[发明专利]一种曳引机自适应控制系统

说明书

技术领域

本发明属于扶梯动力装置应用和节能领域，具体涉及一种扶梯曳引机自适应控制系统。

背景技术

随着城市建设的加快，在百货商店、大型超市、候车室、候机厅、地铁站等客流量集中的地方，都普遍设有为数可观的自动扶梯。与此同时，越来越多的人注意到，自动扶梯的人体乘坐舒适度和能耗问题，又是新的技术挑战。对于曳引式自动扶梯，人们日常关注的是它的乘坐舒适度、快速性等指标，但这些性能指标又是相互对立的，在保证足够人体舒适度的情况下就很难兼顾运行的时间。对于自动扶梯运行过程中减速上行和加速下行时产生的制动能量，通常是经由电阻以热能的形式消耗掉，这样不仅造成巨大的能量浪费，同时由于这些耗能电阻发热使环境温度升高，造成故障。若能将自动扶梯回馈的能量进行再利用，将能节约很大一部分能量，对于庞大的自动扶梯使用数量而言，每年将产生可观的经济效益。可见对扶梯驱动装置节能技术和自适应控制的开发潜力巨大、意义非凡。

目前市场上现有的自动扶梯设备的设计，主要考虑的是人体乘坐的舒适度，而这是以降低自动扶梯运行速度为前提的。此外，自动扶梯在设计时不仅要考虑速度的指标，还有自动扶梯电流的控制、转矩脉动的抑制、低功耗节能等因素都是自动扶梯设计需重点考虑的因素，但上述因素间又是相互抑制的，目前的自动扶梯设计中还未能很好地解决上述问题。

发明内容

本发明提供一种曳引机自适应控制系统，通过综合考虑自动扶梯电流的控制、位置的控制、转矩脉动的抑制、低功耗节能，实时计算并控制电机输出系统所需的功率，达到曳引机的输出功率与系统所需功率的精确匹配，降低功耗和噪音的目的。

本发明包括检测单元、计算单元、存储单元、控制单元，

所述检测单元与曳引机系统相连，所述检测单元包括电流传感器、加速度传感器、温度传感器、速度传感器、扭矩传感器；所述电流传感器、加速度传感器、温度传感器、速度传感器、扭矩传感器用于检测曳引机的电机电流、电机加速度、减速机油温、电机速度、曳引机输出扭矩相关运行参数信息；

所述计算单元与所述检测单元连接，所述计算单元与所述检测单元相连，根据所述提取的曳引机运行参数，计算当前工况下系统所需的曳引机输出功率P₀，通过建立BP神经网络模型拟合建立起输入量与输出量之间的非线性映射关系；

所述存储单元与所述计算单元相连，根据所述BP神经网络模型，采用差分进化算法训练神经网络的权值，所述存储单元存储有曳引机功率特性匹配表和电机转速分配数据库；

所述控制单元与所述计算单元相连，通过神经网络的自学习能力，在线调整某种最优控制规律下的PID控制器的三个参数：比例系数kp、微分系数ki和积分系数kd，实现某种性能指标的最优化，根据所述优化模型对扶梯曳引机进行自适应控制调节。

所述差分进化算法具体步骤有：

步骤101，确定所述差分进化算法控制参数。差分进化算法控制参数包括：种群规模、变异算子、交叉算子、最大迭代次数，并随机产生初始种群；

步骤102，确定所述PID控制器三个参数：比例系数kp、微分系数ki和积分系数kd的上下限；

步骤103，根据所述步骤控制的结果对初始种群进行评价，即计算初始种群中每个个体的适应度值.；

步骤104，根据所述步骤计算得到的适应度函数值来判断迭代次数是否达到最大；

步骤105，所述步骤的判断结果若是迭代次数达到最大迭代次数，则进化终止，将此时的最佳个体作为解输出；若否，继续；

步骤106，根据所述步骤进行变异和交叉操作，对边界条件进行处理，得到临时种群；

步骤107，根据所述步骤对临时种群进行评价，计算临时种群中每个个体的适应度值；

步骤108，进行选择操作，得到新种群；

步骤109，满足控制要求，输出全局最优值及其适应度函数值后，结束优化过程。

本发明算法构成上使用的是BP神经网络模型，并使用差分进化算法优化神经网络权值和阈值；针对基于神经网络的多个变量控制及辨识问题，通过拆分网络结构，实现对耦合变量的解耦，将被控系统的参数不确定转移到神经网络权值调整上。