基于改进神经网络PID的永磁同步电机控制研究

2021-09-26闫浩安李建冬

现代防御技术 2021年4期

关键词：优化

闫浩安，李建冬

(北京机械设备研究所，北京 100854)

0 引言

永磁同步电机(permanent magnet synchronous motor，PMSM)是一种结构简单，高效实用的电机，具有转动惯量小、无需励磁绕组、功率密度高等优点，在要求快速响应、宽调速范围、高精度控制的应用场合中的应用日益广泛[1-2]。

由于PMSM是一个高度耦合的时变非线性系统，其定子电阻、交直轴电感在运行中随温度、磁路饱和等效应而变化，而传统的控制方法皆是假设时变参数为常值，达到一种近似精确的控制。而为了真正发挥电机的各种优点，则需要寻找到一种控制方案对假设条件有更好的拟合[3]。

随着近年来智能优化算法的进步以及计算机算力的提升，各种智能算法以其对非线性问题的高效求解能力，被逐渐应用到电力调速领域。针对内置式永磁同步电机(internal permanent magnet synchronous motor，IPMSM)常采用最大转矩电流比(most torque per ampere,MTPA)控制策略，充分利用其凸极效应产生的磁阻转矩达到最大的输出力矩[4-5]。

本文针对IPMSM,在传统MTPA的基础上，采用差分进化算法(differential evolution algorithm,DE)优化的神经网络比例积分微分(proportion integration differentiation,PID)控制，使用DE对小规模神经网络进行优化迭代，寻找到适合特定电机的神经网络参数，使其能够在电机运行中输出适合实时状态的电流环PID参数，仿真实验证明这种PID参数整定方法可以有效改善电机的控制特性。