BP神经网络PI控制在盾构变频器上的应用分析

（中铁工程装备集团有限公司，河南 郑州 450016）

随着城市交通立体化发展，城市地下公路隧道逐渐增多，公路隧道的特点是隧道直径大、地层复杂、沉降管控严格。针对上述特点，公路隧道多采用盾构法，采用这种大直径盾构，由于效率、结构等问题，刀盘主驱动多采用电机驱动，所以控制刀盘运动的核心就是变频器。

目前电驱盾构主驱动品牌多采用Schneider、ABB、SIEMENS 等，这些品牌的大多数采用变频（VF）控制和矢量控制（VC）[1]；VF 控制是开环控制，改变频率调节电机转速，在改变输出频率的同时要保证频率与电压比值恒定，所以电机参数对VF 控制影响很小，但存在控制精度不高，低频段输出扭矩小等缺点；VC 控制通过坐标转换把交流异步电机的数学模型转化为直流电机数学模型，直流电机控制模型是把电流分为励磁分量和转矩分量，这样就可以通过两个分量的幅值大小和相位大小来控制交流电机，所以其控制精度高，且在低频段输出扭矩大，但其存在运算量大响应不及时的缺点；由于VC 控制需要通过解耦的方式需要大量运算，算法的响应相比就会慢，为了克服这一缺点，ABB 采用直接转矩控制[2～3]（DTC），其原理是定子的电压和电流是可检测量，检测出的值可根据空间矢量数学模型计算得出磁链和转矩，得到的结果与目标值比较，这样减少了的VC 控制中的解耦环节提高了响应速度，但DTC 采用Bang-Bang 控制器，这就使得输出会出现较大的电流冲击，影响电气部件的寿命。各种厂家的控制方式不同，但面向用户的调节还是采用传统的PID 控制器，传统的变频器PID 控制器参数是恒定，当负载侧发生突变时无法快速响应的问题。

1 传统PID调节

目前大盾构主驱动采用多电机协同工作的方法，控制流程如图1 所示，这是PID 控制器参数以稳定为主会适当牺牲响应速度而且PID 参数是固化在变频器上的，当地层稳定时变频器控制效果良好，但当遇到复杂地层时，可能造成局部电机负载突增、转速突降的状况，如果还使用上述参数，可能会造成电机转速震荡触发单盘停止信号，导致刀盘骤停，引起掌子面压力波动。

图1 传统PID调节流程图

2 基于BP神经网络PI控制方法

针对PID 控制器PID 参数不能实时调整的缺点，本文采用一种BP 神经网络PI 控制方法[4～7]，控制流程图如图2 所示，由于PI 调节已经满足调节需要，所以不对微分环节进行调节。

图2 采用神经网络PI调节流程图

2.1 神经网络调节器

由于地层变化导致局部骤变，通过BP 神经网络调节器对Kp、Ki进行实时调节，BP 网络为3层网络结构，如图3 所示。

图3 BP网络图

ec是对误差e做微分，它能够反映出无差累计对系统的影响，本章采用e和ec来作为神经网络的输入量是为了更全面地反映无差对系统的影响。

对于PID 控制器输出层节点输出2 个可变参数Kp、Ki，所以对应输出层的神经元为2 个，PID 的参数值不能为负，故网络输出层的激发函数使用不为负的Sigmoid 函数，公式如下

隐层神经元个数为

式中q——隐层神经元数量；

m——输出层神经元个数；

n——输入层神经元个数。

f——经验值，根据需要f取[1～10]区间中的整数，本文f=3。

计算得出q=5。

隐层神经元的激发函数是可以为负的，所以选取Sigmoid 函数为正负对称，公式如下

取性能指标函数为

网络输入层输入如下

网络隐层的输入、输出如下

式中M——输入层的输入个数，输入层定义为（1），隐层定义为（2），输出层定义为（3）。

网络输出层的输入输出如下

基于本文模型特点权系数搜索调整策略定为以负梯度方向，负梯度即梯度下降，为提高系统运算速度对全局增压一极小惯性项。

∂y(k)/∂u(k)无法得出，所以根据近似替换理论以sgn［∂y(k)/∂u(k)］函数替换，由于替代不能等同于原函数所以会形成误差，所以要调整网络学习速率的方式来弥补误差值。

根据上述分析可得到网络输出层权值的学习公式为

同理，可以得到隐层权系数的学习算法为

2.2 算法

1）挑选合适的神经网络结构，依据经验选择学习速率η及惯性系数α，初始化的值。

2）通过实时采样可得到rin（k）和y（k）的值，代入公式e（k）=rin（k）-y（k）算得误差值。

3）神经网络输入归一化处理。

4）根据网络结构和综上公式进行计算，得到结果Kp，Ki值。

6）值k=k+1，回到（1）。

3 仿真分析与结论

为比较突变状态下两种控制方式的优越性在电机速度达到稳态后，加上一个干扰变量，再对达到稳态的时间进行比较。

搭建MATLAB 两种控制方法的仿真模型，经仿真研究得到速度的响应曲线如图4、图5 所示。通过仿真曲线图可以看出图4 和图5 在电机加速度段达到稳态效果几乎一样，但在达到稳态后加入一个干扰信号时图5 能更快达到稳态。

图4 传统PID控制的速度响应

图5 神经网络PI控制的速度响应曲线

综合仿真得出采用BP 神经网络PI 控制方法对突变负载响应较好，达到了设计效果。