1 引言

    交流調(diào)速系統(tǒng)中的被控對(duì)象大多為異步電動(dòng)機(jī)，異步電動(dòng)機(jī)具有多變量、強(qiáng)耦合、系統(tǒng)參數(shù)時(shí)變及系統(tǒng)結(jié)構(gòu)非線性與不確定性等特點(diǎn)，所以難以建立其精確的數(shù)學(xué)模型。而傳統(tǒng)的控制策略，諸如P ID控制，以及矢量控制都是建立在系統(tǒng)較為精確的數(shù)學(xué)模型基礎(chǔ)上。為了提供交流電動(dòng)機(jī)高精度的控制方法，國內(nèi)外許多學(xué)者在這一領(lǐng)域進(jìn)行了大量的研究，新方法新技術(shù)不斷涌現(xiàn)，智能控制就是近些年來發(fā)展起來的一門新興學(xué)科。與經(jīng)典和現(xiàn)代的控制方法相比，智能控制突破了傳統(tǒng)控制理論中過分依賴系統(tǒng)數(shù)學(xué)模型的束縛，按照實(shí)際效果進(jìn)行控制，不依賴或者不完全依賴系統(tǒng)的數(shù)學(xué)模型；控制具有非線性；尤其是隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，可完成更加復(fù)雜系統(tǒng)的控制，且具有在線辨識(shí)或總體自適應(yīng)自尋優(yōu)的特點(diǎn)。所以，將已有的控制方法和智能控制手段相結(jié)合，是當(dāng)代交流調(diào)速的基本思路。

    智能控制的主要方法有模糊控制、神經(jīng)網(wǎng)絡(luò)控制、變結(jié)構(gòu)控制、自適應(yīng)控制及專家系統(tǒng)控制等。本文主要介紹模糊控制、神經(jīng)網(wǎng)絡(luò)控制及其復(fù)合控制在交流調(diào)速中的應(yīng)用，并對(duì)它們的特點(diǎn)和發(fā)展動(dòng)態(tài)作了適當(dāng)?shù)姆治龊驼f明。

2 模糊控制在交流調(diào)速中的應(yīng)用

    由于模糊控制是智能控制中最為簡(jiǎn)單、最具實(shí)際意義的方法，因而在交流調(diào)速系統(tǒng)中得到了廣泛地應(yīng)用。將模糊控制應(yīng)用于交流電動(dòng)機(jī)的矢量控制中，可以很好地克服傳統(tǒng)矢量控制方法所帶來的諸如非線性、參數(shù)變化等對(duì)系統(tǒng)性能影響過大的缺點(diǎn)，使系統(tǒng)具有較強(qiáng)的魯棒性。

    模糊控制在速度控制中一般處于最外環(huán)，而內(nèi)環(huán)仍保留矢量控制、滑模解耦控制等傳統(tǒng)控制方法。用模糊控制器代替常規(guī)PID控制器，在參數(shù)變化、負(fù)載擾動(dòng)情況下仍可得到快速、強(qiáng)魯棒性的控制。與傳統(tǒng)的PID控制相比，模糊控制器具有更小的超調(diào)量和更強(qiáng)的抗干擾性。

2.1 常規(guī)模糊控制器在交流調(diào)速中的應(yīng)用

    常規(guī)模糊控制器是一種基于直接查詢方式的控制器，它能實(shí)現(xiàn)首先對(duì)輸入量的模糊化，并采用直接查詢法進(jìn)行模糊控制決策和處理，然后對(duì)其進(jìn)行去模糊化后最終輸出。將模糊控制引入電機(jī)的直接轉(zhuǎn)矩控制系統(tǒng)中，不僅能夠有效地改善其靜態(tài)和動(dòng)態(tài)特性，而且有利于系統(tǒng)魯棒性的提高。文獻(xiàn)[7]就是采用常規(guī)模糊控制器控制的一個(gè)典型應(yīng)用，文中針對(duì)異步電動(dòng)機(jī)矢量控制系統(tǒng)因電機(jī)參數(shù)變化和負(fù)載波動(dòng)等因素導(dǎo)致性能變差的問題，設(shè)計(jì)了一種二維自調(diào)整模糊控制器作為滑差矢量控制的速度調(diào)節(jié)器。用這種速度調(diào)節(jié)器，可以根據(jù)輸入變量的大小調(diào)整模糊控制器的量化因子、比例因子和兩個(gè)輸入變量的權(quán)重，從而自動(dòng)調(diào)整模糊控制規(guī)則。不僅提高了控制系統(tǒng)的動(dòng)態(tài)和穩(wěn)態(tài)性能，而且具有較強(qiáng)的魯棒性。

2.2 高性能模糊控制器在交流調(diào)速中的應(yīng)用

    在實(shí)際應(yīng)用過程中，對(duì)于時(shí)變參數(shù)非線性系統(tǒng)，尤其是對(duì)快速準(zhǔn)確控制要求很高的諸如電機(jī)調(diào)速這樣的非線性系統(tǒng)，常規(guī)模糊控制所依賴的控制規(guī)則缺乏在線自學(xué)習(xí)或自調(diào)整的能力，難以滿足控制需要。因此，將模糊控制器與其他控制策略相結(jié)合，設(shè)計(jì)了多種不同類型的模糊控制器，如參數(shù)自調(diào)整模糊控制器、模糊-變結(jié)構(gòu)控制模糊控制器、自適應(yīng)模糊控制器等，以克服常規(guī)模糊控制的局限性，進(jìn)一步提高精度，適應(yīng)更為精確的控制需要。

2.2.1 參數(shù)自調(diào)整模糊控制器

    參數(shù)自調(diào)整模糊控制器在常規(guī)模糊控制器的基礎(chǔ)上，突破了推理決策的局限性，采用了加權(quán)推理決策，引入了協(xié)調(diào)因子λ，根據(jù)系統(tǒng)偏差e和偏差變化ec的大小，預(yù)測(cè)控制系統(tǒng)的不確定量，調(diào)整λ及比例因子，從而能夠選擇最佳的控制參數(shù)或控制規(guī)則集，在線自動(dòng)調(diào)整保守和大膽控制的混合程度，力求更全面、更確切地反映出人對(duì)諸因素的綜合決策思想，提高系統(tǒng)的控制精度和魯棒性能。

2.2.2 模糊PID控制

    模糊PID 控制是用模糊控制的方法在線調(diào)節(jié)PID參數(shù)的一種控制方法。文獻(xiàn)[9]中對(duì)于矢量控制的交流調(diào)速系統(tǒng)，運(yùn)用模糊邏輯和參數(shù)自整定PID，采用分層遞階智能控制結(jié)構(gòu)，構(gòu)成具有較強(qiáng)實(shí)用性和魯棒性多級(jí)智能控制系統(tǒng)。而模糊- PI控制是將PI控制策略引入模糊控制器，在大偏差范圍內(nèi)采用模糊控制，在小偏差范圍內(nèi)轉(zhuǎn)換為PI控制。這種復(fù)合控制比PI控制有更快的動(dòng)態(tài)響應(yīng)特性和更小超調(diào)，比模糊控制具有更高的穩(wěn)態(tài)精度。

    在參考文獻(xiàn)[11]中，用模糊控制器取代常規(guī)的PI控制器，并證明了在參數(shù)變化、負(fù)載擾動(dòng)的情況下仍可得到快速、強(qiáng)魯棒性的控制。

2.2.3 模糊-變結(jié)構(gòu)控制

    模糊-變結(jié)構(gòu)控制是在變結(jié)構(gòu)中引入模糊控制，以抑制或基本消除常規(guī)變結(jié)構(gòu)的顫振現(xiàn)象。模糊- 變結(jié)構(gòu)控制的工作原理是:在誤差和誤差的變化較大時(shí)，滑模變結(jié)構(gòu)控制起主要作用，加大控制力度，提高系統(tǒng)的快速性；當(dāng)系統(tǒng)接近穩(wěn)態(tài)時(shí)，取消滑模- 變結(jié)構(gòu)控制，只讓模糊控制起作用。文獻(xiàn)[12]使用了兩個(gè)非線性控制環(huán)節(jié):即滑模控制和模糊PI控制，定義了一種新型的控制結(jié)構(gòu)。兩個(gè)控制環(huán)節(jié)通過基于T - S模型的專家控制結(jié)合在一起，使滑?？刂谱饔糜陟o態(tài)，而PI控制用于動(dòng)態(tài)控制階段。這樣同時(shí)兼?zhèn)浠？刂铺岣叻€(wěn)態(tài)精度和P I控制可有效地減少超調(diào)，起到較好的控制效果。

2.2.4 自適應(yīng)模糊控制

    在模糊控制系統(tǒng)中，量化因子和比例因子的選取對(duì)系統(tǒng)性能影響很大。當(dāng)這些因子確定后，當(dāng)對(duì)象的參數(shù)、給定或擾動(dòng)變化過大時(shí)，控制效果則會(huì)變差，可根據(jù)實(shí)際情況在線調(diào)整輸出，實(shí)現(xiàn)模糊自適應(yīng)控制。該調(diào)節(jié)器輸出部分的比例因子可以根據(jù)速度的實(shí)時(shí)變化趨勢(shì)經(jīng)自適應(yīng)調(diào)整機(jī)構(gòu)的模糊規(guī)則庫在線調(diào)整，使系統(tǒng)的速度響應(yīng)更快，超調(diào)更小，穩(wěn)態(tài)精度提高，受對(duì)象參數(shù)變化影響減小，改善了系統(tǒng)低速性能，解決了常規(guī)模糊控制器在控制過程中參數(shù)不變帶來的問題，滿足了異步電動(dòng)機(jī)模糊直接轉(zhuǎn)矩控制系統(tǒng)響應(yīng)速度快、穩(wěn)態(tài)精度高、調(diào)速范圍寬的要求。

3 神經(jīng)網(wǎng)絡(luò)控制在交流調(diào)速中的應(yīng)用

    神經(jīng)網(wǎng)絡(luò)模擬人腦的信息處理方式，有并行處理、分布儲(chǔ)存信息和容錯(cuò)能力和在線或離線方式進(jìn)行自學(xué)習(xí)和自組織的能力，具有非線性、非局域性、非定常性等特點(diǎn)，用于控制時(shí)可以不依賴控制對(duì)象的數(shù)學(xué)模型，為了實(shí)現(xiàn)對(duì)交流電機(jī)的快速和精確控制，采用人工神經(jīng)網(wǎng)絡(luò)速度控制器，并加入在線辨識(shí)補(bǔ)償技術(shù)，既可提高神經(jīng)網(wǎng)絡(luò)速度控制器的實(shí)時(shí)性，又可增強(qiáng)整個(gè)系統(tǒng)的魯棒性，還可有效地克服負(fù)載轉(zhuǎn)矩變化、轉(zhuǎn)動(dòng)慣量變化、粘滯摩擦系數(shù)變化等帶來的不良影響，從而實(shí)現(xiàn)高性能的速度控制。

    采用神經(jīng)網(wǎng)絡(luò)對(duì)電機(jī)參數(shù)中非線性參數(shù)進(jìn)行在線辯識(shí)和檢測(cè)，可以使系統(tǒng)的性能在各個(gè)方面得到全面改善，尤其是對(duì)提高系統(tǒng)的動(dòng)態(tài)性能和穩(wěn)定性能等方面具有非常大的優(yōu)越性。神經(jīng)網(wǎng)絡(luò)所具有的自學(xué)習(xí)功能為它在轉(zhuǎn)速突變、參數(shù)不穩(wěn)定情況下的控制性能的有效改善提供了理論基礎(chǔ)。采用神經(jīng)網(wǎng)絡(luò)的各種先進(jìn)算法和科學(xué)控制策略的應(yīng)用為交流調(diào)速系統(tǒng)的性能向更高要求發(fā)展提供了技術(shù)手段。

    神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)控制器方法有多種，但基于多層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)相對(duì)復(fù)雜，在線調(diào)節(jié)權(quán)重用時(shí)較長，難以適應(yīng)快速控制的要求，且目前尚缺乏相應(yīng)的基于神經(jīng)網(wǎng)絡(luò)的實(shí)用型計(jì)算機(jī)硬件支持，因此將基于多層網(wǎng)絡(luò)結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)用于交流調(diào)速系統(tǒng)時(shí)，在線學(xué)習(xí)和實(shí)時(shí)快速控制存在較大困難。在實(shí)際中，神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用主要集中在定子電阻、轉(zhuǎn)子電阻、定子電流以及磁鏈的檢測(cè)上。

4 復(fù)合控制在交流調(diào)速中的應(yīng)用

    復(fù)合控制是兩種或兩種以上不同類型的智能控制的組合，例如:模糊邏輯控制與神經(jīng)網(wǎng)絡(luò)控制的組合；遺傳算法與模糊控制的組合；專家控制與模糊控制的組合等，高性能模糊控制器其實(shí)也是復(fù)合控制。把現(xiàn)代控制理論應(yīng)用于交流調(diào)速系統(tǒng)是為了使系統(tǒng)具備更強(qiáng)的魯棒性和更為優(yōu)良的動(dòng)、靜態(tài)性能。近年來，優(yōu)良的復(fù)合控制在交流調(diào)速系統(tǒng)中的應(yīng)用，展示了其良好的前景。

4.1 模糊神經(jīng)網(wǎng)絡(luò)

    模糊邏輯和神經(jīng)網(wǎng)絡(luò)各具特點(diǎn)，模糊信息處理是以模糊邏輯為基礎(chǔ)，模仿人的模糊綜合判斷推理來處理常規(guī)方法難以解決的模糊信息處理的難題。人工神經(jīng)網(wǎng)絡(luò)是以生物神經(jīng)網(wǎng)絡(luò)為模擬對(duì)象，試圖在模擬推理及自學(xué)習(xí)等方面向前發(fā)展，使人工智能更接近人腦的自組織和并行處理等功能。模糊邏輯和人工神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)具有明顯的互補(bǔ)性。將兩者有機(jī)結(jié)合，可以有效地發(fā)揮各自的優(yōu)勢(shì)并彌補(bǔ)不足。事實(shí)證明，僅僅利用其中的一種方法無法真正實(shí)現(xiàn)智能控制，而將這兩種技術(shù)有機(jī)地結(jié)合起來，其優(yōu)勢(shì)才能得到真正的體現(xiàn)。

    模糊控制是以較少的規(guī)則數(shù)來表示知識(shí)，擅長技能方面的處理，但其自學(xué)習(xí)能力較弱。神經(jīng)網(wǎng)絡(luò)的引入為模糊控制器提供了一種良好的學(xué)習(xí)功能，它具有自學(xué)習(xí)和大規(guī)模并行處理能力，擅長認(rèn)知方面的處理。模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)通常由模糊控制器和一個(gè)神經(jīng)網(wǎng)絡(luò)組成。將模糊技術(shù)引入神經(jīng)網(wǎng)絡(luò)，拓寬了網(wǎng)絡(luò)信息的處理能力，處理神經(jīng)信息、模糊信息或其它不精確信息，用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和自動(dòng)識(shí)別模式特性來進(jìn)行模糊信息處理，解決了模糊規(guī)則的自動(dòng)提取及隸屬函數(shù)的自動(dòng)生成問題。文獻(xiàn)[15]介紹了一種以基于神經(jīng)元網(wǎng)絡(luò)的模糊控制器作為轉(zhuǎn)速調(diào)節(jié)器的交流調(diào)速控制方案。將神經(jīng)網(wǎng)絡(luò)控制與模糊控制有效地結(jié)合起來所構(gòu)成的神經(jīng)網(wǎng)絡(luò)模糊控制器，特別適用于那些系統(tǒng)結(jié)構(gòu)復(fù)雜、干擾大且控制精度要求高的場(chǎng)合。

4.2 遺傳算法模糊控制

    遺傳算法模糊控制是另一種仿生模糊控制方法， 遺傳算法是模擬了自然界遺傳機(jī)制和生物進(jìn)化論而形成的一種并行隨機(jī)搜索方法，它以隨機(jī)產(chǎn)生的一群初始的候選解為開始，通過使用遺傳算子對(duì)這些字符串進(jìn)行操作組合，使產(chǎn)生的候選解逐代向最優(yōu)解進(jìn)化。遺傳算法應(yīng)用于模糊控制器設(shè)計(jì)中，遺傳算法可自動(dòng)確定模糊控制器的參數(shù)，自動(dòng)獲取控制規(guī)則。文獻(xiàn)[16]設(shè)計(jì)了一種基于遺傳算法的自尋優(yōu)模糊控制器，并將其應(yīng)用于調(diào)速系統(tǒng)。在伺服異步電動(dòng)機(jī)控制系統(tǒng)中，遺傳算法用于設(shè)計(jì)磁通觀測(cè)器，能適應(yīng)電機(jī)模型參數(shù)較大擾動(dòng)和不同的運(yùn)行條件的控制。

4.3 滑模變結(jié)構(gòu)-自適應(yīng)復(fù)合控制

    滑模變結(jié)構(gòu)控制具有對(duì)系統(tǒng)參數(shù)變化不敏感的特性，同時(shí)還具有良好的動(dòng)態(tài)、靜態(tài)特性。但是滑模變結(jié)構(gòu)控制由于其開關(guān)特性為非線性，會(huì)引起系統(tǒng)抖動(dòng)。將變結(jié)構(gòu)控制和自適應(yīng)控制集成起來應(yīng)用于交流調(diào)速系統(tǒng)中，也可提高系統(tǒng)魯棒性，是一種較好的集成控制器。此外還有如變結(jié)構(gòu)- 神經(jīng)網(wǎng)絡(luò)集成控制器、專家-多模糊規(guī)則集復(fù)合控制、專家-模糊- PID復(fù)合控制等。

5  結(jié)語

    由目前國內(nèi)外的研究成果可以看出，電機(jī)傳動(dòng)的控制逐步走向多元化、智能化和多種方法綜合運(yùn)用的方向發(fā)展，模糊控制、人工神經(jīng)網(wǎng)絡(luò)、自適應(yīng)控制、遺傳算法、專家系統(tǒng)等智能控制思想在電機(jī)調(diào)速系統(tǒng)中已經(jīng)得到了廣泛的運(yùn)用，可以預(yù)估，隨著控制理論和計(jì)算機(jī)技術(shù)的不斷發(fā)展，智能控制在機(jī)電控制和自動(dòng)化領(lǐng)域?qū)l(fā)揮越來越多的作用。