任元，孙玉坤(江苏大学电气信息工程学院，镇江212013)摘要：针对无轴承开关磁阻电机，将专家系统(Ec)和模糊神经网络(FNc)结合起来，构成了专家模糊神经网络闭环控制(EFNc)。专家系统适时在线检测控制系统性能，并根据系统性能在线调整控制器的参数，从而实现了智能控制。仿真结果表明，该控制系统具有良好的动态和静态性能。
关键词：专家系统；模糊控制；神经网络；智能控制；无轴承；开关磁阻电动机
0 引 言
为了克服开关磁阻电机超高速运转带来的轴承磨损问题，无轴承开关磁阻电机(BsRM)于上个世纪末应运而生。无轴承开关磁阻电机实质上是通过控制径向悬浮绕组电流来改变电机原气隙磁场的分布，利用气隙磁场的不平衡产生悬浮力实现电机转子的稳定悬浮。由于径向悬浮力的产生是电机主绕组电流和径向悬浮绕组电流相互作用的结果，电机的转动和悬浮之间存在强耦合，再加上电机磁路周期性变化并存在严格局部饱和，这些非线性因素很难用合适的数学模型来描述。
因此采用传统的线性控制方法或对系统数学模型过分依赖的微分几何方法都很难取得理想的控制效果。近几年来，随着现代控制理论及计算机技术的不断发展，国内外学者提出了很多有价值的方法，如方波电流控制、开关角控制、神经网络逆、自适应控制等方法。本文将专家系统、模糊控制和神经网络有机结合起来，构成了专家模糊神经网络控制。模糊控制与神经网络结合构成模糊神经网络。它作为基本控制与被控对象构成闭环完成适时控制；专家控制适时在线检测控制系统性能，并根据系统性能在线调整控制器的参数，从而实现了控制对象的智能控制。
1过程描述及控制策略
根据文献[2—3]可得，无轴承开关磁阻电机转子受到的悬浮力和电机主绕组电流和悬浮绕组电流有关，转矩大小还和转子角位置θ相关。因此，无轴承开关磁阻电机的可控量主要有主绕组电流、悬浮绕组电流和绕组的开断角。
专家模糊神经网络控制(EFNc)是将专家系统、模糊控制和神经网络有机结合起来，它由模糊神经网络(FNc)和专家控制(Ec)组成，如图1所示。系统首先利用专家系统中的知识离线训练模糊神经网络，使之通过学习和总结专家控制的执行来学习如何完成同样的任务。当无轴承开关
3专家控制设计
本文采用离线训练FNc网络，当训练好后，可投入系统运行。在无轴承开关磁阻电机参数或运行环境发生变化时，专家系统在线修正控制器的比例因子。控制器的比例因子主要包括量化因子Le。，调整因子LEC和量化比例因子Lu其中，量化因子影响偏差e(t)的作用，减小Le，相当于削弱了误差的控制作用，有利于减小超调，然而，Le过小，则会延长上升时间，静态误差增大，从而影响系统的快速性。
调整因子起到调整偏差率ec的作用，提高Lec有利于提高模糊控制器的灵敏度，但其过大，系统对ec的作用过于敏感，提前了对ec的控制作用，延长了系统的响应；Lec过小，将不利于对超调的抑制。量化比例因子将直接影响系统输出。减小Lu对系统稳定有利，但延长了响应时间，Lu过大，又将引起超调和振荡。因此，控制系统的参数直接影响了系统的动静态性能。为了取得理想的控制效果，对它们进行了在线专家控制。
适时专家系统由数据库、产生式规则库和控制系统组成。其中数据库由数据、误差阈值、Le，Lec,Lu调整范围及各组调整参数组成。控制系统包括第三层次控制知识、选择控制策略和控制系统的运行。
根据以上的分析，得出一组用产生式规则表示的修正Le，Lec,Lu的专家知识规则库：
4系统仿真
实验系统参数为：旋转力绕组匝数Nm=60，径向力绕组匝数NS=24，气隙长度lg=0．35 mm，平均气隙长度LAV=O．3 MM转子极半径r=45 mm，定子叠片长度K=110MM，转子质量m=10kg平衡位置时的主绕组电流i0=5 A，径向位移范围为±45μm，s≤0．001，Le(O)=，Jec(O)=Lu(O)=O，n=2 000 r·min﹣1为了检测系统动静态性能的优越性，用Matlab／shnulirtk对专家模糊神经网络控制和传统的PLD控制(参数调整到效果****)在相同条件下进行了对比仿真。图5(a)是系统参数恒定时阶跃输入下系统的输出响应曲线，图5(b)是在有扰动的情况下(引人Simulink中的白噪声)的阶跃响应曲线。
从图5(a)可以看出，在系统参数不变的情况下，两种方法均能快速地到达设定值，但专家模糊神经网络控制比传统的PID控制更加平稳。这说明该控制不但继承了传统PID控制响应快速的优点，而且还提高了系统的动态性能。从图5(b)可以看出，在白噪声干扰的情况下，扰动对专家模糊神经网络影响很小，系统仍能快速平稳地到达设定值，且进入稳态后几乎无超调、无静差；而白噪声对PID控制影响较大，系统超调增加到22％左右，且到达平衡的时间成倍增加。由此可见，专家模糊神经网络控制对于无轴承开关磁阻电机这样一个复杂的非线性系统比用传统PID控制有更好的动态和静态性能。
5结论
通过以上的仿真和分析可以得出，专家模糊神经网络控制一方面利用模糊Modular神经网络融合了模糊逻辑和神经元网络的优点，既能表示定性知识，又具有自学习和处理定量数据的能力；另一方面，由于专家系统适时在线检测模糊神经网络控制系统的性能，并根据系统性能适时调整控制器的参数，提高了系统的鲁棒性；同时专家系统还在线对自身的工作进行监督、指导和评价，通过学习关于过程的未知信息，有效地修改知识库和数据库中的内容，使整个控制系统的性能得到不断改善。因此，本文的专家模糊神经网络控制为无轴承开关磁阻电机的复杂控制系统的设计提供了一种新的较好的途径。
|
