基于BP神经网络的永磁同步电机电流控制系统设计

---

前言

永磁同步电动机是一个强非线性系统，其动态过程不能用精确的数学模型表示。常用的控制方法是基于PI的FOC控制，PI控制具有结构简单、易实现的优势，但是，控制系统发生变化时，常规的PI控制难以对系统起到良好的控制效果。介绍一种基于神经网络优化PI参数的永磁同步电机电流控制器建模，对于提升系统的自适应具有一定的效果，整个建模过程不复杂，在Simulink中利用S-Function搭建。

---

一、神经网络的基本原理

神经网络主要是模拟人脑的行为，它是由大量与生物细胞相似的人工神经元相互连接，通过各自的相互作用，快速处理外界的信息。

1.人工神经元模型

人工神经元是神经网络的基本单位，M-P模型是目前人们使用相对普遍的一种神经元模型，其结构如图1-1所示。

图1-1 神经元模型示意图，此模型是含有多个输入和单个输出的非线性控制系统，这即是最简单的神经元模型结构。

2.BP神经网络PID建模过程

PID控制比例、积分、微分三个参数。借助BP神经网络对非线性函数的映射能力，就可以让PID控制中的参数进行非线性组合，从而得到最优解。其控制器由常规PID对控制对象形成闭环反馈；神经网络根据特定的学习算法和系统的状态，得到最优的PID控制器的参数。如图1-2所示。

借助BP神经网络对非线性函数的映射能力，就可以将PID控制中的参数进行非线性组合，从而优化得到最优解。所构建的控制器基于常规PID展开，建模过程中对控制对象形成闭环反馈；神经网络根据预设的学习算法优化PID控制器的参数。

BP神经网络整定PID参数，PID采用增量表达式：
$$u\left(k\right)=u\left(k-1\right)+Kp\left[e\left(k\right)-e\left(k-1\right)\right]+K{i}^{\ast }e\left(k\right)+Kd\left[e\left(k\right)-2e\left(k-1\right)+e\left(k-2\right)\right]$$
BP神经网络输入层的输入：
O (