用單神經元pid控制，實現對永磁同步電機的調速控制。單神經元pid控制結構圖如圖3所示。
圖3 單神經元pid控制結構圖
由圖可得輸出量為：
（12）
已知增量式pid控制規律的差分方程為：
（13）
取神經元輸入分別為： 
， 
， 
，則網絡輸出為：
（14）
與pid增量式對比，可發現權系數 
、 
、 
分別對應于ki、kp、kd，因此通過調整 
、 
、 
可以實現pid參數的自適應調整。本系統中，神經元pid控制器的輸入和輸出對應物理量為 
， 
。
在神經元學習過程中，權系數的學習規則為：
（15）
式中:ηi——比例、微分、積分學習速率。
為保證控制學習算法的收斂性和魯棒性，須對學習算法進行規范處理，具體實現步驟為:
（16）
（17）
（18）
（19）
（20）
5 matlab 仿真結果
仿真電機參數為： 
， 
， 
， 
， 
， 
，p=1.1kw， 
。利用matlab/simubbbb對系統進行仿真。神經元自適應pid學習算法的運行效果與參數 ηi、ηp、ηd有很大的關系，本文選取的參數分別為0.01、0.08、50。速度起動特性曲線如圖4。
圖4 速度起動特性曲線
圖5 電流變化曲線
圖6 速度實際值與推算值之差變化曲線
圖7 電磁轉矩變化曲線
圖5、6、7分別為空載和負載突變時的電流、速度實際值與推算值之差以及電磁轉矩的變化曲線。負載突變中，在他t=0.04s時負載由tl=3n·m突變到tl=6n·m。仿真結果表明，采用神經元pid控制實現電機的矢量控制具有良好的動態性能，且由圖6可以看出在穩態時，速度推算值與實際轉速非常接近，表明了速度推算模型的正確性。
：鞏經理
：13915946763
：南京塞姆泵業有限公司
