智能控制在电气传动系统中的应用研究

智能控制在电气传动系统中的应用研究

赵红明 梁慧 吴永侠 郭文英

临沂市产业技术研究院 276037

摘要：本文对电气传动系统智能控制应用进行了分析，首先对智能控制概念及特点进行了阐述，其后对电气传动系统智能控制应用方法进行探讨，最后对智能控制在电气传动系统中的具体应用进行了分析。

关键词：电气传动系统；智能控制；应用

电气传动系统具有电源、控制设备、传动机构、电动机四个部分，在运行电源促使电动机工作，将电能转化为机械能，进一步由传动机构传递，传动机构利用机械能实施控制作业，以此达成生产机械化的效果^[1]。电气传动系统的智能控制实现，对于生产控制作业的发展有着重大意义。

一、智能控制特点及其在电气传动系统中的应用

1、智能控制特点

智能控制较自动化控制而言，具有以下特点：其一，智能控制成功脱离依赖数学模型控制的模式，以实际控制作为的目标，在进行控制的过程中并不依靠任何数学模型；智能控制具有人类思维模式模拟的能力，采取非线性控制模式；按照系统工作状况进行控制模式调整，以此提升系统工作效果；具有自我评估、在线决策、在线识别的能力，促使整体控制系统效果、效率提升；智能控制使用的是分层信息处理方法进行信息的处理工作，因此在反应的速度上更快。

智能控制在电气传动系统中应用的作用

2.1系统性能优越

一般而言，因为在控制目标上的不仅相同，智能控制方法也较为不同。智能控是非线性控制技术，通过神经网络、模糊控制、遗传算法等控制方法在电气传动系统中的应用，能够有效突破传统函数估算器对于控制目标的局限性，进而使系统响应时间得到缩短，提升控制系统性能。比如采用模糊逻辑控制器，较传统最优化控制器而言，在上升和下降时间上都得到响应改善。

2.2系统灵活性强

监督学习型神经网络与自适应神经网络试探法，是智能控制器中常用的两种方法，不过进行智能控制系统的调整时，监督学习型神经网络因为常规模糊控制器学习算法基本定型，且选择的是拓扑结构，使用既定a-priori型信息处理器，所以在系统调整上的效果一般。同时监督学习型神经网络不能使模糊控制器处于正常工作的状态。相对而言，自适应模糊神经控制器经过拓扑结构配置和学习算法的优化，使监督学习型神经网路控制中的问题得到解决，系统的灵活性得到有效提升。

二、电气传动系统智能控制应用方法

1、模糊控制方法

在智能控制中模糊控制是较为重要的方法之一，是利用模糊集合刻画生活生产概念中的模糊性，以此使电气传动系统控制器能够够对专家的系统控制经验进行学习，并模仿其操作方法。传统自动化控制中，连续控制系统中的物理量形态主要为数量型，控制系统中PID调节器对运行中对系统数字量数据信息值展开计算。使用模糊控制对电气传统系统中的数字量数据信息数值计算过程中，需要转换为模糊语言，经过模糊推理获得具体数量。电气传动系统中模糊控制器在内部的结构上较为复杂，不过从模糊控制器外部I/O特点而言，其展现的形式较为简单，实际电气传动系统应用时模糊控制器积分效益增强后，其控制功能和PID调节器有较为相似。

单神经元控制方法

电气传动系统中的有效数据按照一定规律构成的神经网络，能够在计算速度达成要求的基础上，对电气传动系统中的控制问题进行解决，尤其是较为复杂的问题。不过神经网络没有计算机硬件支持，所以在电气传动系统中无法实现有效应用。根据电气传动系统控制特点，电气传动系统使用单神经元控制方法，能够达成电气传动非线性控制要求的基础上，对电气传动系统鲁棒性提升。电气传动系统输入两位误差和误差积分、微分，应用神经网络有关规则，能够对电气传动系统中输入量权重自动进行调整。于此基础上，单神经元电气传动系统控制效果，能够和变系数自适应PID调节器相同，使电气传动动态性能提升，只对依赖误差信号，并不受研究目标的参数变化影响，使电气传动系统鲁棒性得到有效提升。

三、电气传动系统中智能控制的具体应用

1、电气传动系统中模糊逻辑控制的应用

模糊控制器中，具有两个种类，一种为Mamdani，一种为Sugeno，前者能够在调速控制器中应用。但两种控制器都有自己的规则库，是if-then模糊规则集。但后者模糊控制器中典型规则为：如果x是a，且y是b，那么z=f（x，y）。a与b是模糊集，而z=f（x，y）是x和y的函数，一般是输入变量x，y的多项式。如果f是常数的情况下，就是零阶Sugeno模型，也是两种模糊控制器中的例外。电气传动系统中进行智能控制中模糊逻辑控制应用，以直流电气传动与交流传动系统为例：

在坦克电传动速度控制器（直流传动）应用中，选择目前应用广泛的Mamdani模糊控制器为例。在具体进行速度控制系统的构建中，首先要模糊化背景，进行输入变量模糊化和量化等多样的形式，同时针对具体的形式建立隶属函数；其次进行知识库的构建。主要是由语言库控制规则和数据库控制规则共同构成，语言库存储并利用专家经验和知识，建模操作器进行人工网络推理机制的建设，以此实现自适应化的模糊控制；再次，对Mandani控制器核心进行确认，直流传动智能控制器中的推理机是核心部分，其能够对的推理和决策模糊控制行为进行模仿，以此实现智能控制的效果；最后要进行控制器中的反模糊化与量化工作，应用中间平均技术实现了坦克电传动系统的速度控制器的构建。在进行应用的过程中，智能控制系统可以通过控制中的结果进行自学习，以此实现自身适应性的提升。

图1 坦克电传动速度控制器框图

交流传动智能控制系统中，可以利用模糊控制器代替原速度调节器，比如英国某大学进行的传动系统研究，具有高性能、全数字特征。在电气传动智能控制系统的具体运行中，使用模糊逻辑感应电机磁通与力矩，对方案有效性进行验证。且在该系统可以同时应用CERPWM塑变器、PI速度控制器、模糊速度控制器，能够对放在转矩扰动情况进行补偿。

2、电气传动系统中神经网络控制的应用

神经网络在信号处理及模式识别中的应用是极为广泛的，其在电气传动系统中的而应用，是基于非线性函数估计器，其不需要被控系统数学模型便能进行控制，受到噪音影响相对较小，具有良好的一致性。同时，该控制模式对于输入传感器的应用上也有良好的适用性，比如诊断系统、条件监控中的使用，能够有效提升决策的效果。虽然在现阶段中，传感器正在不断减少和缩减体积，但多传感器能够使系统减小特殊传感器缺陷敏感性，精度要求也相对更低，信号处理更为简单可靠。

神经网络应用于直流传动系统中时，引起自身非线性函数估计的条件，能够在未掌握控制目标模型的前提下进行操作，应用并行结构，能够适应输入中多个传感器的应用。而在直流电气控制中的应用，主要是交流电机及驱动系统的检测与诊断，比如优化步进电机控制算法方案中，充分进行神经网络常规反向转播算法，按照负载转矩和初始速度实际状况，依靠试验数据支撑，将最大可观测速度增量进行确认，同时在该过程中使用神经网络对三维图形映射功能进行掌握。和提醒控制算法相比较而言，神经网络反向转播算法使用中，交流传动系统可以得到有效的完善，以此使得定位时间减少，同时对负载转矩初始速度进行有效控制。

3、电气传动系统中遗传算法控制的应用

遗传算法是模仿遗传学机理得到的，是以生物进化过程、自然选择为基础的计算模式，这一算法能够使先最优解搜索。遗传算法是搜索法整体与搜索法优化，进行计算时只需对搜索方向的对象函数进行影响，但不依靠梯度信息，这使得传动控制系统中的复杂问题解决框架得到构建，在智能控制系统中的应用极为广泛。

结束语

现代经济的迅速发展，是基于社会生产的迅速发展，而工业中自动化、智能化对整体工业的发展有关键作用。智能控制是脱胎于自动化控制理论，但在控制效果上较自动化控制有一定差异，本文对其在电气传动系统中的应用进行分析，能够为现代工业发展提供借鉴。

参考文献

林长青.基于PLC的钻机电气传动同步控制器优化设计[J].机械设计与制造工程,2019(7):47-51.

王治学,刘沂.无人值守换热站智能控制系统设计[J].电气传动,2019(8):57-61.