基于神经网络的直流调速系统建模研究

王立红



基于神经网络的直流调速系统建模研究

王立红

（辽宁工业大学 电气工程学院，辽宁 锦州 121001）

针对直流调速系统存在各种非线性因素，传统建模采用近似的线性化方法，无法获得满意的建模精度，导致所应用领域系统性能的降低。采用三层前向神经网络结构，将RPE算法用于网络的训练，并对速度环进行辨识。仿真结果表明，神经网络能满意地建立直流调速系统的动态模型。

直流调速；神经网络；RPE算法

人工神经网络在各个领域中的应用十分广泛，尤其是在智能系统中的非线性建模及控制器的设计、模式分类和优化计算等方面得到人们的极大关注[1]。由于实际系统的复杂性、多变性以及非线性等因素，传统的建模方法无法获得精确的数学模型，从而失去控制能力。神经网络具有任意的非线性逼近能力，能够满足非线性系统建模和控制的需求[2]。直流调速系统无论是在理论上还是在实践上都比较成熟，是交流调速的基础，具有广阔的应用前景[3]。直流调速系统主要由电流环和转速环组成，系统由多个环节组成，每个环节都存在一定的非线性。为了进一步提高位置伺服系统的设计水平，弄清双闭环调速系统的非线性特性是很重要的。为此，本文采用基于预报误差(RPE)算法的神经网络进行速度环的动态辨识，取得了良好的效果。

1 直流调速系统组成

转速、电流双闭环直流调速系统结构图如图1所示。图中，gn为给定电压，为电机转速，ASR为速度调节器，ACR为电流调节器。在实际系统中，2个调节器的输出均有限幅装置，晶闸管整流装置也存在一定的非线性，还有电机轴上的摩擦等导致整个系统是一个非线性系统。

图1 双闭环直流调速系统结构图

2 神经网络建模的结构

设非线性系统的数学模型为

为了建立上述系统的非线性动态模型，本文采用三层前向神经网络，如图2所示。

3 神经网络的学习算法

3.1 预报误差(RPE)法的基本原理

RPE法的基本原理是通过极小化预报误差从而获得参数估计。定义如下的准则函数：

式中：

3.2 神经网络的RPE学习算法

通过以上推导可得该网络的学习算法如下：

4 仿真研究

选择输入矢量为：

用RPE算法训练800次后神经网络的输出与系统实测输出之间的误差曲线如图3所示。

取隐含层节点的数目分别为1、2、3、4、5，值的比较结果见表1，改变输入节点的数目及输入矢量后所得的值的比较结果见表2。

由此可见，此处神经网络模型结构选择是合理的。另外，可以看到，输入节点数及输入矢量的合理构成对拟合精度有很大影响。

表1 改变隐含层节点数目后EI值比较

表2 改变输入节点数目及输入矢量后EI值比较

5 结束语

直流调速系统传统的建模方法忽略了各个环节的非线性因素，采用近似的线性化方法，势必导致所应用领域系统性能的降低。本文采用基于RPE算法的神经网络对速度环进行辨识，结果表明，神经网络能满意地建立直流调速系统的动态模型。

[1] 谭显胜, 周铁军. BP算法改进方法的研究进展[J]. 怀化学院学报: 自然科学, 2006(2): 126-130.

[2] 周佳, 卢少武, 周凤星. 基于BP神经网络的伺服速度控制参数自整定研究[J]. 组合机床与自动化加工技术, 2016(7): 70-72, 77.

[3] 梁玉, 王敦胜, 陈家兴, 等. 基于神经元PID直流调速系统仿真研究[J]. 煤矿机械, 2007, 28(6): 53-55.

责任编校：孙 林

Research on Modeling of DC Speed Regulation System Based on Neural Network

WANG Li-hong

（School of Electrical Engineering, Liaoning University of Technology, Jinzhou 121001, China）

satisfactory modeling accuracy can not be obtained, If the traditional modeling adopts the approximate linearization method because of the nonlinear factors in the DC speed regulation system, it will certainly lead to the reduction of system performance in the application domain. Three layers’ forward neural network structure is adopted, RPE algorithm is used to train the network, and the speed loop is identified. The simulation results show that the neural network can satisfactorily establish the dynamic model of DC speed regulation system.

DC speed regulation; neural network; RPE algorithm

10.15916/j.issn1674-3261.2017.06.004

TM761

A

1674-3261(2017)06-0362-03

2017-07-01

王立红(1971-)，女，辽宁锦州人，副教授，硕士。