[摘 要]针对低速运行时矿井传送机的电动机存在转矩脉动大的实际问题，在传统电动机直接转矩控制的基础上，采用改进RBF神经网络控制器替代PID控制器，首先利用GA找出RBF网络的最优参数值，然后得到最优的网络结构，最后用该网络结构进行电动机直接转矩控制。实验结果表明，该方法克服了网络参数选择的随机性，具有更强的适应能力；同时能降低电动机的转矩脉动，改善磁链的波形。
　　[关键词]直接转矩控制 转矩脉动 改进RBF神经网络
　　中图分类号：TP781 文献标识码：A 文章编号：1009-914X（2015）37-0299-01
　　引言
　　矿井传送机是煤矿生产的重要设备之一。本文利用GA算法强大的全局搜索能力对RBF神经网络参数进行优化，从而保证改进RBF神经网络控制器的系统性能。
　　1.RBF神经网络控制器原理
　　RBF神经网络控制器是典型的前馈控制器，是被控对象的逆模型[1]。该控制器通过学习典型PID控制器的输出结果，自动调整系统的权值，使反馈输入值up（k）为零，预期输出值u（k）= un（k），进而让RBF神经网络控制器替代典型PID控制器，而在系统出现较大干扰时，系统又从新启动典型PID控制器。
　　2.GA-RBF算法
　　首先，利用GA算法优化RBF神经网络的参数进而得到最优的网络结构。其中网络参数分别为： 网络连接权值（ωj）宽度向量（σ），中心矢量（c）。其次，通过网络对电动机的直流转矩进行控制。该算法包括如下7个步骤：
　　1）二进制编码： 将需要优化的3个RBF神经网络参数进行二进制编码，编码越长精度越高，但编码过长会扩大GA算法的搜索空间，本文参数的编码长度设定为10。
　　2）初始种群确定： 假设初始群体大小为G，进化代数为S。
　　3）适应度值评价： 适应度函数是个体优劣性的量度。适应度低的个体遗传到下一代的概率就相对低，反之亦然。
　　4）选择： 在当前种群中择优选择作为下一代繁殖的父体样本。本文采用轮盘赌法组成新样本种群。
　　5）交叉： 本文使用单点交叉算子。
　　6）變异： 采用基本位变异法，对指定变异点取反运算从而产生出新的个体。
　　7） 判断停止条件： 若t > S，则选取进化过程中适应度最大的个体作为最优解输出，同时停止运算；若t≤S，则t←t + 1，转到步骤2）继续求解。
　　3.实验结果
　　实验仿真结果如图1所示。基于改进RBF神经网络控制器的定子磁链运动轨迹比典型RBF神经网络控制系统的定子磁链运动轨迹更加平滑。改进RBF神经网络控制器的直接转矩波形脉动明显小于改进前的RBF神经网络。
　　4.结论
　　本文在典型RBF神经网络基础上，利用GA算法优化RBF神经网络参数，进而实现直流电动机直流转矩的优化控制。实验结果表明，该方法能达到预期改善磁链运动轨迹，同时减小磁链脉动，尤其适用于传送机低速运行的环境，改善了控制转矩的性能，提高了系统的控制精度和鲁棒性。
　　参考文献
　　[1]聂文艳，王仲根. 基于RBF神经网络监督的电动机直接转矩控制系统设计[J].工矿自动化，2013，39（10）：52-55.
　　[2]黄智宇.基于GA-RBF网络的磷酸铁锂电池SOC预测研究[J].重庆邮电大学学报，2013，25（3）：412-415.
　　作者简介
　　张鑫（1983-5-22），男，河北唐山人，本科，助理工程师，研究方向：神经网络控制及人工智能。单位：唐山首信自动化信息技术有限公司。