感应电机矢量控制系统的SVM-FIS自学习控制.pdf

第27卷第6期
计算机仿真
2010年6月
文章编号:1006-9348(2010)06-0194-05
感应电机矢量控制系统的SWM-FIS自学习控制
郑海祥,李仲宇,周少武
(湖南科技大学信息与电气工程学院,湖南湘潭411201)
摘要:研究交流电机系统特性,针对常规模糊推理系统自学习能力不强,用支持向量机与模糊系统结合,提出了一种支持向
量机一模糊推理系统,由支持向量机实现模糊推理系统的自学习。设计一种基于自适应混沌优化算法的支持向量机ー模糊
推理自学控制器,并将其应用于无速度传感器感应电机矢量控制系统的速度控制。控制系统采用定转子自适应磁通观测
器估计磁通,用转速动态估计器来估算转子转速。仿真结果表明,控制方法啊应速度快,鲁棒性强,稳定性好,是一种有效的
控制方法。
关键词:矢量控制;无速度传慼器;支持向量机;模糊控制;自学习
中图分类号:TYM921.5文献标识码:B
SVM -FIS Self-learning Control for Induction
Motor Vector Control Syst
ZHENG Hai-xiang, II Zhong-yu, ZHOU Shao-wu
School of Information and Electrical Engineering, Hunan University of Science and Technology
Xiangtan Hunan 411201, CH
ABSTRACT: Aiming o e poor self-learning ability of conventiona] fuzzy inference system(FIS),the support
vector machines was hybrid with the fuzzy inference system, and a self-leaming controller based on support vector
machines -fuzzy inference system( M-FIS was proposed in this paper. The self-learning capability of fuzzy
inference system was realized using support vector machines(VM A SM-FIS self-learning controller based
on self - adaptive chaotic optimzation a rim was des, and it is applied to the speed-sensorless induction
motor vector control s stem, in which the sta- or adaptive Mlu observer is used o estimate flux, and the speed
dnamic mar use o mae r ma ls hw a his control method is effective with
rapid response speed, strong robustness and good stability
KEYWORDS: Vector control; Speed -senorless; Support vector machine(VM); Fuzzy control; Self-leaming
整,从而限制了其自适应能力。人工神经刚络有很好的学习
1引言
能力和准确通近任意非线性函数的能力。将模糊控制与神
交流电机是一个多变量强耦合、非线性的控制对象,虽经网络结合起来,由神经网络来实现模糊推理,即可利用神
然有比较确定的数学模型,但由于具有非线性和变参数等特经网络的学习能力来达到调整模糊隶属函数和控制规则的
点,使得传统的基于对象模型的控制方法显得力不从心。近目的,从而使控制系统获得更好的性能门。然面,神经网
年来,模糊控制和神经网络控制相樂引入交流调速系统的控络是基于经验风险最小化准则,因而存在过学习、局部极小
制中,用于解决传统控制方法所遇到的因难り。模糊控制不点结构设计依赖于专家经验等缺点。与神经网络不同,支
依赖于被控制对象的精确模型,可基于校少的控制规则得到持向量机是依据结构风险最小化准则,具有小样本学习、全
控制信号,具有较强的鲁棒性。但是模糊控制综合定局最优泛化能力强等特点。9。閃此,将支持向量机与模糊
量知识的能力较差,不能对自已的控制规则进行有效的调控制相结合,进一步提高控制系统的性能,具有重要的研究
基金项目:湖南省自然科学基金项目(08B127):湖南省高校科学研意义。
究项目(08C337
本文研究了一种支持向量机-模糊推理系统(SVM
收稿日期:2009-03-30修回日期:2009-05-04
FS),由支持向量机实现模糊推理系统的自学习,并设计了
194一
万方数据