人工智能控制技术在电气传动中的应用研究 |
|
|
训练控制器ANN。在误差最小化过程中,全局误差能被最小化到希望的值。经过训练辩识ANNS和控制ANNS,就可以在实时系统中运用被“调整”的神经自适应控制方案。 2.2 人工智能在交流传动中的应用 2.2.1模糊逻辑的应用 到目前为止,只有两种运用于人工智能技术的工业产品,一是安川矢量变频器,另一个是日立矢量变频器。日立公司最近开发了J300系列IGBT矢量变频器,功率范围是5.5~55kW。它的主要特点是使用无传感器矢量控制算法和强大的自调整功能。无传感器磁通矢量控制方案采样两相定子电流,在初始自整定阶段,电机和负载的惯性以及其他参数例如定子电感,定子和转子电阻、励磁电感等参数被计算。日立公司宣称这是世界上第一台使用模糊控制的变频器。它考虑了电机和系统的特性,转矩计算软件在整个频率范围保证了转矩的精确控制。变频器的主要性能指标如下:1Hz时150%或更高的启动转矩;在3∶1的速度范围(20到60Hz/16到50Hz),电机不用降低功率使用;速度调节比率小。 J300系列变频器由于使用了高速微处理器和内置DSP,因此具有很高的响应速度,转矩响应速度大约可达到0.1s。它使用模糊逻辑控制电机电流和加减速斜率,它能根据电机负载和制动需要计算加减速的最优时间,不需要尝试进行调整。模糊逻辑加减速度函数根据模糊规则设定加减速度比例因子和速度,而模糊规则则用当前值与过载限幅(或其他限幅)值的差值以及电机电流和电压的梯度作为输入变量。梯度和差值构成四个隶属函数,两个隶属函数是三角函数,另二个是半梯形。当用常规的简单电流限幅控制,变频器的斜率是步进型的,经常引起变频器跳闸。特别是在减速时。当用模糊逻辑控制时,斜率十分平滑,变频器假跳闸的现象也消除了。变频器在风机和泵类的运用最能体现模糊逻辑控制的优势。在这些应用中,不需要恒定的加减速时间或精确的位置控制。需要的是与负载条件有关的加减速度的最优化。模糊控制能实现加减速度的最优控制。 AI控制器也能提高直接转矩控制系统的性能,这也是值得深入研究的一个宽广领域。英国Aberdeen大学的研究人员开发了基于人工智能的开关矢量选择器以及速度、转矩、磁通观测器等,初步结果令人鼓舞。 2.2.2神经网络的应用 该系上一页 [1] [2] [3] [4] [5] 下一页 |
|
|
|
上一个论文: 人工智能方法在信号处理中的应用 下一个论文: 开启人工智能时代 |
|