基于神经网络的地铁牵引整流器控制算法研究＊

杜荣茂，李向葵，景利学

（1 兰州交通大学 自动化与电气工程学院，甘肃兰州730070；2 甘肃省高等学校招生办公室，甘肃兰州730030）

随着我国经济的发展，传统的交通方式已经越来越不能满足城市居民高频率出行和城市交通发展的需要，而地铁交通可以缓解大城市交通拥堵的状况，因而目前许多大城市已开始考虑和策划修建地铁交通体系。城市地铁牵引供电系统采用传统整流方式获得750V或1.5 kV的直流供电方式，直流电压在交流电网侧存在大量的无功和谐波，因而对电网造成严重的污染。PWM整流器具有交流侧电流谐波含量小，功率因数高，能量双向流动等突出优点，因而在AC／DC功率交换中得到了广泛应用［1］。另外，地铁列车的运行工况十分特殊，地铁车辆在实际运行中有着频繁的加减速运行，使得地铁车辆所需的电流是不断变化的，因而难以建立精确的数学模型，应用常规PID控制器不能达到理想的控制效果。

人工神经网络具有很强的信息综合、学习记忆和自学习、自适应能力，可以逼近任意非线性函数，适合处理那些难以用模型和规则描述的过程，在一些不确定系统的控制中已成功应用。因此，将神经网络与PID控制结合可取得更好的控制效果。这方面国内外学者进行了大量的研究，提出了很多改进方法。有学者提出一种将神经网络与PID控制相结合的方式，即在常规PID控制器的基础上增加一个神经网络，用神经网络在线调整PID参数［2］。该方法虽然在整流器控制方面收到了较好的效果，但由于结构复杂且未实现神经网络和PID控制规律的本质结合，影响了该方法的实际应用。……