基于数据驱动的感应电机多模型逆自适应解耦控制  

Data-driven adaptive decoupling control of induction motors using multi-model inversion

作　　者：梅从立[1] 殷开婷 黄文涛[1] 刘国海[1] 

机构地区：[1]江苏大学电气信息工程学院,江苏镇江212013

出　　处：《控制与决策》2016年第6期1037-1041,共5页Control and Decision

基　　金：国家自然科学基金项目(61273154);江苏省高校优势学科建设工程项目(PAPD)

摘　　要：提出一种基于数据驱动的感应电机多模型逆自适应解耦控制方法.首先,利用仿射聚类法(AP)对电机系统的输入输出数据进行聚类,再基于聚类结果和隶属度函数建立相应的神经网络多模型逆,以实现解耦控制.针对电机系统运行过程中电机参数变化问题,采用粒子群优化算法(PSO)在线调节子模型权值,以改善逆模型失匹造成解耦控制性能下降的问题.仿真实验表明,所提出的方法能对电机的转速和磁链实现良好的解耦控制,且对电机系统工况参数变化具有良好的自适应能力.To achieve high performance of control, a data-driven adaptive decoupling control method of induction motors using multi-model approach is proposed. In the method, local inverse models are trained on the clusters of simulation data by using the affinity propagation（AP） clustering method which can determine the number of clusters automatically, and membership functions are used to combine local models. For the problem that the parameters of induction motors usually change with operating conditions, an online adaptive adjusting strategy of the weights of local models is designed with the particle swarm optimization（PSO） algorithm to improve the adaptive ability of the proposed control method. Simulations show that the proposed method can achieve good performance of decoupling control with adaptive ability.

关 键 词：感应电机 多模型 解耦控制 仿射聚类 粒子群优化算法 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]