作 者：黄文婷 宋稳力
1 引言 在现代工业社会中，电能的大部分都消耗在了各种电机上，而电机面对的一大问题，就是起动问题。众所周知，交流电机直接起动冲击电流大(额定电流的5至7倍)，对电机、负载，甚至对供电线路都会造成大的损害；同时，在实际运用中，基于安全因素的考虑，通常在电机的参数选择上，会留有较大的裕量，从而导致电机大部分情况下处于轻载运行状态，运行效率极低。因此，能够使起动过程没有瞬态冲击，又能充分利用电机的过载能力的起动设备就显得格外重要。目前较普遍的控制设备有两种，一种是软起动器，一种是变频调速设备，但是后者由于成本比较昂贵，不如前者使用广泛。 软起动器通过改变电机的端子电压来控制电机的起动、停止速度，与此同时，还能控制设备所受到的电气、机械应力，并且在轻载场合达到节能的目的。但是，由于触发角
是关于负载和速度的非线性函数，根据期望的电机转矩、转速来计算出触发角
的值从而改变电压的过程非常复杂。有的方案采用了电流外环、电压内环的双闭环调节[1]，有的则采用了速度反馈闭环的控制方案[2]，还有的则采用功率因数角反馈的闭环控制[3]，这些方案的共同点是都需要各种传感器。本文提出的基于bp神经网络的软起动器控制策略是开环的，不需要任何速度或者电压传感器，最多仅仅需要一个电流传感器来反映过流故障。
2 软起动器
图1 软起动器拓扑图
软起动器拓扑结构如图1所示，这其实一个交流调压电路，通过改变晶闸管的触发角
来改变电机的定子电压，以控制电机起动速度、起动电流、起动转矩和起动电压的变化曲线。按照经典的调压电路控制理论，图1中的六个晶闸管必须按照一定的先后次序触发，而且至少有两个非同相晶闸管同时导通，以保证负载电流能够形成环路。其触发脉冲按图中晶闸管标号1至6的顺序依次滞后60°电角度。 运用matlab软件simulink中power system模块，对三相交流异步电机软起动器的进行建模以及仿真，其结构框图如图2所示。
图2 软起动器仿真结构框图
电机的参数设为10kw、220v、50hz，极对数为2，定转子端的标么值参数分别为：rs=0.0401p.u rr=0.0377p.u ls=lr=1.0349p.u通过仿真可以得出触发角
负载转矩、电机转速三者的关系。其关系曲线如图3所示，触发角
分别取0至π中以
为步长的13个值，由关系曲线图可以发现，前三个值，即0至
范围内的关系曲线几乎重合在一起，在这个范围内触发角的改变对转速是没有影响的，这也验证了参考文献[5]中关于触发角小于或者等于负载阻抗角时，电流连续，软起动器输出端电压值、电磁转矩以及转速都保持不变的结论。仿真所得的1200组数据保存后作为bp神经网络训练当中所使用的样本。
图3 不同触发角条件下转矩与转差率的关系曲线
3 bp神经网络控制 bp网络是一种多层前馈型神经网络，其神经元的传递函数是s型函数，它可以实现从输入到输出的任意非线性映射。由于权值的调整采用反向传播(back propagation)学习算法，因而称其为bp网络。这种神经网络结构已经被证明可以在有限样本、任意精度条件下逼近任意函数[4]。通过学习，相信该模型可以非常出色的模拟触发角
关于电机转速与转矩的非线性函数。 为精确地计算晶闸管触发角
构造的bp神经网络结构如图4所示。这是一个两层神经网络，其输入量是二维的，即电机转速与转矩。第一层(隐层)有s1个神经元，传递函数是tansig；第二层(输出层)是s2个神经元，传递函数是线性的。训练函数选取基于数值最优化理论的polak-ribiere 共轭梯度法进行训练仿真，其训练函数为traingcgb，一维搜索方法选择‘srchcha’方法。由此形成了初始化待训练的神经网络。
图4 两层bp网络结构
这个网络的训练过程，是通过使用在前面的电机软起动仿真中得出的1200组样本(输入向量p，即电机转速与转矩，以及相应的期望输出向量，即晶闸管触发角
)，来使这个神经网络学习训练，通过不断地调整权值与阈值，使该神经网络的表现函数达到最小。这里的表现函数选取为网络输出与期望输出的均方差msa。
4 神经网络仿真及结果 训练过程如图5(a)所示，经过114次对权值阈值的修改，该神经网络模型在精度上达到了0.49%，即已经完成了对1200组样本精确有效的函数逼近。对该模型的重新验证如图5(b)所示，用该模型对任意输入的转矩与转速所得的触发角
值，从图5中可以看出，两者十分接近，即该神经网络模型非常精确的完成了对触发角
的运算。
图5 bp神经网络仿真结果
5 结束语 本文介绍了一种基于bp神经网络控制的软起动器控制策略，通过在仿真中获得的数据来训练一个二层的bp神经网络，使之能够在任意转矩、转速的条件下精确的得出触发角。该控制策略采用开环控制、方法简单，并且减少了在传感器等反馈元件上的投入，大大降低了成本。 仿真结果表明，该神经网络的训练非常成功，所得的验证数据与实际数据的误差小，工作精度也达到了要求，结果令人满意，很好的解决了在频繁变化的负载条件下难以实时、准确的调整触发角的问题，具有很高的实用价值。
——此文章转载于互联网，文中观点与本网站无关，如有侵权请联系删除
