[發明專利]基于改進PSO-BP神經網絡的無刷直流電機控制方法

在審

• 申請號: 201711192636.0
• 申請日: 2017-11-24
• 公開（公告）號: CN108365784A
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 張淑芳;朱彬華
• 申請（專利權）人: 天津大學
• 主分類號: H02P21/00
• 分類號: H02P21/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李素蘭

1.一種基于改進PSO-BP神經網絡的無刷直流電機控制方法，采用BP神經網絡控制器來控制速度環，其特征在于，用改進粒子群算法來優化BP神經網絡結構，該方法具體包括了兩部分算法，即改進PSO算法離線訓練BP神經網絡初始權值算法流程和BP神經網絡控制器的參數在線自整定算法流程；首先通過改進PSO粒子群算法對BP神經網絡初始權值進行離線訓練，其次將離線訓練得到的最優網絡權值作為BP神經網絡的初始網絡權值，并通過BP神經網絡自學習進行網絡權值調整從而對PID的三個控制參數在線調節，進而控制無刷直流電機。

2.如權利要求1所述的基于改進PSO-BP神經網絡的無刷直流電機控制方法，其特征在于，所述改進PSO算法離線訓練BP神經網絡初始權值算法流程，具體包括以下步驟：

(1)隨機初始化粒子群，初始化包括以下處理：

假設粒子群規模為N，每個粒子均在D維空間以一定的速度飛行搜索，則每個粒子在D維空間的位置和速度分別表示為：

利用粒子群優化BP神經網絡控制器中，D維向量空間對應BP神經網絡的權值?？刂破髦械乃袡嘀惦S機產生初始值，范圍在[0，1]之間；將粒子i的位置更新方程如下：

其中，x_id^k為第k次迭代粒子i的第d維位置矢量，x_id^k為第k次迭代粒子i的第d維位置矢量，v_id^k為第k次迭代粒子i的第d維速度；

粒子i在d(d＝1，2，..，D)維空間的飛行速度更新方程如下：

其中，w_max為慣性權重的最大值，取0.9，w_min為慣性權重的最小值，取0.4，K_max為最大迭代次數，k為當前迭代次數，c_1s、c_1e、c_2s、c_2e分別是c₁、c₂的初始值和結束值，取c_1s＝c_2s＝2.5，c_1e＝c_2e＝0.5；v_id^k為第k次迭代粒子i的第d維速度，x_id^k為第k次迭代粒子i的第d維位置矢量，c₁為自我學習因子，c₂為社會學習因子，通常c₁、c₂取常數，rand₁、rand₂為[0，1]之間的隨機數，為粒子目前搜索到的最優適應值，為粒子群目前搜索到的最優適應值；

(2)按照公式(8)對粒子群進行適應度計算，適應度函數的表達式為

其中，n_ref(k+1)是給定電機轉速，n_out(k+1)是實際電機轉速，e(k+1)是電機給定轉速與實際轉速二者的誤差，fit(k+1)是粒子的適應度值；

(3)根據速度更新方程(7)和位置更新方程(3)對粒子的速度和位置迭代更新，同時更新粒子個體最優和群體最優值，若達到最優粒子或者滿足終止條件時，以當前的群體最優粒子作為BP神經網絡的初始權值。

3.如權利要求1所述的基于改進PSO-BP神經網絡的無刷直流電機控制方法，其特征在于，所述BP神經網絡控制器的參數在線自整定算法流程，具體包括以下步驟：

(1)確定BP神經網絡的輸入層和隱含層的個數，初始化學習速率η，把改進粒子群算法得到的最優初始權值作為BP神經網絡的輸入層權值和隱含層權值，令k＝1，k代表迭代次數；

(2)采樣得到n_ref(k)和n_out(k)，n_ref(k)是給定電機轉速，n_out(k)是實際電機轉速，計算電機給定轉速與實際轉速二者之間的轉速誤差e(k)＝n_ref(k)-n_out(k)；

(3)計算BP神經網絡各層神經元的輸入和輸出，公式(1)和公式(6)的結果。

使用的BP神經網絡控制器輸入層節點有2個，隱含層節點有6個，輸出層節點為3個，輸出層的3個節點和PID控制器的三個可調參數K_p、K_i、K_d分別對應；

神經網絡控制器的輸入為：

式中，n_ref(k)為給定輸入速度，e(k)為第k步的轉速誤差；

隱含層的輸入和輸出為：

式中，下標j表示輸入層的節點號，下標i表示隱含層的節點號，上標(1)、(2)、(3)代表控制器的輸入層、隱含層、輸出層。其中激勵函數f(x)為雙曲正切函數，如下：

神經網絡控制器的輸出為：

式中，l是輸出層的節點號，K_p、K_i、K_d不為負數，因此輸出層的激勵函數取非負的雙曲線正切函數，如下：

輸出層的輸出即為PID控制器的三個可調參數，計算PID控制器的控制輸出；

(4)進行BP神經網絡自學習，調整輸入層權值和隱含層權值，即：首先通過網絡的實際轉速輸出和給定轉速，計算誤差函數，根據誤差函數對輸出層的神經元求偏導，其次反向通過隱含層到輸出層的連接權值，計算誤差函數對隱含層的神經元的偏導，再通過輸出層和隱含層各神經元的偏導修正隱含層與輸出層的連接權值，最后通過輸入層和隱含層各神經元的偏導修正隱含層與輸入層的連接權值，使得修正后的網絡控制的轉速誤差達到控制要求的精度，實現PID控制器在線調整控制參數；

(5)更新輸入層權值和隱含層權值，令k＝k+1，返回(2)。