| 【中文题名】 | 基于PLC的两变频调速电机系统的神经网络逆同步控制 |
| 【英文题名】 | Neural Network Inverse Synchronous Control in PLC of Two-motor Variable Frequency Speed-regulating System |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-9 |
| 【中关键词】 | 两电机同步系统,解耦控制,神经网络α阶逆系统,PLC,WinCC, |
| 【英关键词】 | Two-motor synchronous system,Decoupling control,Artificial neural networksα-th order inverse system method,PLC,WinCC, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
长期以来，PLC始终处于工业自动化控制领域的主战场，为各种各样的自动化控制设备提供了非常可靠的控制应用。同时，随着科学技术的发展和生产系统规模的扩大，多电机同步系统成为现代工业生产中应用比较广泛的电控系统。
本文针对交流感应电机同步系统多变量解耦问题，在江苏省自然科学基金的支助下，应用神经网络α阶逆系统方法对由PLC控制的两台电机和变频器组成的同步系统的速度和张力解耦控制进行了研究。
首先，使用逆系统方法对此系统进行了可逆性分析，在理论分析的基础上，使用神经网络构造原系统的α阶逆系统，并给出了构造神经网络α阶逆系统的具体的方法、步骤、设计原则和注意事项。将得到的逆系统与原系统复合，则两电机同步系统就被线性化和解耦为速度与张力两个相对独立的伪线性子系统，再分别设计线性闭环调节器进行控制。
自行设计了由PLC和上位机监控组态软件WinCC组成两电机同步系统的实验平台。对神经网络的学习与训练，采用先将采集的数据在Matlab中进行离线训练，得到RBF网络的参数，系统运行时根据需要再在PLC中对这些参数进行在线调整。大量的实验表明：所设计使用的神经网络α阶逆系统方法成功实现了速度与张... |
| 【论文题纲】 |
|
摘要 |
5-6 |
|
ABSTRACT |
6-9 |
|
第一章 绪论 |
9-22 |
|
1.1 研究的目的和意义 |
9-10 |
|
1.2 非线性系统及其解耦控制的研究 |
10-15 |
|
1.2.1 非线性系统控制的早期发展 |
10-11 |
|
1.2.2 反馈线性化解耦控制 |
11-12 |
|
1.2.3 智能线性化及解耦控制在非线性控制中应用 |
12-15 |
|
1.3 多电机同步控制技术的发展概况 |
15-17 |
|
1.4 PLC以及组态软件的发展 |
17-20 |
|
1.4.1 PLC的发展概况 |
17-18 |
|
1.4.2 组态软件的发展概况 |
18-20 |
|
1.5 本文研究思路的提出 |
20-21 |
|
1.6 本文内容安排 |
21-22 |
|
第二章 神经网络α阶逆系统方法 |
22-31 |
|
2.1 逆系统方法简介 |
22-25 |
|
2.1.1 逆系统 |
22-24 |
|
2.1.2 伪线性复合系统 |
24-25 |
|
2.1.3 逆系统方法原理 |
25 |
|
2.2 系统可逆性判别 |
25-26 |
|
2.3 神经网络α阶逆系统方法 |
26-30 |
|
2.3.1 神经网络的特点 |
26-27 |
|
2.3.2 神经网络α阶逆系统方法的提出及其实现方法 |
27-28 |
|
2.3.3 神经网络α阶逆系统结构和工程实现步骤 |
28-29 |
|
2.3.4 基于神经网络α阶逆系统的复合控制系统 |
29-30 |
|
2.4 小结 |
30-31 |
|
第三章 两电机同步系统的数学分析 |
31-38 |
|
3.1 两电机同步的数学模型及其简化 |
31-33 |
|
3.2 两电机数学模型的可逆性分析 |
33-37 |
|
3.3 小结 |
37-38 |
|
第四章 神经网络α阶逆系统方法在两电机同步控制系统中的实现 |
38-63 |
|
4.1 硬件系统设计 |
38-42 |
|
4.1.1 机械部分 |
38-39 |
|
4.1.2 电气部分 |
39-40 |
|
4.1.3 负载部分 |
40 |
|
4.1.4 通讯部分 |
40-41 |
|
4.1.5 参数检验部分 |
41-42 |
|
4.2 软件系统设计 |
42-53 |
|
4.2.1 上位机监控软件 |
42-46 |
|
4.2.2 下位机主控程序 |
46-53 |
|
4.3 两电机神经网络逆系统的构建 |
53-62 |
|
4.3.1 试验数据的采集与激励信号的选取 |
53-55 |
|
4.3.2 试验数据的处理与训练样本的获得 |
55-56 |
|
4.3.3 神经网络的选型与训练 |
56-60 |
|
4.3.4 系统逆模型的重构 |
60-62 |
|
4.4 系统综合及控制器的实现 |
62 |
|
4.5 小结 |
62-63 |
|
第五章 神经网络α阶逆系统方法在两电机同步控制系统中的实验 |
63-71 |
|
5.1 复合系统解耦实验 |
63-67 |
|
5.2 复合系统负载实验 |
67-68 |
|
5.3 复合系统跟踪效果实验 |
68-70 |
|
5.4 实验结果分析 |
70 |
|
5.5 小结 |
70-71 |
|
第六章 结论与展望 |
71-73 |
|
6.1 主要结论 |
71-72 |
|
6.2 进一步发展方向 |
72-73 |
|
参考文献 |
73-76 |
|
致谢 |
76-77 |
|
攻读硕士期间发表论文 |
77-78 |
|
附录 |
78 |
|
| 【DOI】 | LunWen.ID:2.2008.388956 |
