论文部分内容阅读
多电机同步系统(Multi-motor Synchronous System)在现代工业生产中的应用越来越普遍。特别是在拉拔、纺织、印染、造纸、轧钢、冶金、数控加工等自动化生产过程中，为提高产品的产量和质量，要求多电机系统必须具有优越的同步协调能力和动静态性能。然而，多电机系统是多输入多输出、非线性、高阶、强耦合复杂控制系统，随着电机数量的增加，对于大规模的多电机系统，实际上很难获得精确的数学模型，传统的控制方法已无法达到满意的控制效果。因此，如何从建模和控制两个方面探索新的方法，变得更为迫切。
本文首先根据多电机构成机理，建立多电机同步系统机理模型。考虑到系统的复杂性，引用数据驱动原理和局部模型网络(LMN)建模方法，对原机理模型进行局部线性化，在此基础上提出了多电机动态矩阵同步控制方法(MDMC)。将RBF神经网络将其应用于逆的逼近和优化，以三台电机为对象，运用GGAP-RBF神经网络构造系统的逆，对三电机系统进行神经网络逆解耦控制。全文主要内容如下：
(1)针对按转子磁场定向的物理模型三电机同步系统，对系统进行分解，建立了速度和张力输出与各输入量之间的映射关系，进一步将系统简化为速度和张力模型。在此基础上，利用数据驱动原理，对输入输出样本数据进行满意模糊c均值聚类(SFCM)，建立了不同工况下的局部线性子模型与其相应的调度函数，系统的全局模型是各个子模型的加权综合，从而得出速度和张力的全局模型。这种简化为先进控制器的设计奠定了模型基础。仿真结果表明，采用这种简化的模型能准确地拟合复杂多电机的非线性特性。
(2)针对局部模型方法简化的多电机系统各线性子系统，以两台电机为研究对象，提出一种基于两电机系统多模型动态矩阵预测控制算法。在不同工况下，对各子模型设计子控制器，并利用加权和形式构造全局控制器，在有约束的条件下，通过滚动优化的策略获得合适的控制增量。控制过程中，无需进行磁链观测。仿真研究结果验证了该算法的有效性。
(3)针对MIMO非线性系统，介绍了可逆性原理及逆的构成，并对系统逆的构成做了进一步的探讨。对于难以用数学模型准确描述的逆模型，通过构造神经网络来逼近，构建伪线性解耦子系统。为方便分析，以三台电机为对象，论证了多电机系统的可逆性。借鉴广义RBF神经网络逆在线增加和修剪神经元的思想(GGAP-RBF)，提出了GGAP-RBF神经网络逆的多电机同步控制方法。开环控制仿真结果表明，该方法计算量小，具有较好的动静态性能。
(4)针对三台电机，需要对转子磁链进行辨识与控制，维持其恒定不变。基于数据驱动原理，采用相关信号激励三电机系统，把电机参数变化当做干扰项来处理，获得输入输出数据样本，运用满意G-K模糊聚类和局部模型网络方法，建立了磁链模型，较好地解决了因电机参数变动影响磁链准确观测的难题。仿真结果表明了磁链辨识的准确性。
(5)以三台电机为研究对象，基于西门子S7-300PLC三电机同步系统试验平台上，进行协调同步控制试验。进行了基于GGAP-RBF神经网络逆解耦控制实验。将神经网络在PLC上进行编程调试，设计全局控制器。结果表明，在稳态条件下，电机速度与张力可以完全解耦，与PID控制方法相比，有着优越的动静态性能。