第二部分
目錄
1 電力電子與電機傳動系統的仿真
2 電力電子與電機傳動系統中應用的數字控制器
3 人工智能技術
4 模糊邏輯(FL)在電力電子與電機傳動系統中的應用
5 人工神經網絡(ANN)在電力電子與電機傳動系統中的應用
1 電力電子與電機傳動系統的仿真
什么是仿真？為什么要進行仿真？
l實際電路或系統的虛擬表示法或軟件表示法
l需要通過數學方程或者電路拓撲對模型進行描述
l將復雜的變換器以及控制策略做成實驗板或者進行樣機開發之前，應先進行仿真研究
l對于新開發的產品進行虛擬性能測試可以節省時間和費用
l仿真研究非常具有指導性
l個人計算機上的現代仿真程序是非常有效，且用戶界面友好
l仿真結果和模型描述是一致的
l實時控制和診斷程序經常可以從仿真程序直接產生
l可以通過反復運行仿真程序，優化電路和系統設計
l無需害怕由于故障或者異常操作而導致的損害
SIMUbbbb仿真軟件特征
l MATLAB環境中基于強大的數學模型的系統仿真程序
l具有圖形用戶界面
l用于: 非線性動態系統的仿真
線性/非線性系統仿真
連續/離散時間系統仿真
多種速率
分層模型
l圖形構造模塊庫
lMATLAB，FORTRAN或者C代碼的用戶界面
l能夠從模型中產生C代碼用于實時控制，
l仿真可以與其它工具箱鏈接
l仿真結果能夠用于MATLAB處理
l大的圖形容量
SIMPOWER SYSTEMS仿真軟件特征
l用于電力系統的建模和仿真程序(包括電力電子和電機傳動)
l具有圖形用戶界面的擴展的SIMUbbbb仿真
l能進行包括SIMPOWER SYSTEMS模塊和SIMUbbbb模塊的混合仿真
l電力系統設備和元件的模型儲存在庫中
l類似于PSPICE的基于電路圖的電路和系統仿真
l需要SIMUbbbb和MATLAB環境
l仿真可以與其它工具箱鏈接
l電力系統模塊庫中的某些構成元素
電力電子元器件的模型
感應電機和同步電機的模型
電源和電路元件
電路測量部件
進行電路和系統分析的圖形用戶界面
2 電力電子與電機傳動系統中應用的數字控制器
數字控制器分類樹如下:
英特爾87C51GB微控制器特征(MCS-51系列)
l8位定點
lMCS-51系列中最初的8751/8051的高改進版本
l4K X 8 EPROM, 128 X 8 RAM, 16MHz, 0.75ms的指令周期時間
l6個8位多功能雙向并行接口
l3個16位可編程定時器/計數器(具有上升沿/下降沿計數模式)
l兩個16位可編程計數器排列具有:
比較/捕捉，軟件定時，高速輸出，PWM調節器和看門狗定時功能
l8通道模數轉換器，具有8位分辨率以及比較模式
l全雙向可編程串行接口，且具有串行擴展接口
l硬件看門狗定時器
l空閑和功率下降模式
l MCS-51系列指令集
l布爾運算處理，乘法運算以及除法運算指令
TI公司的TMS320系列數字信號處理器(DSP)(圖18)
圖18 TI公司TMS320 系列DSP的演變
l TI公司TMS320 系列DSP的演變
l TI公司的高級TMS320 DSP系列(圖19)
圖19 TI 公司的高級TMS320 DSP系列
TMS320F2812 DSP特征
l 32位定點處理器
l 150MHz頻率
l 哈佛結構的靜態CMOS
l 計算速度:150MIPS(周期6.67ns)
l 18KX 16位 RAM，128 KX 16位FLASH存儲器
l BOOT裝載ROM
l 12位，16通道A/D轉換器
A/D轉換器時間80ns
l 16個PWM通道，兩個事件管理器
l 看門狗定時器，SCI，SPI，CAN，McBSP(多通道緩沖串行端口)
l 3個32位定時器
l 32×32位乘法器
l 四種節電模式
l 支持C語言和匯編語言
l 和C200系列的源代碼兼容
3 人工智能技術
什么是人工智能(AI)?
l 人腦擁有生物神經網絡，因此天生具備學習，思考和理解能力
l AI的目標—將人腦智能植入計算機中以便使計算機能夠象人腦一樣進行智能思考
l 計算機真的能夠進行思考并且作出聰明的決定嗎？
l 智能計算機—遠遠低于人腦天生智能，但是，它能夠幫忙解決復雜的問題
l AI技術廣泛應用于: 工業過程控制
醫學
信息處理
軍事系統
空間技術
人工智能(AI)分類
l 專家系統(ES)
l 模糊邏輯(FL)
l 人工神經網絡(ANN)或神經網絡(NNW)
l 遺傳算法(GA)
4 模糊邏輯(FL)在電力電子與電機傳動系統中的應用
模糊邏輯(FL)特征
l 布爾邏輯或清晰邏輯:1(是)，0(非)
模糊邏輯:多值:從0到1
l 人類模糊思想方式的模仿
模糊邏輯例子:
IF:傳動電機的速度為低
THEN:電流應設定為高
專家系統例子:
IF:傳動電機的速度<1000轉/分
THEN:電流應該>50A
l模糊變量(速度，電流)以及由隸屬函數表示的語言模糊集(低，高)
l 1965年，加利福尼亞大學伯克利分校的Lotfi Zadeh創立了模糊集合理論
l1975年第一次應用于工業—倫敦瑪麗皇后大學的MAMDANI和ASSILIAN將模糊集合理論應用于蒸汽機控制
在轉動慣量可變的矢量控制感應電機傳動系統中的模糊速度控制器(圖20)
圖20 轉動慣量可變的矢量控制感應電機傳動系統中的模糊速度控制器
l 系統控制框圖
l 兩規則模糊速度控制器的構成(圖21)
圖 21 兩規則模糊速度控制器的原理
l 模糊速度控制變量的模糊集隸屬函數(圖22)
圖22 模糊速度控制變量的模糊集隸屬函數
l 模糊速度控制器的規則表(圖23)
圖23 模糊速度控制器的規則表
基于模糊邏輯的風力發電系統控制(圖24)
圖24 基于模糊邏輯的風能發電系統控制
l 基于模糊邏輯的風力發電系統框圖
l 模糊控制器(FLC-1和FLC-2)使輸出功率增加的作用原理(圖25)
圖25 通過模糊控制器(FLC-1和FLC-2)的作用使輸出功率增加
模糊邏輯應用的發展趨勢
l一般來講，基于人工智能(AI)的智能控制和估算方法在電力電子和電機傳動系統中將會起到非常重要的作用
l模糊控制在參數變化和負載轉矩擾動的非線性反饋系統中可能可以提供最好的魯棒性
l模糊邏輯在在線故障監測和故障耐力控制中將會起到越來越重要的作用
l然而模糊邏輯在功率電子和調速系統領域的應用非常有限
l在輸入輸出映射中模糊邏輯比神經網絡有競爭力
l設備模糊動態模型的發展，如弧熔爐，熔鋼轉爐
l模糊設備參數和狀態估計
l模糊控制的大功能特定用途集成芯片有效性問題
5 人工神經網絡(ANN)在電力電子與電機傳動系統中的應用
生物神經元(圖26)
圖26 生物神經元
人工神經元(圖27)
圖27 人工神經元
人工神經元的激勵函數(圖28)
圖28 人工神經元的某些激勵函數
神經網絡特征
l模仿人類思維人工智能(AI)最一般的形式
l神經計算是由人類的生物神經網絡激發的
l基本上輸入與輸出之間的非線性映射現象與模糊系統是類似的
l可進行具有故障容錯和濾噪能力的大容量高速并行計算
l通過對輸入輸出樣本數據集進行學習(或訓練)獲取知識
l具有模式分類、函數近似以及聯想記憶的功能
l典型應用:
電力電子系統中的控制和估計
一般工業過程控制
機器人視覺系統
在線監測等
神經網絡的一些網絡模型
(1) 前饋網絡
l感知器
lAdaline和Madaline模型
l反向傳播神經網絡
l徑向基函數神經網絡(RBFN)
l普通回歸 (GRNN)
l模塊神經網絡 (MNN)
l學習向量量化神經網絡(LVQ)
l隨機神經網絡 (PNN)
l模糊神經網絡 (FNN)
(2) 遞歸網絡
l實時遞歸神經網絡
l ELMAN神經網絡
lHOPFIELD神經網絡
lBOLTZMANN機
lKOHONEN自組織特征映射(SOFM)
l循環網絡
l腦中盒(BSB)
l自適應共振理論(ART)網絡
l雙向聯想記憶(BAM)網絡
單層感知器應用
l單層感知器網絡(圖29)
圖29 單層感知器網絡
l用于上通道的模式分類邊界說明(圖30)
圖30 僅用于上通道的模式分類邊界說明
多層感知器類(MLP)前饋人工神經元網絡(圖31采用反向傳播訓練)
圖31 多層感知器類(MLP)前饋人工神經元網絡(采用反向傳播訓練)
實時遞歸人工神經元網絡(圖32)
圖32 實時遞歸人工神經元網絡
用于產生三相正弦波的三層前饋人工神經元網絡(圖33)
圖33 用于產生三相正弦波的三層前饋人工神經元網絡
基于人工神經元網絡的字母識別(圖34)
圖34 基于人工神經元網絡的字母識別
聯想網絡映射字母A(圖35)
圖35 聯想網絡映射字母A
矢量控制感應電機傳動系統反饋信號估計
l矢量控制感應電機傳動系統反饋信號估計方程(圖36)
圖36 矢量控制感應電機傳動系統反饋信號估計方程
l用于矢量控制感應電機傳動系統反饋信號估計的人工神經元網絡拓撲(圖37)
圖37 用于矢量控制感應電機傳動系統反饋信號估計的人工神經元網絡拓撲
基于人工神經元網絡的單相方波無延遲濾波及多相輸出(圖38)
圖38 基于人工神經元網絡的單相方波無延遲濾波及多相輸出
60Hz頻率三相脈寬調制波無延遲濾波(圖39頻率可變，電壓可變)
圖39 60Hz頻率三相脈寬調制波無延遲濾波(頻率可變，電壓可變)
實現兩電平逆變器的空間矢量脈寬調制的人工神經元網絡拓撲(圖40)
圖40 實現兩的空間矢量脈寬調制的人工神經元網絡拓撲
應用基于人工神經元網絡的空間矢量脈寬調制的三電平二極管鉗位逆變器感應電動機傳動系統(圖41)
圖41 應用基于人工神經元網絡的空間矢量脈寬調制的三電平二極管鉗位逆變器感應電動機傳動系統
l系統工作原理
l三電平逆變器電壓空間矢量(圖42)
圖42 三電平逆變器電壓空間矢量
lU相在P狀態和N狀態時的開通時間函數曲線(圖43)
圖43 U相在P狀態和N狀態時的開通時間函數曲線
l實現三電平逆變器空間矢量脈寬調制的人工神經元網絡拓撲(圖44)
圖44 實現三電平逆變器空間矢量脈寬調制的人工神經元網絡拓撲
五電平逆變器空間矢量脈寬調制的人工神經元網絡實現
l五電平逆變器的簡化表示(圖45)
圖45 五電平逆變器的簡化表示
l五電平逆變的開關狀態(圖46)
圖46 5層變換器的開關交換狀態
l基于人工神經元網絡的五電平逆變器空間矢量脈寬調制實現(圖47)
圖47 基于人工神經元網絡的五電平逆變器空間矢量脈寬調制實現
l調制系數m′=0.53(31,8Hz)時系統性能(圖48)
圖48 調制系數m′ = 0.53 (31,8 Hz)時系統性能
用于磁鏈估計的兩級可編程級聯低通濾波器(PCLPF)
l用于磁鏈估計的兩級可編程級聯低通濾波器(PCLPF)原理框圖(圖49)
圖49 用于磁鏈估計的兩級可編程級聯低通濾波器(PCLPF)框圖
l用于磁鏈估計的混合人工神經元網絡(圖50)
圖50 用于磁鏈估計的混合人工神經元網絡
基于模糊神經網絡的定子磁場定向矢量控制的電動汽車傳動系統(圖51)
圖51 電動汽車基于模糊神經網絡的定子磁場定向矢量控制傳動系統
神經網絡在電力電子學中應用的進展和發展趨勢
l人工智能技術正在擴展到電力電子學領域—對電力電子工程師們提出了新的挑戰
l在所有人工智能學科中，神經網絡將對電力電子學產生最大的影響
l目前，大多數應用使用反向傳播的前饋型人工神經元網絡(ANN)
l許多其它的前饋神經元網絡和遞歸神經元網絡拓撲都需要探討
l沒有可用的大型ANN專用集成芯片是個主要問題—大多應用都使用DSP
l自適應人工神經元網絡的快速在線訓練問題
l可以利用混合人工智能技術AI(神經-模糊，神經-遺傳，神經-模糊-遺傳，模糊-遺傳)開發強大的智能控制以及估計方法
l將來，單個神經模糊專用集成芯片能承擔無傳感器矢量控制，且具有在線故障診斷和容錯控制能力
l期望在將來獲得更廣泛的應用
對電力電子和電機傳動系統的總結和對今后發展的預測
l技術發展、成本降低、尺寸減小都極大的促進了電力電子和電機傳動系統在民用，工業，商業，航空，軍事，運輸和電力系統等領域的廣泛應用
l推進了全球工業自動化的發展，特別是發展中國家工業自動化的發展
l化石燃料的短缺以及環境保護的規則將會增加能源使用的成本—因此將促進通過電力電子來節省能源
l清潔的對環境無污染的風能以及光伏能的使用將廣泛增長
l汽油短缺以及環境污染問題會使電動車和混合動力車的使用廣泛增加
l大能量帶隙電力半導體器件將會給電力電子技術帶來新的活力
l在不久的將來，晶閘管類型的大功率電力電子變換器仍將會使用，但最終會被淘汰
l電壓源型變流器將會得到普遍的應用
l大容量的多電平變流器電力系統以及傳動系統中普遍使用
l空間矢量PWM技術將會在電機傳動系統中普遍使用
l電力電子變流器技術也會向超大規模集成電路技術發展—集成以及自動化設計—仿真—制作—測試
l變流器、控制器以及電機最終將合并在一起構成智能電機
l在傳動系統中最終將會普遍采用矢量控制技術
l基于人工智能技術的控制與估計將會被更多地采用
l功能強大的神經網絡專用集成芯片將會出現并得到使用
l電力電子與電機傳動技術已經趨于S曲線的飽和部分—將來的重點是逐步增加對應用的研究
l電力電子技術最終將會確立和計算機一樣重要的，具有廣泛用途的地位
：鞏經理
：13915946763
：南京塞姆泵業有限公司
