|
第二部分
目录
1 电力电子与电机传动系统的仿真
2 电力电子与电机传动系统中应用的数字控制器
3 人工智能技术
4 模糊逻辑(FL)在电力电子与电机传动系统中的应用
5 人工神经网络(ANN)在电力电子与电机传动系统中的应用
1 电力电子与电机传动系统的仿真
什么是仿真？为什么要进行仿真？
l实际电路或系统的虚拟表示法或软件表示法
l需要通过数学方程或者电路拓扑对模型进行描述
l将复杂的变换器以及控制策略做成实验板或者进行样机开发之前，应先进行仿真研究
l对于新开发的产品进行虚拟性能测试可以节省时间和费用
l仿真研究非常具有指导性
l个人计算机上的现代仿真程序是非常有效，且用户界面友好
l仿真结果和模型描述是一致的
l实时控制和诊断程序经常可以从仿真程序直接产生
l可以通过反复运行仿真程序，优化电路和系统设计
l无需害怕由于故障或者异常操作而导致的损害
SIMULINK仿真软件特征
l MATLAB环境中基于强大的数学模型的系统仿真程序
l具有图形用户界面
l用于: 非线性动态系统的仿真
线性/非线性系统仿真
连续/离散时间系统仿真
多种速率
分层模型
l图形构造模块库
lMATLAB，FORTRAN或者C代码的用户界面
l能够从模型中产生C代码用于实时控制，
l仿真可以与其它工具箱链接
l仿真结果能够用于MATLAB处理
l大的图形容量
SIMPOWER SYSTEMS仿真软件特征
l用于电力系统的建模和仿真程序(包括电力电子和电机传动)
l具有图形用户界面的扩展的SIMULINK仿真
l能进行包括SIMPOWER SYSTEMS模块和SIMULINK模块的混合仿真
l电力系统设备和元件的模型储存在库中
l类似于PSPICE的基于电路图的电路和系统仿真
l需要SIMULINK和MATLAB环境
l仿真可以与其它工具箱链接
l电力系统模块库中的某些构成元素
电力电子元器件的模型
感应电机和同步电机的模型
电源和电路元件
电路测量部件
进行电路和系统分析的图形用户界面
2 电力电子与电机传动系统中应用的数字控制器
数字控制器分类树如下:
[x]____-01.jpg[y]
英特尔87C51GB微控制器特征(MCS-51系列)
l8位定点
lMCS-51系列中最初的8751/8051的高改进版本
l4K X 8 EPROM, 128 X 8 RAM, 16MHz, 0.75ms的指令周期时间
l6个8位多功能双向并行接口
l3个16位可编程定时器/计数器(具有上升沿/下降沿计数模式)
l两个16位可编程计数器排列具有:
比较/捕捉，软件定时，高速输出，PWM调节器和看门狗定时功能
l8通道模数转换器，具有8位分辨率以及比较模式
l全双向可编程串行接口，且具有串行扩展接口
l硬件看门狗定时器
l空闲和功率下降模式
l MCS-51系列指令集
l布尔运算处理，乘法运算以及除法运算指令
TI公司的TMS320系列数字信号处理器(DSP)(图18)
l TI公司TMS320 系列DSP的演变
[x]____-18.jpg[y]
图18 TI公司TMS320 系列DSP的演变
l TI公司的高级TMS320 DSP系列(图19)
[x]____-19.jpg[y]
图19 TI 公司的高级TMS320 DSP系列
TMS320F2812 DSP特征
l 32位定点处理器
l 150MHz频率
l 哈佛结构的静态CMOS
l 计算速度:150MIPS(周期6.67ns)
l 18KX 16位 RAM，128 KX 16位FLASH存储器
l BOOT装载ROM
l 12位，16通道A/D转换器
A/D转换器时间80ns
l 16个PWM通道，两个事件管理器
l 看门狗定时器，SCI，SPI，CAN，McBSP(多通道缓冲串行端口)
l 3个32位定时器
l 32×32位乘法器
l 四种节电模式
l 支持C语言和汇编语言
l 和C200系列的源代码兼容
3 人工智能技术
什么是人工智能(AI)?
l 人脑拥有生物神经网络，因此天生具备学习，思考和理解能力
l AI的目标—将人脑智能植入计算机中以便使计算机能够象人脑一样进行智能思考
l 计算机真的能够进行思考并且作出聪明的决定吗？
l 智能计算机—远远低于人脑天生智能，但是，它能够帮忙解决复杂的问题
l AI技术广泛应用于: 工业过程控制
医学
信息处理
军事系统
空间技术
人工智能(AI)分类
l 专家系统(ES)
l 模糊逻辑(FL)
l 人工神经网络(ANN)或神经网络(NNW)
l 遗传算法(GA)
4 模糊逻辑(FL)在电力电子与电机传动系统中的应用
模糊逻辑(FL)特征
l 布尔逻辑或清晰逻辑:1(是)，0(非)
模糊逻辑:多值:从0到1
l 人类模糊思想方式的模仿
模糊逻辑例子:
IF:传动电机的速度为低
THEN:电流应设定为高
专家系统例子:
IF:传动电机的速度<1000转/分
THEN:电流应该>50A
l模糊变量(速度，电流)以及由隶属函数表示的语言模糊集(低，高)
l 1965年，加利福尼亚大学伯克利分校的Lotfi Zadeh创立了模糊集合理论
l1975年第一次应用于工业—伦敦玛丽皇后大学的MAMDANI和ASSILIAN将模糊集合理论应用于蒸汽机控制
在转动惯量可变的矢量控制感应电机传动系统中的模糊速度控制器(图20)
[x]____-20.jpg[y]
图20 转动惯量可变的矢量控制感应电机传动系统中的模糊速度控制器
l 系统控制框图
l 两规则模糊速度控制器的构成(图21)
[x]____-21.jpg[y]
图 21 两规则模糊速度控制器的原理
l 模糊速度控制变量的模糊集隶属函数(图22)
[x]____-22.jpg[y]
图22 模糊速度控制变量的模糊集隶属函数
l 模糊速度控制器的规则表(图23)
[x]____-23.jpg[y]
图23 模糊速度控制器的规则表
基于模糊逻辑的风力发电系统控制(图24)
[x]____-24.jpg[y]
图24 基于模糊逻辑的风能发电系统控制
l 基于模糊逻辑的风力发电系统框图
l 模糊控制器(FLC-1和FLC-2)使输出功率增加的作用原理(图25)
[x]____-25.jpg[y]
图25 通过模糊控制器(FLC-1和FLC-2)的作用使输出功率增加
模糊逻辑应用的发展趋势
l一般来讲，基于人工智能(AI)的智能控制和估算方法在电力电子和电机传动系统中将会起到非常重要的作用
l模糊控制在参数变化和负载转矩扰动的非线性反馈系统中可能可以提供最好的鲁棒性
l模糊逻辑在在线故障监测和故障耐力控制中将会起到越来越重要的作用
l然而模糊逻辑在功率电子和调速系统领域的应用非常有限
l在输入输出映射中模糊逻辑比神经网络有竞争力
l设备模糊动态模型的发展，如弧熔炉，熔钢转炉
l模糊设备参数和状态估计
l模糊控制的大功能特定用途集成芯片有效性问题
5 人工神经网络(ANN)在电力电子与电机传动系统中的应用
生物神经元(图26)
[x]____-26.jpg[y]
图26 生物神经元
人工神经元(图27)
[x]____-27.jpg[y]
图27 人工神经元
人工神经元的激励函数(图28)
[x]____-28.jpg[y]
图28 人工神经元的某些激励函数
神经网络特征
l模仿人类思维人工智能(AI)最一般的形式
l神经计算是由人类的生物神经网络激发的
l基本上输入与输出之间的非线性映射现象与模糊系统是类似的
l可进行具有故障容错和滤噪能力的大容量高速并行计算
l通过对输入输出样本数据集进行学习(或训练)获取知识
l具有模式分类、函数近似以及联想记忆的功能
l典型应用:
电力电子系统中的控制和估计
一般工业过程控制
机器人视觉系统
在线监测等
神经网络的一些网络模型
(1) 前馈网络
l感知器
lAdaline和Madaline模型
l反向传播神经网络
l径向基函数神经网络(RBFN)
l普通回归 (GRNN)
l模块神经网络 (MNN)
l学习向量量化神经网络(LVQ)
l随机神经网络 (PNN)
l模糊神经网络 (FNN)
(2) 递归网络
l实时递归神经网络
l ELMAN神经网络
lHOPFIELD神经网络
lBOLTZMANN机
lKOHONEN自组织特征映射(SOFM)
l循环网络
l脑中盒(BSB)
l自适应共振理论(ART)网络
l双向联想记忆(BAM)网络
单层感知器应用
l单层感知器网络(图29)
[x]____-29.jpg[y]
图29 单层感知器网络
l用于上通道的模式分类边界说明(图30)
[x]____-30.jpg[y]
图30 仅用于上通道的模式分类边界说明
多层感知器类(MLP)前馈人工神经元网络(图31采用反向传播训练)
[x]____-31.jpg[y]
图31 多层感知器类(MLP)前馈人工神经元网络(采用反向传播训练)
实时递归人工神经元网络(图32)
[x]____-32.jpg[y]
图32 实时递归人工神经元网络
用于产生三相正弦波的三层前馈人工神经元网络(图33)
[x]____-33.jpg[y]
图33 用于产生三相正弦波的三层前馈人工神经元网络
基于人工神经元网络的字母识别(图34)
[x]____-34.jpg[y]
图34 基于人工神经元网络的字母识别
联想网络映射字母A(图35)
[x]____-35.jpg[y]
图35 联想网络映射字母A
矢量控制感应电机传动系统反馈信号估计
l矢量控制感应电机传动系统反馈信号估计方程(图36)
[x]____-36.jpg[y]
图36 矢量控制感应电机传动系统反馈信号估计方程
l用于矢量控制感应电机传动系统反馈信号估计的人工神经元网络拓扑(图37)
[x]____-37.jpg[y]
图37 用于矢量控制感应电机传动系统反馈信号估计的人工神经元网络拓扑
基于人工神经元网络的单相方波无延迟滤波及多相输出(图38)
[x]____-38.jpg[y]
图38 基于人工神经元网络的单相方波无延迟滤波及多相输出
60Hz频率三相脉宽调制波无延迟滤波(图39频率可变，电压可变)
[x]____-39.jpg[y]
图39 60Hz频率三相脉宽调制波无延迟滤波(频率可变，电压可变)
实现两电平逆变器的空间矢量脉宽调制的人工神经元网络拓扑(图40)
[x]____-40.jpg[y]
图40 实现两的空间矢量脉宽调制的人工神经元网络拓扑
应用基于人工神经元网络的空间矢量脉宽调制的三电平二极管钳位逆变器感应电动机传动系统(图41)
[x]____-41.jpg[y]
图41 应用基于人工神经元网络的空间矢量脉宽调制的三电平二极管钳位逆变器感应电动机传动系统
l系统工作原理
l三电平逆变器电压空间矢量(图42)
[x]____-42.jpg[y]
图42 三电平逆变器电压空间矢量
lU相在P状态和N状态时的开通时间函数曲线(图43)
[x]____-43.jpg[y]
图43 U相在P状态和N状态时的开通时间函数曲线
l实现三电平逆变器空间矢量脉宽调制的人工神经元网络拓扑(图44)
[x]____-44.jpg[y]
图44 实现三电平逆变器空间矢量脉宽调制的人工神经元网络拓扑
五电平逆变器空间矢量脉宽调制的人工神经元网络实现
l五电平逆变器的简化表示(图45)
[x]____-45.jpg[y]
图45 五电平逆变器的简化表示
l五电平逆变的开关状态(图46)
[x]____-46.jpg[y]
图46 5层变换器的开关交换状态
l基于人工神经元网络的五电平逆变器空间矢量脉宽调制实现(图47)
[x]____-47.jpg[y]
图47 基于人工神经元网络的五电平逆变器空间矢量脉宽调制实现
l调制系数m′=0.53(31,8Hz)时系统性能(图48)
[x]____-48.jpg[y]
图48 调制系数m′ = 0.53 (31,8 Hz)时系统性能
用于磁链估计的两级可编程级联低通滤波器(PCLPF)
l用于磁链估计的两级可编程级联低通滤波器(PCLPF)原理框图(图49)
[x]____-49.jpg[y]
图49 用于磁链估计的两级可编程级联低通滤波器(PCLPF)框图
l用于磁链估计的混合人工神经元网络(图50)
[x]____-50.jpg[y]
图50 用于磁链估计的混合人工神经元网络
基于模糊神经网络的定子磁场定向矢量控制的电动汽车传动系统(图51)
[x]____-51.jpg[y]
图51 电动汽车基于模糊神经网络的定子磁场定向矢量控制传动系统
神经网络在电力电子学中应用的进展和发展趋势
l人工智能技术正在扩展到电力电子学领域—对电力电子工程师们提出了新的挑战
l在所有人工智能学科中，神经网络将对电力电子学产生最大的影响
l目前，大多数应用使用反向传播的前馈型人工神经元网络(ANN)
l许多其它的前馈神经元网络和递归神经元网络拓扑都需要探讨
l没有可用的大型ANN专用集成芯片是个主要问题—大多应用都使用DSP
l自适应人工神经元网络的快速在线训练问题
l可以利用混合人工智能技术AI(神经-模糊，神经-遗传，神经-模糊-遗传，模糊-遗传)开发强大的智能控制以及估计方法
l将来，单个神经模糊专用集成芯片能承担无传感器矢量控制，且具有在线故障诊断和容错控制能力
l期望在将来获得更广泛的应用
对电力电子和电机传动系统的总结和对今后发展的预测
l技术发展、成本降低、尺寸减小都极大的促进了电力电子和电机传动系统在民用，工业，商业，航空，军事，运输和电力系统等领域的广泛应用
l推进了全球工业自动化的发展，特别是发展中国家工业自动化的发展
l化石燃料的短缺以及环境保护的规则将会增加能源使用的成本—因此将促进通过电力电子来节省能源
l清洁的对环境无污染的风能以及光伏能的使用将广泛增长
l汽油短缺以及环境污染问题会使电动车和混合动力车的使用广泛增加
l大能量带隙电力半导体器件将会给电力电子技术带来新的活力
l在不久的将来，晶闸管类型的大功率电力电子变换器仍将会使用，但最终会被淘汰
l电压源型变流器将会得到普遍的应用
l大容量的多电平变流器电力系统以及传动系统中普遍使用
l空间矢量PWM技术将会在电机传动系统中普遍使用
l电力电子变流器技术也会向超大规模集成电路技术发展—集成以及自动化设计—仿真—制作—测试
l变流器、控制器以及电机最终将合并在一起构成智能电机
l在传动系统中最终将会普遍采用矢量控制技术
l基于人工智能技术的控制与估计将会被更多地采用
l功能强大的神经网络专用集成芯片将会出现并得到使用
l电力电子与电机传动技术已经趋于S曲线的饱和部分—将来的重点是逐步增加对应用的研究
l电力电子技术最终将会确立和计算机一样重要的，具有广泛用途的地位 | 
