赵仕艳，谢子殿，丁康康，崔含晴

(黑龙江科技大学 电气与控制工程学院，黑龙江 哈尔滨 150022)

矿井提升机是矿山开采和生产过程中的主要设备，其运行的安全性和高效性与煤矿经济效益息息相关。目前，我国煤矿企业中应用的提升系统主要有直流调速和交流调速两大类。直流调速性能存在电刷和换向器故障多以及结构和制造工艺复杂等问题，已逐渐被交流变频调速系统所代替[1-4]。在现实应用中，电机由于本身结构系统的复杂性，传统比例积分微分(Proportion Integration Differentiation，PID)控制器在电机调速系统应用时有速度超调大且转矩和磁链脉动大的缺点，导致调速控制系统难以达到预期效果。近年来，新型智能控制器在电机调速领域得到了广泛应用，如文献[5]中利用基于误差反向传播(Back Propagation，BP)算法的神经网络建立开关磁阻电机转矩模型的方法抑制转矩脉动。文献[6]利用滑膜控制方式解决了传统直接转矩(Direct Torque Control，DTC)电磁转矩脉动大、转速响应慢等问题。文献[7]将小波神经网络应用在感应电机DTC控制中以克服传统DTC转矩和磁链脉动大的缺点。但是，BP神经网络控制器在应用时存在收敛速度慢、学习效率低以及对参数过于敏感等缺点[8-11]，易导致网络陷入局部最优解。

本文研究的是利用粒子群优化算法(Particle Sawrm Optimization,PSO)收敛速度快和全局最优特性优化神经网络权值，在神经网络中设计收敛因子的方式提高网络的收敛性，以期共同改善矿井提升机调速系统特性。

1 电机侧控制策略设计

提升机的运转过程中包括加速、匀速、减速、爬行4个阶段，其中高速稳速运行是其主要的运行阶段。……