基于BP神经网络PID控制的BLDCM调速系统

文章编号：１００８－０５７０（２００７）０２－１－０１１２－０３

中文核心期刊《微计算机信息》（测控自动化）２００７年第２３卷第２－１期

基于BP神经网络PID控制的BLDCM调速系统

ＴｈｅｓｐｅｅｄｓｅｒｖｏｓｙｓｔｅｍｏｆＢＬＤＣＭｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋＰＩＤｃｏｎｔｒｏｌｌｅｒ

（江南大学）焦竹青

屈百达徐保国

ＪＩＡＯＺＨＵＱＩＮＧＱＵＢＡＩＤＡＸＵＢＡＯＧＵＯ

摘要：在分析无刷直流电机（ＢＬＤＣＭ）数学模型的基础上，采用改进型ＢＰ神经网络与传统ＰＩＤ相结合作为速度控制器，应用

于无刷直流电机调速系统中。在电机初始运行阶段采用传统ＰＩＤ控制，网络学习一段时间后，切换到经过改进的ＢＰ神经网络在线自整定ＰＩＤ控制。仿真研究表明，应用这种新型控制方式的无刷直流电机调速系统具有良好的动态性能和稳态精度。

关键词：无刷直流电机；ＢＰ神经网络；ＰＩＤ控制；调速系统

文献标识码：Ｂ中图分类号：ＴＭ３４１

技

术创新

Ａｂｓｔｒａｃｔ：ＢａｓｅｄｏｎｔｈｅｍａｔｈｅｍａｔｉｃｍｏｄｅｌｏｆＢＬＤＣｍｏｔｏｒ，ａｃｏｍｂｉｎａｔｉｏｎｏｆａｎｉｍｐｒｏｖｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄａｇｅｎｅｒａｌＰＩＤｃｏｎ－ｔｒｏｌｌｅｒｉｓｕｓｅｄｉｎｉｔｓｓｐｅｅｄｓｅｒｖｏｓｙｓｔｅｍ．ＴｈｅｇｅｎｅｒａｌＰＩＤｃｏｎｔｒｏｌｌｅｒｉｓｕｓｅｄｉｎｔｈｅｂｅｇｉｎｎｉｎｇｓｅｖｅｒａｌｓｅｃｏｎｄｓ，ａｎｄｔｈｅｎａｎｏｔｈｅｒａｄａｐｔｉｖｅＰＩＤｃｏｎｔｒｏｌｌｅｒｂａｓｅｄｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｃｏｎｖｅｒｔｅｄｔｏａｆｔｅｒｔｒａｉｎｉｎｇｆｏｒｓｅｃｏｎｄｓ．Ｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉｍｅｎｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｉｓｃｏｎｔｒｏｌｍｅｔｈｏｄｃａｎｉｍｐｒｏｖｅｔｈｅｄｙｎａｍｉｃａｌｐｅｒｆｏｒｍａｎｃｅａｎｄｅｎｈａｎｃｅｔｈｅｓｔａｔｉｃｐｒｅｃｉｓｉｏｎｏｆｔｈｅｓｐｅｅｄｓｅｒｖｏｓｙｓｔｅｍ．Ｋｅｙｗｏｒｄｓ：ＢＬＤＣｍｏｔｏｒ，ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，ＰＩＤｃｏｎｔｒｏｌ，Ｓｐｅｅｄｓｅｒｖｏｓｙｓｔｅｍ

１引言

传统无刷直流电机（ＢＬＤＣＭ）调速系统通常采用ＰＩ控制。ＰＩ控制算法简单，参数调整方便，有一定的控制精度，但也存在局限性。在控制对象日趋复杂的今天，对经典ＰＩＤ的挖掘已经不能满足无刷直流电机调速系统对快速性、稳定性和鲁棒性的要求。积分和微分３种控制作用相互配合又相ＰＩＤ控制中的比例、互制约，不是一种简单的线性组合，要从变化无穷的非线性关系中找出最佳的关系才能获得理想的控制效果。ＢＰ神经网络具有逼近任意非线性函数的能力，而且结构和学习算法简单明确，不依赖于被控对象的模型，通过神经网络自身的学习，可以找到某一最优控制律下的ＰＩＤ参数。

在本文介绍的无刷直流电机调速系统中，采用改进型ＢＰ神经网络与传统ＰＩＤ相结合作为速度控制器。初始运行阶段采用传统的ＰＩＤ控制，网络学习一段时间后切换到ＢＰ神经网络在线整定ＰＩＤ控制。为了提高神经网络的收敛速度，避免产生振荡，控制器采用了自适应改变ＢＰ网络学习步长和添加惯性项的方法。仿真试验结果证明了该控制器应用于无刷直流电机调速系统的有效性和可操作性。

则三相绕组的电压平衡方程可表示为

（１）

式中子相绕组电流；

——定子相绕组电压；————定

———定子相绕组反电动势；Ｌ———每相

绕组的自感；Ｍ———每两相绕组间的互感；ｐ———微分算子

三相绕组为行星联接，且没有中线，则有并且

将式（２）和式（３）代入式（１），得到电压方程为

（２）

（３）（４）

定子绕组产生的电磁转矩表达式为

由式（５）可以看出，电磁转矩公式与普通直流电动机相似，其电磁转矩大小与磁通和电流幅值成正比，所以控制逆变器输出矩形波电流的幅值即可控制电磁转矩。为了产生恒定的电磁转矩，要求定子电流为矩形方波，反电动势为梯形波，且在每半个周期内，矩形波电流的持续时间为１２００电角度，两者应严格同步。运动方程为

式中

———电磁转矩；

———负载转矩；

———阻尼

系数；ω———机械转速；

———转动惯量

２无刷直流电机数学模型

以二相导通Ｙ形三相六状态为例，分析无刷直流电机的数学模型及电磁转矩等特性。为了便于分析，假定：（１）各相绕组完全对称，定子电流、转子磁场分布皆对称。

换相过程和电枢反应等影响。（２）忽略齿槽、

（３）电枢绕组在定子内表面均匀连续分布。（４）磁路不饱和，不计涡流和磁滞损耗。焦竹青：硕士研究生

国家科技部＂十五＂攻关项目基金资助（编号：２００１ＢＡ２０４Ｂ０１－０３）

－１１２－

３神经网络ＰＩＤ控制ＢＬＤＣＭ调速

系统结构

３．１调速系统硬件结构

无刷直流电机调速系统结构如图１所示。系统采用转速、电流双闭环控制方案，电流环采用传统ＰＩ控制方式实现脉宽

《现场总线技术应用２００例》

３６０元／年邮局订阅号：８２－９４６您的论文得到两院院士关注

调制（ＰＷＭ）；速度环控制器的设计基于ＢＰ神经网络ＰＩＤ控制算法，数据采集和控制量输出采用新华龙Ｃ８０５１－Ｆ３３０专用控制开发板卡实现。

驱动与传动

４．２反向计算

ＢＰ神经网络模型反向学习过程利用ＢＰ学习算法来修正

权值和阈值。取性能指标函数为

（１３）

虽然一个３层的ＢＰ神经网络理论上能够逼近任意的非线性映射关系，且具备较好的泛化能力，但是传统的ＢＰ算法也存在缺陷：一是收敛速度慢；二是存在所谓问题。为解“局部极值”决上述问题，采取如下措施来改进算法。

学习速率作如下修正：Δ・（１）变步长法。Ｅ＜０时，η＝ηａ；ΔＥ＞０时，η・＝ηｂ。

式中ａ＞１，０＜ｂ＜１；η———初始学习速率；Δ——误差变化Ｅ—（２）引入惯性项。当学习速率自适应变化时，为有效避免学习过程产生振荡，加快收敛速度，附加惯性项，惯性因子的选取原则为：ΔＥ＜０时，ａ＝ａ；ΔＥ＞０时，ａ＝０。

按照梯度下降法修正权系数的公式为

图１ＢＰ神经网格ＰＩＤ控制无刷直流电机调速系统结构图

３．２神经网络ＰＩＤ控制器

神经网络ＰＩＤ控制器由两部分构成：传统ＰＩＤ控制器：直接对被控对象进行闭环控制，且３个参数为在线调整方式；ＢＰ神经网络：根据运行状态调节，在线整定传统ＰＩＤ控制器的参数，以期达到某种性能指标的最优化。由于神经网络要经过一段时间的学习才能得到最优的控制参数，所以在系统投运初期不能获得满意的性能指标要求时，采用经过改进的算法可以克服这个不足。文献采用动态调整学习步长的方法加快收敛网络速度，文献中采用确定权系数初值的方法加快学习速率。本文采用了下面两种方法：投入运行初期误差较大，采用经验法整定的

；

（１４）

；

由于

未知，所以近似用符号函数ｓｇｎ［

］取代，由

此带来的计算不精确

可通过调整学习速率η来补偿。由式（７）和式（１４）可求得

ＰＩＤ参数直接进行控制，同时ＢＰ神经网络在线整定３个参数；

误差在较小范围内时，切换到神经网络整定的参数实现ＰＩＤ控

制，这有利于缩短神经网络学习时间，也能使系统在初运行阶段有较好的动态性能；采用自适应改变ＢＰ网络学习步长和添加惯性项的方法，来提高ＢＰ网络的收敛速度，避免振荡产生。

（１５）

网络输出层权值的学习算法为

技术创新

４ＢＰ神经网络ＰＩＤ控制器设计

４．１前向计算

经典增量式数字ＰＩＤ控制算法为ｕ（ｋ）＝ｕ（ｋ－１）＋Ｋｐ［ｅ（ｋ）－ｅ（ｋ－

———误差导数矢量δ

同理可求得隐含层权值学习算法为

（１６）

（７）１）］＋Ｋｉｅ（ｋ）＋Ｋｄ［ｅ（ｋ）－２ｅ（ｋ－１）＋ｅ（ｋ－２）］

积分、微分系数——比例、Ｋｐ、Ｋｉ、Ｋｄ—采用３层ＢＰ神经网络结构：输入层和隐含层个数根据系统的复杂程度分别设定为３和６；输出层个数为３，分别对应Ｋｐ、Ｋｉ、Ｋｄ。３层网络拓扑结构如图２所示。

为反映ＰＩＤ三类信号的特性，网络输入层的输入为

（１７）

４．３算法流程

上述改进型ＢＰ神经网络ＰＩＤ控制算法的计算机流程如下：①确定ＢＰ神经网络结构，给出各层权值的初值；选定学习速率η和惯性因子α，ｋ＝１。

②转速采样，设定采样周期为Ｔ，并计算转速偏差ｅ（ｋ）＝ｎ＊（ｋ）－ｎ（ｋ）。

③计时ｔ＝ｔ＋Ｔ，对ｎ＊（ｋ）、ｎ（ｋ）、ｅ（ｋ）、ｕ（ｋ）进行归一化处理。④在学习阶段（ｔ＜ｔｓ）采用经典法整定的ＰＩＤ参数，待学习阶段结束，切换到ＢＰ神经网络整定ＰＩＤ参数。

⑤计算ＰＩＤ输出量ｕ（ｋ）。

⑥反向计算，修正输出层和隐含层的权值。

⑦设置ｋ＝ｋ＋１，返回②重复计算，直到误差满足要求为止。其中，学习时间ｔｓ根据实验电机模型的特点来选取。

网络隐含层的输入和输出分别为（９）

（ｊ＝１，２，…，６）

其中，Ｗ（２）ｉｊ为隐含层权值；上标（１）、（２）、（３）分别代表输入层、隐含层和输出层。隐含层神经元激活函数取Ｓｉｇｍｏｉｄ型双正切函数为ｆ（ｘ）＝ｔａｎｈ（ｘ）。

网络输出层的输入和输出分别为

（１０）

（ｊ＝１，２，３）

以输出层神经元激活函数取非负的Ｓｉｇｍｏｉｄ型函数

（１１）

由于输出层对应的３个可调参数Ｋｐ、Ｋｉ、Ｋｄ不能为负值，所

５仿真试验

本文中实验电机的额定功率Ｐ＝４００Ｗ，额定电压Ｕ＝

ｇ（ｘ）＝［１＋ｔａｎｈ（ｘ）］／２（１２）

３００Ｖ，额定转速ｎ＊＝３０００ｒ／ｍｉｎ，额定转矩Ｔｅ＝１．３Ｎ・ｍ，每

相绕组电阻Ｒ＝７．８Ω，绕组电感Ｌ－Ｍ＝４０ｍＨ，转动惯量Ｊ

邮局订阅号：８２－９４６３６０元／年

－１１３－

《ＰＬＣ技术应用２００例》

驱动与传动

・ｍ２。＝０．０００１２３Ｋｇ

中文核心期刊《微计算机信息》（测控自动化）２００７年第２３卷第２－１期

（２１４１２２江苏无锡江南大学通信与控制工程学院）焦竹青

屈百达徐保国

采用建立好的无刷直流电机调速系统仿真模型，用Ｍａｔｌａｂ语言编制４．３对应的仿真程序，进行仿真试验。神经网络采用

３－６－３结构，初始学习速率η＝０．２５，惯性因子α＝０．０５。经验法整

定的ＰＩＤ参数为Ｋｐ＝０．１００，Ｋｉ＝０．００１５，Ｋｄ＝０．００５。取采样周期Ｔ＝

・ｍ，可以得到系统０．０１ｓ，仿真时带负载起动，所带负载ＴＬ＝１Ｎ

阶跃响应曲线如图３所示。

（ＣｏｌｌｅｇｅｏｆＣｏｍｍｕｎｉｃａｔｉｏｎａｎｄｃｏｎｔｒｏｌｅｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈｅｒｎＹａｎｇｔｚｅＵｎｉｖｅｒｓｉｔｙ，ｗｕｘｉ，２１４１２２，Ｃｈｉｎａ）Ｊｉａｏ，ＺｈｕｑｉｎｇＱｕ，ＢａｉｄａＸｕ，Ｂａｏｇｕｏ

通讯地址：（２１４１２２江苏无锡江南大学蠡湖校区信控大楼Ｃ４２８室）焦竹青

（收稿日期：２００６．１０．１２）（修稿日期：２００６．１１．９）

（上接第２０３页）

零件属性信息作为机械加工工艺卡片中的表头信息，产品结构用来确定装配工艺过程与装配工序所需的零组件。然后由ＰＤＭ

图３ＢＰ神经网络ＰＩＤ控制响应曲线和参数整定曲线由以上仿真波形图可以看出：在ｎ＊＝３０００ｒ／ｍｉｎ的参考转速下，系统响应快速且平稳，转速无超调，调节时间很短，具有良好的动态性能和稳态精度；控制器对ＰＩＤ参数整定的结果也同样比较理想，从而验证了改进型ＢＰ神经网络ＰＩＤ控制应用于无刷直流电机调速系统的有效性和可操作性。

提取机械加工工艺过程卡片中的数据，并对其进行管理；同时

ＰＤＭ保存ＣＡＰＰ所生成的设备和刀具等清单，以便给企业中其他应用系统提供数据。具体实现的办法是在ＣＡＰＰ的主菜单中挂一个ＰＤＭ的菜单项，通过功能调用ＡＰＩ函数来“导入／导出”

实现工艺文档及数据的存储。

４结束语

技

术创新

６结束语

采用改进型ＢＰ神经网络实现无刷直流电机调速系统ＰＩＤ控制参数的在线自整定，是传统的ＰＩＤ控制与先进的智能控制算法相结合的有效方式，克服了经典ＰＩＤ控制对被控对象模型的过渡依赖，为ＰＩＤ实现复杂的电机非线性控制提供了有效途径。经过改进的ＢＰ神经网络克服了传统神经网络的缺陷，提高了收敛的速度，使得该算法具有良好的功能特性，为非线性调速系统的控制、建模、辨识提供了有效的方法与工具。

本文作者创新点：在电机不同运行阶段，分别采用传统ＰＩＤ控制和改进型ＢＰ神经网络算法在线整定ＰＩＤ控制。ＢＰ网络控制器采用自适应改变ＢＰ网络学习步长和添加惯性项的方法，提高了网络的收敛速度，同时避免了振荡的产生。

以ＰＤＭ为框架进行的与ＣＡＰＰ系统的集成，产品数据的集成最为关键，是实现产品数据的高效管理和共享信息化工作的核心。ＣＡＰＰ与ＰＤＭ数据的集成使得像ＣＡＭ等其他应用系统可以直接从ＰＤＭ共享数据库中获取所需工艺信息，从而有效的实现产品信息的集成。

本文作者创新点：本文主要是讨论在ＰＤＭ框架下的ＣＡＰＰ与ＰＤＭ之间的数据集成，在数据存储方面，本文以工艺文档为例论述了数据存储的方法，并根据并行工程设计理念提出了一个工艺文档存储的模型，并加入了工艺人员可操作平台，并通过ＡＰＩ实现数据通信，具有较大的现实创新意义。

参考文献

［１］ＳｉｎｇｈＢ，ＲｅｄｄｙＡＨＮ，ＭｕｒｔｈｙＳＳ．Ｈｙｂｒｉｄｆｕｚｚｙｌｏｇｉｃｐｒｏｐｏｒ－ｔｉｏｎａｌｐｌｕｓｃｏｎｖｅｎｔｉｏｎａｌＩｎｔｅｇｒａｌ－ｄｅｒｉｖａｔｉｖｅｃｏｎｔｒｏｌｌｅｒｆｏｒｐｅｒｍａ－ｎｅｎｔｍａｇｎｅｔｂｒｕｓｈｌｅｓｓＤＣｍｏｔｏｒ［Ａ］．ＰｒｏｃｅｅｄｉｎｇｓｏｎＩｎｄｕｓｔｒｉａｌ

１９１Ｔｅｃｈｎｏｌｏｇｙ［Ｃ］．２０００：１８５～

［２］ＶａｓＰ．Ａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ－ｂａｓｅｄｅｌｅｃｔｒｉｃａｌｍａｃｈｉｎｅｓａｎｄｄｒｉｖｅｓ：Ａｐｐｌｉｃａｔｉｏｎｓｏｆｆｕｚｚｙ，ｎｅｕｒａｌ，ｆｕｚｚｙ２ｎｅｕｒａｌ，ａｎｄｇｅｎｅｔｉｃａｌ－ｇｏｒｉｔｈｍ－ｂａｓｅｄｔｅｃｈｎｉｑｕｅｓ［Ｍ］．ＮｅｗＹｏｒｋ：Ｏｘｆｏｒｄ，１９９９

［３］陶永华．新型ＰＩＤ控制器及其应用（第２版）［Ｍ］．北京：机械工业出版社，２００４

［４］龚菲，王永骥．基于神经网络的ＰＩＤ参数自整定与实时控制［Ｊ］．华中科技大学学报（自然科学版），２００２，３０（１０）：６９～７１

［５］谭渊，蔡开龙，谢寿生．基于ＢＰ网络的ＰＩＤ控制在滑油压力气动控制中的应用［Ｊ］微计算机信息，２００６，４：１０６～１０８

作者简介：焦竹青，（１９８３－），男，汉族，硕士研究生，研究方向为电机控制与应用，Ｅ－ｍａｉｌ：ｊｉａｏｚｈｕｑｉｎｇ＠ｂｏｋｅｅ．ｃｏｍ；屈百达（１９５６－），男，满族，博士，教授，硕士生导师，研究方向为控制

理论与控制工程。

参考文献：

［１］张振明，许建新，贾晓亮，等．现代ＣＡＰＰ技术与应用［Ｎ］．西北工业大学出版社，２００１（１）：１２－１６．

［２］汪水琴，李杨，谢川，杨文通，王建华．基于ＰＤＭ的邮件管理系统的研究［Ｊ］微计算机信息，２００６（６－３）：１２６－１２８．

作者简介：范志勇（１９８１－），男（汉族），江苏徐州人，南京信息工程大学系统分析与集成专业硕士研究生，主要从事计算机集成制造系统方向的研究；肖冬荣（１９４４－），男（汉族），湖南郴州人，南京信息工程大学信息与通信系教授、博导，主要从事系统科学与系统工程研究，Ｅ－ｍａｉｌ：ｓｎｏｗ＿ｂａｔ＠１６３．ｃｏｍ，ｚｈｉｙｏｎｇｆａｎ＠ｈｏｔｍａｉｌ．ｃｏｍ。

Ｂｉｏｇｒａｐｈｙ：Ｊｉａｏ，Ｚｈｕｑｉｎｇ（１９８３－），ｍａｌｅ，Ｔｈｅｈａｎｎａｔｉｏｎａｌｉｔｙ，Ｔｈｅｒｅｓｅａｒｃｈｄｉｒｅｃｔｉｏｎｉｓｍｏｔｏｒｃｏｎｔｒｏｌａｎｄａｐｐｌｉｃａｔｉｏｎ．Ｑｕ，Ｂａｉｄａ，（１９５６－），ｍａｌｅ，ＴｈｅＭａｎｎａｔｉｏｎａｌｉｔｙ，ｄｏｃｔｏｒ，Ｔｈｅｒｅｓｅａｒｃｈｄｉｒｅｃ－ｔｉｏｎｉｓｃｏｎｔｒｏｌｔｈｅｏｒｙａｎｄｃｏｎｔｒｏｌｐｒｏｊｅｃｔ．Ｂｉｏｇｒａｐｈｙ：ＦａｎＺｈｉｙｏｎｇ（１９８１－），ｍａｌｅ（ＨａｎＮａｔｉｏｎａｌｉｔｙ），ｐｅｒ－ｓｏｎｏｆＪｉａｎｇｓｕＸｕｚｈｏｕ，Ｐｏｓｔｇｒａｄｕａｔｅ，ｍａｊｏｒｉｎＳｙｓｔｅｍａｎａｌｙｚｉｎｇ＆Ｉｎｔｅｇｒａｔｉｏｎ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ｍａｉｎｅｎｇａｇｅｉｎｓｔｕｄｙｏｆＣｏｍｐｕｔｅｒＩｎｔｅｇｒａｔｅｄＭａｎｕ－ｆａｃｔｕｒｉｎｇＳｙｓｔｅｍｓ；ＸｉａｏＤｏｎｇｒｏｎｇ（１９４４－），ｍａｌｅ（ＨａｎＮａｔｉｏｎａｌｉ－ｔｙ），ｐｅｒｓｏｎｏｆＨｕｎａｎＣｈｅｎｚｈｏｕ，Ｐｒｏｆｅｓｓｏｒ＆ＴｕｔｏｒｏｆＤｒ，ｔｈｅＤｅｐａｒｔｍｅｎｔｏｆＩｎｆｏｒｍａｔｉｏｎ＆ｃｏｍｍｕｎｉｃａｔｉｏｎ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ｍａｉｎｅｎｇａｇｅｉｎｓｔｕｄｙｏｆＳｙｓｔｅｍＳｃｉｅｎｃｅ＆ＳｙｓｔｅｍＥｎｇｉｎｅｅｒｉｎｇ．（２１００４４南京南京信息工程大学信息与通讯系）范志勇

肖冬荣张群

通讯地址：（２１００４４江苏江苏省南京信息工程大学信息与控制学院）范志勇

（收稿日期：２００６．１０．１６）（修稿日期：２００６．１１．１４）

－１１４－３６０元／年邮局订阅号：８２－９４６《现场总线技术应用２００例》