基于可变电抗的软起动器设计毕业设计论文 ㊣ 精品文档 值得下载

索对未知的外界做出反应，即在教师信号的指导下，对环境信息进行相关学习和自组织，使对应的输出增强或削弱。

这种规则有利于单神经元控制器与受控对象的交互作用，增强了学习能力适应能力和控制能力，易于实时控制。

该学习规则经过规范化处理如下其中，武汉理工大学毕业设计论文这里的分别为积分比例微分的学习速率，为单神经元的比例系数。

对积分，比例和微分分别采用了不同的学习速率，以便对不同的权系数进行调整。

采用二次型性能指标的学习算法在最优控制理论中，采用二次型性能指标来计算控制规律可以得到期望的优化结果，在神经元学习算法中，也可以借用最优控制中二次型性能指标的思想，在突触权值的调整中引入二次型性能指标来调整突触权值，从而间接实现对输出误差的约束控制。

对于同系统，若选择的目标函数不同，则可能得到不同的最优控制。

若定义性能指标为突触权值的调整量为式中为学习速率，。

将式和式代入式可得各权值增量表达式式中分别表示积分比例和微分学习效率。

通常是未知的，可以用近似符号函数代替，即由此带来的计算不精确可以通过调整学习速率来补偿。

对上述算法进行规范整理后，可以得到学习算法如下武汉理工大学毕业设计论文单神经元控制的参数调整控制器参数整定是控制系统设计的核心内容。

它是根据被控过程的特性确定控制器的比例系数积分时间常数和微分时间常数的大小。

通常用的整定方法很多，主要有两大类是理论计算整定法。

它是依据系统的数学模型，采用控制理论中的些方法，经过理论计算确定控制器的参数。

这种方法计算繁琐，依赖于系统的数学模型，而且计算出来的参数未必可以直接应用，还必须通过实际的调整和修改。

二是工程整定的方法，它主要依赖工程经验，直接在系统试验调试时进行参数整定，方法简单，在实际设计中被广泛地采用。

控制器参数的工程整定方法，主要有临界比例度法，响应曲线法和衰减曲线法等。

在实际的控制系统中，许多被控系统具有高度的非线性时变不确定性和纯滞后等特点，这就要求在控制中，不仅的参数整定不依赖对象的数学模型，而参数能够在线整定，以满足实时控制的要求。

控制器在工程实践中用途广泛，但它不适用于参数时变对象或参数摄动较大的对象。

而单神经元控制器是类在线自适应控制器，这给参数的整定问题带来了方便。

单神经元控制器学习算法的运行效果与可调参数的选取有很大关系。

通过大量仿真和试验研究，总结出参数调整规律如下初始突触权值的选择控制器第次运行时可以任意选取，软起动结束后，控制器将突出权值记录在中，下次起动时，读取上次记录的值作为初始突触权值，从而得到优化后的参数和更好的起动性能。

增益值的选择是系统最敏感的参数，值增大减小相当于三项同时增大减小。

较小时，系统响应慢，超调量减小较大时，系统响应快，但超调量增大，调整时间加长过大时，容易产生振荡。

可先确定个增益，在根据仿真与试验结果进行调整。

对阶跃输入，若输出有较大的超调，应减小若上升时间长，无超调，应增大。

武汉理工大学毕业设计论文学习速率的选择在开始调整时，选择较小值，当调整使被控对象具有良好的动稳态性能后，在逐渐增大，使系统输出基本无纹波。

若响应特性出现上升时间短，超调量大，应减小，而不变反之，上升时间长，无超调，应增加，而不变。

若过程从超调趋向平稳时间太长，可增大。

若超调迅速下降低于参考值，此后又缓慢上升到稳态的时间太长，则可减少，增强积分项的作用。

般地，学习速率不能过大，否则神经元调节器易超调学习速率也不能过小，否则神经元调节器调节过程缓慢。

从系统实现可以看出，单神经元控制器按照常规控制器的控制机理进行控制，不仅具有神经元的特性，而且还结合了传统控制器的特点。

在单神经元控制算法中，的选取非常重要。

但在这种控制算法中，权值的调整是依照外界环境不断达到控制效果的，权值自校正会比较慢，因此考虑将值用个逐步衰减的系数带入，即为式中为的稳态值，为待定系数，般为的十分之左右。

从式中可以看出当偏差较大且大于零时，值变大，控制增量增加，提高了响应速度当偏差为比较大的负数时，值变小，控制增量减小，使输出迅速降低，保证了响应不出现过大的超调在稳态附近，随着偏差趋近为零，值逐渐接近稳态值，保证了算法的特性。

取偏差的三次方是为了增强偏差变化对的作用，比直接采用偏差效果更好。

选用上述的非线性变换在线修正方法的单神经元控制器的极大优点是只需整定个参数即神经元放大比例系数初值，易于收敛，过渡过程短，不易振荡及发散，易于控制实现。

对于的整定方法如下为防止设置过大而达不到稳态值，或输出产生振荡，的整定应该逐渐增大。

确定最终值方法在系统阶跃输入扰动情况下，当输出超调过大或振荡时，应适当减小当输出跟踪不上设定值时，应适当增大若控制量持续增长到输出上限值，表明设置过大，应大幅度降低若控制量变化甚微，控制量持续缓慢增长或缓慢降低，表明设置过小，神经元已经丧失学习能力，应大幅度增加。

武汉理工大学毕业设计论文单神经元控制软件流程软起动控制算法中单神经元控制器采用有监督的学习规则。

单神经元控制算法流程图如图所示。

控制算法流程如下设定权系数初值，赋值给。

般地，权系数初值采用上次软起动中存入的权值若该软起动控制器为第次起动，则使用三个任意数。

根据系统偏差，求取。

计算控制信号，从而得到输出给功率变换单元的给定。

进行数据采集测得电机起动电流。

由实际起动电流和给定电流计算误差，修正权系数，若实际起动电流与给定值相符时，稳定不变。

回到步骤直到稳定不变。

由于单神经元控制算法需要个在线自学习的过程，所以单神经元算法比常规稍慢。

般地，可以适当增大单神经元增益系数，当然，这有可能带来微小的超调还可以在试验中设定定的误差阀值，如果电机起动电流误差在阀值范围内，则单神经元控制器不进行突触权值等参数的调整，这样可以在定程度上减少微处理器的计算量。

开始设定权值系数根据系统偏差求计算并输出至功率变换单元数据采集检测起动电流给定与输出相符稳定不变输出修正权值系数结束图单神经元控制算法流程图武汉理工大学毕业设计论文系统仿真与试验系统仿真系统仿真采用及其工具箱。

中的电气系统模块库涵盖了电路电力电子电气传动和电力系统中常用的基本元件和模块，该模块库是在电机仿真时经常使用的。

本节对可变电抗式软起动进行了仿真研究，阐述了软起动主要环节模块的处理，包括三相交流电压源同步脉冲发生可变电抗器三相交流调压模块异步电机及测量电流反馈和控制器等环节。

建立了完整的仿真系统模型，给出了仿真结果。

主要环节的仿真三相交流电压源的仿真模型使用三个单相交流电源按星形连接，通过设定正确的相位顺序和幅值关系，加以组合构成，并封装成模块，如图所示。

异步电机的仿真模型中的电力系统模块库功能非常强大，可以用于电路电力电子系统电机系统和电力传输等过程的仿真，它提供了些常用的电机仿真模块，异步电机仿真模型如图所示。

输入和输出分别对应定子和转子的三相线路连接，模块内部定子和转子的三相绕组都设定为星形接法，中性点不能为外部所用，转子的输出通常直接短接或者也可和外部电路相连，为电机负载转矩输入，为含有个电机量的矢量输出。

为电机测试信号分路器，其作用是将各路信号分离出来，如定转子三相电流，电机转速，电磁转矩等，以便直接接示波器或输出端子进行显示。

双击该模块，即可以对需要观测的输出信号进行选择。

图中，我们设置的观测量为定子电流，这些输出可用仿真示波器直接予以观测。

双击图中的异步电机模型，在弹出的对话框中可以对电机的参数进行设置，图三相交流电压源仿真模型图异步电机仿真模型武汉理工大学毕业设计论文包括绕组类型，参考坐标系，额定功率，线电压，频率，定子电阻和漏感，转子电阻和漏感，互感，转动惯量，摩擦系数和极对数等。

这里我们设定的电机参数如下额定功率，额定电压，额定电流，额定转速，，，，，﹒，﹒。

同步环节模块三相交流调压电路的控制角的点定在各相电压过零点，因而同步信号应取电源相电压信号，其内部模型如图所示，含有三个输入端口，三个输出端口。

由于电气系统模块本质上同常规模块是有区别的，涉及到两类模块之间的信号流动，必须使用中间接口模块，因而这里使用了电压测量模块作为输入电气信