两电机同步系统神经网络逆控制：解耦与应用

本文主要探讨了在人工智能技术背景下，针对交流感应电机同步系统多变量解耦控制问题，通过神经网络逆控制方法来实现两台交流异步电机与变频器组成的调速系统的同步控制。作者康梅，专业背景为农业电气化与自动化，硕士学位论文的研究重点在于利用神经网络构建阶逆系统，以达到速度和张力的解耦控制。 首先，作者运用逆系统理论对该系统进行深入分析，确定了系统可逆性的基础。接着，作者详细阐述了如何通过神经网络构建原系统的阶逆系统，包括具体的构建步骤，如采用k-均值聚类算法对网络初始参数进行离线训练，利用最小二乘法优化参数，以及在线训练阶段，通过梯度下降算法调整参数以适应实时控制需求。这种方法使得控制系统能够在没有参考模型或逆动力学解析模型的情况下，直接对实际的两电机同步系统进行控制。 通过实验，作者设计并实现了伪线性复合系统的综合控制器，该控制器结合了神经网络和PLC（可编程逻辑控制器）技术，能够有效地处理负载扰动，确保系统在恒压频比或矢量控制模式下都能保持稳定的同步控制性能。这一控制方法的优势在于其解耦能力，能显著提高系统的控制精度和抗干扰能力，而且在不同变频器工作模式下，无需调整控制器结构和参数就能实现一致的控制效果。 这篇论文提出了一种创新的控制策略，适用于工业生产中的多个场景，具有很高的实用价值。关键词包括两电机同步系统、解耦控制、神经网络阶逆系统方法、速度与张力控制、PLC、在线训练等，这些核心概念贯穿全文，展示了作者在该领域的深入研究和实践经验。通过本文的工作，我们可以看到人工智能技术在电力电子系统控制中的潜在应用和发展趋势。