1 引言
   
隨著電力電子器件及微電子器件的迅速發展，以及現代控製理論在交流調速傳(chuan) 動中的具體(ti) 應用，從(cong) 一般要求的小範圍調速傳(chuan) 動到高精度、快響應、大範圍傳(chuan) 動；從(cong) 單機傳(chuan) 動到多機傳(chuan) 動協調運轉，幾乎都可采用交流傳(chuan) 動。但交流電機本質上是一個(ge) 非線性的被控對象，電機參數在實際應用中會(hui) 發生變化，而且可能存在比較嚴(yan) 重的外部幹擾。經典控製理論不能克服負載、模型參數的大範圍變化及非線性因素的影響，因而控製性能將會(hui) 受到影響。要獲得高性能的交流電機控製係統，就必須研究先進的控製算法以彌補經典控製的缺陷和不足。近年來，隨著現代控製理論的發展，先進控製算法被廣泛應用於(yu) 交流電機控製係統，例如自適應控製、滑模變結構控製、神經網絡控製、模糊控製等，並取得一定成果。因此，這裏將簡要介紹目前交流電機控製係統中應用較多的幾種控製算法。

2 交流電機控製係統的控製算法

2．1 PI控製
   
PI控製器以其簡單、有效、實用的特性，廣泛應用於(yu) 交流電機控製係統。交流電機調速係統的速度環和電流環調節器均使用PI 控製器。但交流電機是一個(ge) 強耦合的非線性對象，並且其應用環境較為(wei) 複雜且常常存在各種幹擾，電機參數也會(hui) 在運行過程中發生變化。因此，PI控製器在交流電機調速中由於(yu) 自身特點還存在不足，例如：PI控製器直接獲取目標和實際之間的誤差，這樣就會(hui) 由於(yu) 初始控製力太大而出現超調，從(cong) 而無法解決(jue) 快速性和穩定性之間的矛盾；控製過程中，PI參數一旦確定，則無法在線自調整以適應對象參數的變化，即同一PI參數一般難以適用不同電機轉速；PI控製器參數適用控製對象範圍小。所以交流電機采用PI控製難以取得令人滿意的調速性能，尤其是在對控製精度要求較高的場合。近年來，出現了模糊PI、自適應PI、神經網絡PI等新型PI控製器，在一定程度上改善、提高了交流電機的調速性能。

2．2 模糊控製

模糊控製是利用模糊集合來刻畫人們(men) 日常所使用概念中的模糊性，使控製器更逼真模仿熟練操作人員和專(zhuan) 家的控製經驗與(yu) 方法。模糊控製是以模糊集合論、模糊語言變量及模糊邏輯推理為(wei) 基礎的一種計算機數字控製。模糊控製的突出特點：無需建立被控對象的精確數學模型；係統的魯棒性強，適應於(yu) 解決(jue) 常規控製難以解決(jue) 的非線性、時變及滯後問題；以語言變量代替常規的數學變量；推理過程模仿人的思維過程，借鑒專(zhuan) 家的知識、經驗，處理複雜的控製問題。

模糊控製作為(wei) 一種智能控製技術，是模糊集合理論應用的一個(ge) 重要方麵。其主要思想是吸取人類思維具有模糊性的特點，通過模糊邏輯推理來實現對眾(zhong) 多不確定性係統的有效控製。其設計核心是模糊控製規則和隸屬度函數的確定，其一般結構如圖1所示。




模糊控製的不足之處：本身消除穩態誤差的性能較差，難以達到較高的控製精度。目前，模糊控製在交流控製領域的應用研究取得一些成果，但仍存在有待進一步研究的問題，如基於(yu) 模糊控製的交流控製係統的穩定性分析，如何保證係統的穩定性；模糊控製規則難以確定，對不同的電機和運行環境，模糊規則需要分別設計；缺乏係統而有規律的模糊規則設計方法等。

2．3 神經網絡控製
   
人工神經網絡是依據人腦生物微觀結構與(yu) 功能模擬人腦神經係統而建立的模型，其主要功能是模擬人腦的思維方式丁作，具有自學習(xi) 、並行處理和自適應等能力。利用神經網絡優(you) 秀的學習(xi) 和非線性逼近能力，提出許多基於(yu) 神經網絡的控製方案，從(cong) 而改善係統的收斂性、穩定性和魯棒性等。神經網絡在交流調速領域中應用的一個(ge) 主要問題是算法比較複雜，大多以仿真形式實現，控製效果有待於(yu) 在實際係統中進一步檢驗。但與(yu) 其他比較成熟的學科相比，神經網絡理論還很不成熟，如計算較複雜，計算量大，難以滿足實際控製要求，訓練學習(xi) 時算法收斂性問題等。

2．4 滑模變結構控製
   
滑模變結構控製根據被調量的偏差及導數，有目的地使係統沿著設計好的“滑動模態”的軌跡運動，與(yu) 被控對象的參數和擾動無關(guan) ，因而使係統具有很強的魯棒性。一般來說，它根據係統的狀態選擇兩(liang) 個(ge) 控製輸入之一，相當於(yu) 係統有兩(liang) 種結構，即使非線性對象快速到達預定的所謂“開關(guan) 麵”(也稱“滑動麵”)，並使其沿著該開關(guan) 麵滑動，這時稱係統處於(yu) 滑動模態(Sliding Mode)。然而並不是所有係統都可實現變結構控製，設計時必須先判斷滑動模是否存在。理想的滑模變結構控製可以使對象在滑動麵上平滑運動，但是實際上由於(yu) 器件存在延時和滯環．所以係統進入滑動態後不可避免地會(hui) 出現抖振(Chattering)，即在滑動麵附近高頻顫動。這可能引起設備毀壞等事故。因此，在電機交流控製係統中如何削弱抖動而又不失強魯棒性，是目前研究的主要問題。

2．5 反饋線性化控製
   
反饋線性化就是通過非線性反饋或動態補償(chang) 的方法將非線性係統變為(wei) 線性係統，然後再按線性係統理論設計控製器完成係統的各種控製目標。然而，非線性係統反饋線性化理論是采用坐標變換及狀態或輸出反饋矯正非線性係統的動力學特性，如果單純地對線性化係統進行魯棒控製器設計，並不一定能得到滿意效果。另一方麵，非線性係統反饋線性化方法要求參數精確已知或可被精確測量和觀測。但電機在運行中參數會(hui) 發生變化，這些都不可避免影響係統的魯棒性，甚至會(hui) 使係統性能變壞。

2．6 自適應控製

自適應控製是在係統運行過程中不斷提取有關(guan) 模型信息，該算法根據新的信息調整，它是克服參數變化影響的有力手段。自適應控製係統可看成有兩(liang) 個(ge) 閉環(圖2)，一個(ge) 是常規由控製器與(yu) 被控對象組成的反饋環；另一個(ge) 是控製器的參數調節環。



自適應控製在交流電機控製中主要問題是提高係統魯棒性，以克服參數變化和各種擾動的影響。采用的主要方法是自適應控製如參數辨識自校正調節、模型參考自適應係統(MRAS)。其中，MRAS理論比較成熟，無需對象的精確數學模型，隻要找到一個(ge) 合適的參考模型即可，其關(guan) 鍵問題是設計自適應參數調整規律，在保證係統穩定性的同時使誤差信號趨於(yu) 零。而模型參考自適應應用於(yu) 反饋信號估計(如磁鏈、轉矩、轉速等)問題。但是辨識和校正需要有一個(ge) 過程，對於(yu) 較慢的參數變化，具有校正作用；而對於(yu) 較快的參數變化，就難以獲得好的動態效果。

2．7 自抗擾控製
   
自抗擾控製器由跟蹤一微分器(TD)、擴張的狀態觀測器(ESO)和非線性狀態誤差反饋控製律 (NLSEF)3部分組成。利用自抗擾控製器設計係統時，它能利用“擴張狀態觀測器”實時估計並補償(chang) 係統運動時受到的各種外擾以及係統機理本身決(jue) 定的內(nei) 擾總和，使其變為(wei) 線性係統的標準型一積分串聯型，從(cong) 而實現動態係統的動態反饋線性化，結合特殊的非線性反饋結構實現良好的控製品質。#p#分頁標題#e#
   
自抗擾控製策略具有如下優(you) 點：安排過渡過程解決(jue) 快速和超調間的矛盾；不用積分反饋也能實現無靜差，避免積分反饋的副作用；統一處理確定係統和不確定係統的控製問題；抑製外擾，不一定要知道外擾模型或直接測量；同一個(ge) 自抗擾控製器控製時間尺度相當的一類對象，線性、非線性對象一視同仁，不用區分；實現控製不一定要辨識對象。隨著應用的需要，自抗擾控製器自身也得到了進一步的完善和發展，出現了基於(yu) 神經網絡的自抗擾控製器、模型配置自抗擾控製器等改進型自抗擾控製器。

3 總結
   
由於(yu) 各控製算法各有其優(you) 點，在實際應用中應根據性能要求采用與(yu) 之相適應的控製算法，以取得最佳性能。交流傳(chuan) 動在控製算法方麵雖已取得了很多成果，但仍不完善，存在許多問題。關(guan) 於(yu) 交流傳(chuan) 動控製算法的研究主要圍繞以下方麵展開：(1)研究具有較高動態性能，能抑製參數變化、擾動及各種不確定性幹擾，且算法簡單；(2)研究具有智能控製方法的新型控製算法及其分析、設計理論；(3)研究高性能的無速度傳(chuan) 感器控製算法。這些問題的解決(jue) 將會(hui) 明顯改善交流電機控製係統的性能，促進此類係統更為(wei) 廣泛應用。