摘 要：本文設計了電流閉環和電壓閉環的雙閉環控制系統。由于此系統在某些情況下不穩定。傳統的PI調節器無法對其進行優化。便在此基礎控制下進行改進，利用神經網絡控制，得出一種基于PWM整流回饋的自適應控制系統，以取得更優效果。最后，在理論分析的基礎上，對直接購買的兩臺二極管電壓型交-直-交變頻器進行改造及實驗，在此基礎上拍攝了相關的實驗波形，并對實驗結果進行了分析說明，證明了設計的準確性與有效性。 關鍵詞：電壓型整流器;PWM整流回饋;神經網絡控制 Abstract：This paper designed a double close loop control system based on current and voltage. As the system instable in some cases, the traditional PI regulator can not regulate the system more precisely. To make a more stable and better control effect, it should be improved by using Neural Network Control to get a feedback adaptive control system of PWM rectifier in order to achieve better results. Finally on the basis of theoretic analysis, two diode voltage source type AC-DC-AC rectifiers has been reconstructed to do the experiment. The test waveforms and analysis results show that the design improved the accuracy and effectiveness of the control system. Keywords: Voltage Source Rectifier; PWM Rectifier Feedback ; Neural Network Control 引 言 　　近年來，交流變頻調速技術在我國有了突飛猛進的發展，變頻調速在各方面的優異性能，是其他的交流調速方式無法比擬的。然而其弊端也日趨顯露，主要表現為：惡化了供電系統的供電質量;諧波電流及其產生的諧波電壓導致系統中的控制、保護和測量裝置誤動作;整流器處于深度相控工作時，電網側功率因數低，降低了發電和輸電設備的利用率，同時產生大量的附加損耗;于整流元件的單向導電性，電機制動的再生能量無法回饋給電網。 　　隨著電力電子器件不斷發展及DSP控制芯片性能的不斷提高，實現采用雙PWM的變頻器已成為可能。所謂雙PWM變頻器即整流和逆變均采用IGBT開關器件進行可控整流和逆變，逆變部分在電機控制上已非常成熟，所以說整個系統的控制關鍵在于整流部分。由于該技術可以實現能量快速回饋，且功率因數高，因此它在小型水電、風力發電能量回饋的控制方面有著廣泛的運用。 1 三相橋式PWM整流器主電路建模分析 　　1.1 三相VSR系統模型 　　三相VSR主電路結構如圖2.4所示， T1～T6為整流器功率開關管，D1～D6為續流二極管，在功率管不導通時，電流可以在二極管中續流，該圖也是系統設計整流回饋部分的等效電路圖。 [align=center] 圖1三相VSR主電路結構[/align] 　　根據上圖及基爾霍夫電壓定律，電流平衡方程可得該電路在三相靜止（a，b，c）坐標系下的一般數學模型： 　　 　　其中S[sub]k[/sub]為開關信號，其定義如下： 　　 　　這種一般數學模型具有物理意義清晰、直觀等特點。但在這種數學模型中，三相VSR交流側均為時變交流量，因而不利于控制系統設計。 　　1.2 基于兩相旋轉坐標系系統模型 　　在三相靜止坐標系下，e[sub]a[/sub]、e[sub]b[/sub]、e[sub]c[/sub]以及i[sub]a[/sub]、i[sub]b[/sub]、i[sub]c[/sub]存在耦合。通過坐標變換可以簡化系統模型，將三相靜止坐標系abc變換到兩相同步旋轉d-q坐標系。其中d軸與三相電壓合成矢量方向重合且以角速度ω逆時針同步，q軸超前d軸90[sup]。[/sup]變換分“等量”坐標變換和“等功率”坐標變換，本文所設計的變換均采用“等量”坐標變換。所謂“等量”坐標變換，是指在某一坐標系中的通用矢量與變換后的另一坐標系中的通用矢量相等的坐標變換。坐標系之間的關系如圖2.5所示，圖中 為三相輸入電壓的合成矢量[22]。 [align=center] 圖2 坐標系abc和d-q坐標系之間的關系[/align] 　　遵循等量變換的原則，上述變換關系可以用下面的變換矩陣描述： 　　 　　根據式（1）和式（3），可得到三相VSR在旋轉兩相d-q坐標系下的系統模型為： 　　 2 三相VSR控制方法 　　由已知的兩相旋轉坐標系d-q系統模型，可以得到d-q兩相電流微分方程為： 　　 　　由此，可以將系統電流內環設計為： 　　 　　根據上述分析，構造如下圖所示的變流系統雙閉環控制結構。外環為電壓環，控制直流母線電壓的輸出，通過直流母線電壓給定和反饋得到系統輸出電壓誤差，經過電壓調節器計算有功電流給定。其值決定有功功率大小，符號決定功率流向。系統內環為電流環，其作用是控制電流響應。控制框圖如圖3所示。 [align=center] 圖3 三相VSR基于同步旋轉變換方案控制框圖[/align] 　　然而上述系統也有所缺陷，要保證輸入功率因數cosφ=1，則必須始終保持無功電流=0。不過在實際操作中這一點是很難做到的，系統始終會有少量的無功分量是無法去除的，即不可能全為零。當負載突變的情況下，反饋到電流環上的無功分量必將放大，這樣就會產生很大的誤差，使系統發生振蕩而不穩定。同時該系統屬于非線性系統，有關的參數并不好測，使得傳統PID調節無法做出優化。為了避免這些問題的產生，本文通過引入神經網絡控制的方法對系統進行改進，以達到系統自適應調整從而消除超調的目的。 3 神經網絡控制 　　神經網絡應用于控制系統設計主要是針對系統的非線性，不確定性和復雜性進行的。由于神經網絡的適應能力，并行處理能力和它的魯棒性，使采用神經網絡的控制系統具有更強的適應性和魯棒性。本文主要對神經網絡中的直接控制進行介紹。 　　3.1 神經網絡直接控制概述 　　隨著神經網絡研究的深入，神經網絡在控制中的應用已從開始的仿真研究，逐步走向了應用研究。在諸多神經網絡控制方式中，雖然直接控制還不能從理論上直接得到基于未知非線性系統輸出誤差的網絡權值調整方法，但是“簡單是真的印記”這句拉丁格言一直影響著人們在工程上的選擇。因此，神經網絡直接自適應控制以其結構簡單，算法簡潔，工程上易于理解而倍受人們的重視。神經網絡直接控制結構如圖4所示。 [align=center] 圖4 神經網絡直接控制[/align] 　　這里根據古典PID控制的精髓，提出一種新的神經網絡直接控制器，其網絡權值由三部分組成：比例項，積分項和微分項。積分項即為傳統神經網絡權值部分，其作用是產生記憶，保證控制的連續性和穩態收斂精度;比例項和微分項的作用則保證了在控制誤差出現時網絡權值具備“瞬間”的應變能力，從而產生相應的調節控制量。微分項還具有一定的變結構控制能力，可以增強控制器的魯棒性。 　　3.2神經網絡控制器的設計 　　本文根據離散PID控制算法來構造神經網絡控制器[38]，并將其應用于實時控制。 　　通常PID控制算式為： 　　 　　將式中的積分用求和代替，將式中的微分用有限差分代替，則式（7）可近似為： 　　 　　在控制過程中，三個權值ω[sub]1[/sub]、ω[sub]2[/sub]、ω[sub]3[/sub]依據偏差來修正。如偏差小于給定誤差時，則權值不再修正。由網絡構成的系統控制如圖5所示： [align=center] 圖5 神經網絡控制器結構圖[/align] 　　網絡權值修正公式為： 　　 　　其中，L[sub]y[/sub]為學習步長，y＊為給定值，y為輸出值，u為計算出的控制量，x[sub]1[/sub],x[sub]2[/sub],x[sub]3[/sub]為待送入的參考量。 　　學習步長L[sub]y[/sub]一般取（0，1）之間的數，它的大小決定網絡權值的調整幅度，網絡的初始權值ω[sub]i[/sub]（0）不僅關系到網絡能否到全局最小點，同時對網絡學習時間的長短有較大的影響。神經網絡理論中，一般取隨機數作為初始權值。根據我們設計的神經網絡控制器的特點，我們取主電機的PID參數值來調整初始權值。 4 PWM整流回饋自適應控制系統 　　4.1 系統設計 　　本節是利用前面所述章節的理論基礎對系統進行具體設計，來達到控制要求。整流部分的設計是基于PWM整流器解耦控制，主要包括以下幾個部分：坐標變換、PWM波形的產生、數字PI調節器的實現，以及引入的智能模糊神經網絡控制器，如圖6所示： [align=center] 圖6 基于逆變輸出的PWM整流回饋自適應控制系統[/align] 　　系統網側根據電壓及電流采樣算出功率因數cosφ。系統給定是直流母線電壓指令U[sup]＊[/sup][sub]dc[/sub]，這個指令與直流母線電壓反饋U[sub]dc[/sub]的誤差送到神經網絡控制器待計算。電流反饋i[sub]a[/sub]，i[sub]b[/sub]，i[sub]c[/sub]經abc/dq變換變成兩相旋轉坐標系d-q下的電流i[sub]fd[/sub]，i[sub]fq[/sub]。其間，電流檢測亦經abc/dq得到兩相旋轉坐標系d-q下i[sup]＊[/sup][sub]fd[/sub]，i[sup]＊[/sup][sub]fq[/sub]，作為兩個重要參數連同功率因數cosφ送入智能模糊神經網絡控制器進行自學習，并與相應的電流指令的誤差送達電流環PI調解器產生電壓指令U[sup]＊[/sup][sub]pd[/sub]、U[sup]＊[/sup][sub]pq[/sub]，經計算單元得電壓U[sub]pd[/sub]、U[sub]pq[/sub]，再經2r/2s變換兩相旋轉坐標系d-q下電壓U[sub]pd[/sub]、U[sub]pq[/sub]變成兩相靜止坐標系 下的電壓U[sub]d[/sub]、U[sub]q[/sub]，并按產生的PWM信號控制IGBT管。以判斷能量整流亦或是逆變，以及其變換速率，以便PI參數的自整定，加快系統的響應速度，使系統快速跟隨逆變側的變化，實現快速回饋。 　　其中i[sup]＊[/sup][sub]fd[/sub]的調節可以使得系統在負載突變狀況下不會造成大的擾動，而調節過程要用到模糊控制的相關算法，本文僅用到神經網絡的控制算法對其他參數進行調節。而通過模糊控制調節i[sup]＊[/sup][sub]fd[/sub]的算法過于復雜，計算量也較大，這里并未討論，但可以作為以后課題繼續加以研究。 　　利用神經網絡控制器，可以對非線性系統進行自調整，不需要精確測出有關參數，而只要將相關量放入控制器中進行自我學習，再送入PI調節器中進行整定即可。通過引入神經網絡控制器，使得系統整流側與逆變側的能量保持相等，且能量能快速的雙向流動，而不至于將多余的能量儲存在直流電容上造成能源的浪費。同時，可以保持網側功率因數為單位功率因數，即cosφ=1。 　　4.2.基于系統的神經網絡控制器的設計 　　根據第三章內容將系統中具體的量帶入到神經網絡控制器中得到基于系統的控制器，如圖7所示。 [align=center] 圖7 模糊智能神經網絡控制器[/align] 　　送入控制器的有四個量：逆變側經坐標變換后得到的電流有功分量i[sup]＊[/sup][sub]fd[/sub]，無功分量i[sup]＊[/sup][sub]fq[/sub]，系統功率因數cosφ，輸出電壓的誤差分量，我們這里給出除i[sup]＊[/sup][sub]fq[/sub]外的其他三個參數經過控制器自學習的計算公式，其中： 　　由圖6看到智能模糊神經網絡控制器分別對有功及無功環進行控制。 　　有功環通過 及 進行自學習，則網絡權值修正公式可寫為： 　　 　　4.3 系統實驗及結果分析 　　本文實驗所使用的設備是由直接購買兩臺二極管電壓型交-直-交變頻器，并聯二變頻器的直流側，不可控整流部分懸空。因其逆變側采用的是IGBT，使一臺變頻器的逆變側為快速回饋系統的整流側，另一臺變頻器的逆變側為快速回饋系統的逆變側，且采用PWM控制技術。將直流電機部分作為負載，將全數字直流調速器運行于力矩模式，為交流電機提供負載。 　　驗中，網側相電壓為220V，頻率為50Hz。實驗波形采用FLUKE電源質量分析儀進行拍攝得出。實驗均以a相輸入電壓、電流波形為例，進行說明，如圖7，圖8所示。 圖7 傳統PI調節的整流輸入實驗波形 圖8基于神經網絡控制器的整流輸入實驗波形 　　由圖7（a）可知，在利用傳統的PI調節器時，此時輸入電流值為5A，而i[sub]a[/sub]波形上出現了紋波，這是由于IGBT管在短時間內來不及換相所致，同時還能發現電流波形相對于電壓波形有所滯后，說明此時功率因數有所偏離。當輸入電流值增大到7A時，如圖7（b）所示，i[sub]a[/sub]波形上的紋波更加明顯，此時i[sub]a[/sub]同樣滯后于u[sub]a[/sub]，功率因數偏離更明顯。 　　而由圖8（a），（b）所示，當加入了神經網絡控制器控制系統后，無論電流值多大，i[sub]a[/sub]波形上的紋波都消除了，呈現的是完美的正弦波，并且i[sub]a[/sub]始終與u[sub]a[/sub]同相位，即系統的功率因數為1，達到了本課題系統設計的要求。 結束語 　　基于逆變輸出的PWM整流回饋自適應控制系統因其具有輸入電流正弦性好，可獲得單位功率因數，能量可實現雙向流動等特性，是目前電力電子領域中被廣泛研究的課題之一，特別是在小型水電、風力發電能量回饋的控制方面有著廣泛的運用。并且隨著電力諧波治理和無功補償技術的發展，三相高功率因數可逆整流器的開發已成為大功率AC-DC可逆變換器的最佳選擇，也是AC-DC-AC可回饋變頻器的核心。 　　本文將智能模糊神經網絡控制器運用于傳統的雙PWM變頻系統中，該方法與常規 PID控制器相比,能夠實時在線地按照系統的偏差對控制器參數進行自我調整,從而提高了控制器的自適應能力和魯棒性，大大提高了系統的動態性能。該方法也是為改進已有的直流電源控制裝置和正在研制的變頻調速裝置而提出的，具有前瞻性和先導性的作用。為深入研究可逆整流器特性和實現其控制奠定了理論基礎。但要實現裝置的產品化，系統主電路和控制參數的優化，逆變側電流PI參數自整定，以加快系統的響應速度的問題，還有待于從理論和實驗上做進一步的研究和分析。 參考文獻 　　[1] 張祟巍，張興. PWM整流器及其控制. 北京：機械工業出版社，2003. 　　[2] 熊健，康勇等.三相電壓PWM整流器控制技術研究[J].電力電子技術，1999（4）：5-7. 　　[3] 王兆安，黃俊. 電力電子技術. 北京：機械工業出版社，2000. 　　[4] Satish Kumar.神經網絡（英文影印版）[M]1版.北京：清華大學出版社，2006. 　　[5] Sato, Akira Multi-level current-source PWM rectifier based on direct power control 2007, p 1768-1773. 　　[6] 李素芳.三相電壓型PWM整流器[D].華中科技大學碩士論文，2003.4. 　　[7] Sun Wei ,Wu Xiaojie,Dai Peng,Zhou Juan.An over view of damping methods for three-phase PWM rectifier. IEEE ICIT 2008 - Conference Proceedings, 2008. 　　[8] 楊行峻，鄭君里.人工神經網絡.高等教育出版社，1992.9. 　　[9] 陶永華.新型PID控制及其應用[M].2版.北京：機械工業出版社，1998. 　　[10] 陳小麗.高功率因數雙PWM變頻調速系統的研究[D].廣西大學碩士論文，2005.6. 　　[11] Hasan Komurcugil,Osman Kukrer.Lyapunov based control for three-phase PWM AC/DC voltage source converters.IEEE Trans.Power Electronics,1998,13（5）:801-813. 　　[12] Gorecki, Krzysztof,Stepowicz, Witold J. Evaluation of macromodels of monolithic current mode PWM controllers. Proceedings of International Conference, TCSET 2006,pp141-144.