第 30 卷第 4 期 2011 年4 期 煤 炭 技 术 Coal Technology Vol.30,No.04 April,2011 基于迭代学习控制的开关磁阻电机调速系统的研究 胡瑞华 （南阳理工学院 电子与电气工程系 河南 南阳 ） 473004 , 摘 要:介绍开关磁阻电机的调速系统及各运行状态的控制，由于需要拖动大惯性负载，使电机在制动过程中不稳 定，因此在分析开关磁阻电机调速特性和控制方式的基础上，提出了用迭代学习算法来控制电流的方法，组成双闭 环控制系统 对开关磁阻电机调速系统进行 应用迭代学习控制理论来改 。 。 善大惯性负载系统有很大的理论和实际意义 关键词:开关磁阻电机；大惯性；迭代学习控制； 仿真 中图分类号:TM35 文章编号:1008-8725（2011）04-0033-02 仿真，达到了理想的控制效果 文献标识码:A MATLAB 。 Study of Speed Governing Control System for Switched Reluctance Motor Based on Iterative Learning Control （Electrical and Electronic Engineering, College of Nanyang Polytechnic, Nanyang 473004, China） HU Riu-hua so that the electrical the need to drag large Abstract:SRM speed control system and operation control because of the load inertia, iterative learning algorithm to characteristics of SRD and control methodsBased on the use of control system. On the switched reluctance drive for MATLAB simulation to the ideal of control. Application of iterative learning control theoretical and practical significance. Key words:switched reluctance motor; large inertia; iterative learning control; simulation the current method to form the dual closed -loop control theory to improve the system inertia loads, instability in the braking process, there are a lot of so analysis of 0 前言 开关磁阻电机以其结构简单 制造成本低 、 可控 、 性好 性能优越等优点在工业控制领域得到广泛的 、 应用 由于大惯性负载广泛存在于日常生活 工业企 。 、 军工等领域，典型的大惯性负载如电 业 矿山 、 、 力机车 为了解 水泥厂的旋转窑 。 、 决由于大惯性负载在电机制动减速阶段产生的巨大 冲击力，采用了迭代学习控制算法[1] 。 开关磁阻电机调速系统 压制兵器等 、 建筑 、 冲床 、 SRD 1 1.1 基本结构 开关磁阻电机调速系统与现代电力电子技术 、 控制技术融为一体,从功能上分,其主要由 4 部分组 成: SR 电机 功率变换器和控制电路， 、 如图 1 所示 位置检测器 、 。 图 1 SRD 的基本框图 1.2 运行状态控制 （电流斩波和电压斩波）和高速运行角度控制[2] SRD 的基本的控制方式为低速运行斩波控制 通过 。 分析可以将斩波方式和角度位置调节有机地结合起 来有效改善系统的速度运行 为此，通常意义上把低 。 速电流斩波方式细分为 3 种，即启动斩波方式，此方 式在电动机起动过程中采用的；定角斩波方式，此方 式在电动机起动后较低速度运行时采用；变角度斩 波方式，此方式在中速中采度用 最后在电机高速运 。 行时采用角度位置控制方式（APC）[1] 。 迭代学习控制 2 2.1 迭代学习控制的研究背景 寻找 1984 年针对机器人系统的控制研究，日本学者 Arimoto 等人提出了迭代学习控制这一新方法 这种 。 控制方法只是利用控制系统先前的控制经验，根据 测量系统的实际输出信号和期望信号来寻求一个理 想的输入，使被控对象产生期望的运动，而 的 ” “ 过程就是学习的过程，在学习过程中，只需要测量系 统的信号和期望信号，不像适应控制那样，对系统要 进行复杂的参数估计，也不像一般控制方法那样，不 能简化被控对象的动力学描述 特别是在一类具有 较强的非线性耦合和具有较高的位置重复精度的动 力学系统中，学习控制有着很好的应用 2.2 迭代学习控制研究内容 它包括在学习算法研究过程中各种学习律的提 出以及学习系统结构形式，迭代学习控制的收敛速度 问题 学习控制分析手段问题及迭代学习 初值问题 、 、 迭代 的应用方法等 学习律即迭代学习控制的算法 。 。 。 。 收稿日期:2010-10-11;修订日期:2010-12-15 作者简介: 工作 胡瑞华（ 1968- 。 ），女，河南南阳人，讲师，现在南阳理工学院电子与电气工程系从事电气工程及其自动化教学与研究 中国煤炭期刊网 www.chinacaj.net

·34· 煤 炭 技 术 第 30 卷 过给定期望速度，然后根据电机的实际速度和给定 速度之间的差值来得到给定电流，具体的程序流程 图如图 2 所示 。 。 学习控制的中心向题就是如何选择一种学习律，使得 系统既有良好的稳定性又有较快的收敛速度 目前， 绝大多数迭代学习控制算法采用 PID 型，由于这个 算法和传统的 PID 控制算法极为相似，对参数的调 节和整定规律一样，从而得到了广泛应用和深入的 研究，是最成熟的迭代学习控制算法之一 Arimoto 。 及其合作者在这一方面的贡献最大，他们提出了 D 型 为了便于理论 。 范数这个数学工具，从而得到了保 的分析，引入了 证上述各学习律收敛的充分条件 这一范数成了以 。 后许多迭代学习律收敛性分析的基本工具 对于更 一般的非线性系统多输入输出系统时变系统等，许 多学者根据不同的系统条件，也得到了一系列简单 的 PID 型学习收敛条件[3] 2.3 非线性系统闭环 ILC 的收敛性分析 PD 型和 PID 型迭代学习律 、 P 型 、 。 。 λ f 和 （1） ), ( x觶= ( ( )) t u t t,x f ) ( ) ))+ ( ( = ( t u D t t,x y g t x0，其中 系统初始条件为 (0)= 1, x缀Rn,u缀Rm,y缀R x B缀R 是 Lipschiz 连续的[4]，即 g x1, u1, ( ‖f ( ( x2, + ‖u1- ) u1, ‖x1- ‖燮Lf t )- ( ( x1, ‖燮LC‖x1- ) x2, C ‖C x2‖ t t ， 是不确定的系数 LC Lf 其中 任务可以描述如下：给定一个理想的输出 )， ( yd t )满足 ( t yd （4） ( )使得系统相应的输出 t ud )= ( t ek ) （2） （3） 寻找一个控制输入 )- f u2‖ x2‖ 。 )- t ×m, 1 4 ( ( ) yd yk t t → 当 , t缀 k→∞ 0 [0, ] T 其中输入控制信号根据系统的学习给出来[5] 系统动态方程如式（1）所示的非线性，选择如下闭 。 G t缀 ( t )+ 式中 环的 PD 学习率举例，如下所示 ) +1( ek t )= （5） ) ( )+ ( ) +1( ( ek t B uk t t t uk+1 [0, ]； )为增益矩 ( 为迭代次数， ), ( T k t B G t )为第 +1 次控制量； 次控制量； )为第 ( 阵； k uk k t uk+1 )= )- )为第 +1 次跟踪误差； )为期望轨 ( ( ( ( yk+1 yd yd ek+1 t t t t )为第 ( 迹， +1 次跟踪轨迹，即闭环 PD 型迭代学 t yk+1 k 习控制利用了上一次跟踪时的控制量与本次跟踪误 差的导数项 以下给出该学习律下的收敛条件： 。 )对于 满足 Lipschitz 条件，即存在 >0, ( t k M 使得 （1） ( x,t f x 坌x1, [0, ], 坌t缀 T ( t,x1)- t,x2) ( ‖f f x2缀Rn, ‖燮M‖x1- （2）每次运行的初始误差{ 零的序列 。 （3）存在唯一理想的控制 x2‖ δxk (0)} 0 为一收敛到 k≥ )使系统的状态和 ( t ud 输出为期望值 +1+ ( t Г T ( t ( t [0, )， ) B ) C 坌t缀 ]存在逆矩阵 （4） I 采用（5）所示的控制率，则对于任意给定的初始 (0)所得序列 { )，及每次运行的初始状态 )} u0( ( 控制 xk t t ( 0 皆对于 ( ( 0,{ ), )} 0,{ )} t t t yd uk yk ud )的充分条件为普半径 ) C ( t 迭代学习控制在（ 具体的调速过程采用了 PD 型迭代学算法，通 坌t缀 ）的应用 一致地收敛到 [( I+Г SRD ))-1]<1, ( t ud ) B k叟 ( t [0, ( t ( t 3 xk ), T k叟 ρ k叟 ] t （6） 图 2 程序流程图 一阶仿真实例 考察含有大惯性环节的 SRD，设系统的传递函 ，令系统的期望输出为转台的减速 数为 ( )= s s10 +1 s )=cos( ( t s。 t 次迭代使得系统输出 G 曲线为 习控制，经过 =5 时， )基本上完全与 ( yk t k 得其图形如图 3 所示 )重合 ( yd t ]， [0, T T /10), =30 yd t缀 k 。 利用闭环迭代学 ( )趋于 当 ) ( t 。 t yd yk 运用 Matlab 仿真 。 图 3 仿真曲线 5 结束语 迭代学习控制由于结构简单和对系统精确模型 的不依赖性使其在控制系统中得到广泛的应用 但 。 开环迭代学习控制只利用了系统前次运行的信息， 而忽略了系统当前的信息，相比之下，闭环算法由于 利用了系统的当前信息，所以比开环算法具有更好 的收敛性和更强的鲁棒性，这就使得对于一般线性 系统的闭环迭代学习控制及其收敛性的研究显得尤 针对带大惯性的 SRD 系统，提出了用迭代 为重要 。 学习控制的方法，分析迭代学习算法的收敛性 验证 。 了迭代学习控制可以大大改善大惯性 SRD 系统 参考文献： [1] 王宏华.开关型磁阻电动机调速控制技术[M].北京:机械工业出版 。 社,1995. [2] 郑洪涛,蒋静坪.开关磁阻电机高性能转矩控制策略研究[J].电工 技术学报,2005,20(9):24-28. [3] 林辉，王林.迭代学习控制理论[M].西安:西北工业大学出版社， 1998. [4] 孙明轩，黄宝健.迭代学习控制[M].北京:国防工业出版社，1999. （责任编辑 王秀丽） 中国煤炭期刊网 www.chinacaj.net