无刷直流电机,非线性优化的PID控制器,神经模糊识别模型

基于神经模糊识别模型的无刷直流电机的非线性PID控制器优化设计GuopingQin,WeiYao,WeiZhang浙江大学电气工程学院，中国杭州，310027摘要：设计出一种用于无刷直流电机的非线性优化控制器。直流无刷电机控制设计方法是基于在一些假设上的模糊模型算法而不是传统的数学模型。通过神经模糊识别得到模糊模型。凭借Matlab里的非线性控制设计工具箱（NCD），控制器很容易开发。通过仿真和实验结果发现模型很好地符合实际的直流无刷电机，所设计的控制器具有相当强的鲁棒性。关键词：无刷直流电机，非线性优化的PID控制器，神经模糊识别模型1.引言无刷直流电机具有惯性力矩小、动态响应速度快、结构简单高效等特点。由于其优势，它已被广泛用于其在许多领域，如计算机外围，家用电器等。但实际上它的强大耦合参数，高非线性使得很难更好地控制速度。如何设计出一个用于直流无刷电机的高性能，价格便宜控制器已经成为一个研究热点。PID控制是最早发展起来的控制策略。由于其简单性和实用性，它被广泛使用。虽然传统的PID控制算法对精确的数学模型控制表现良好，但它在无刷直流电机参数改变后表现欠佳。随着计算机技术和智能控制的发展，有许多PID控制方法被提出。[2]例如，引入鲁棒控制思想来提高不确定性模型的控制器的自适应能力。在本文中，用于无刷直流电机的PID鲁棒性控制的一个新的方法的设计被提出了。首先，模糊神经网络识别识别方法基础上的无刷电机的Takagi-Sugeno（T-S）模糊系统模型被确定下来。然后设计了利用MATLAB里的NCD工具箱的基于模糊模型的非线性优化的PID控制器。最后，通过MATLAB仿真和实验得到控制器。结果显示设计的控制器运行良好，控制算法简单可靠。2.用于无刷直流电机的基于模糊神经识别方法的模糊模型A.神经模糊模型学习人工神经网络（ANN），模糊逻辑推理（FL）的能力集成了模糊神经(NF）构架。自适应神经网络—模糊推理系统（ANFIS）是一种特殊类型的NF架构。ANFIS是基于T-S模糊推理系统（FIS），因为它的性能，它可以广泛用于用给定的输入输出来组织模糊模型。在一个典型的模糊规则的模糊模式有格式，如果x是A，y是B，那么z=f（x，y）。A,B设置成先前的模糊集，z=f（x，y）结果是很简单的，通常z=f（x，y）是一个在输入变量中的多项式，考虑一阶T-S系统包含两规则：规则一：如果x是A1，y是B1，那么f1=a1x+b1y+r1规则二：如果x是A2，y是B2，那么f2=a2x+b2y+r2图（一）说明了模糊推理从一个给定的输入派生出一个输出的机制向量[x，y]。图1是五层结构的自适应模糊神经网络。1层生成成员资格等级。层2产生的发射强度相乘的信号。3层规范发射强度。4层计算规则输出的基础上由此产生的参数。层5计算整体输出。在控制参数为前提参数和在层4被称为参数。ANFIS采用最小平均平方和学习这些参数的反向传播规则。B.搭建实验平台为确定无刷直流电机模糊模型与实现控制算法，一个基于飞思卡尔公司的两块芯片所搭建的实验平台如图2所示。一个是MC68HC908MR8单片机，另一个是pc33896预驱动器。可控输入无刷直流电机的PWM脉冲宽度的值是逻辑直接由脉宽调制模块生成的信号单片机与电动机转速测量输出根据转子可按时间计算位置信号变化。负载转矩变化被视为无刷直流电机系统的扰动输入。考虑无刷直流电机的应用，实验中无刷直流电机恒定负载上有一个额外随机变量负载。C.无刷直流电机模糊模型的识别载上述无刷直流电机模型输入输出数据设置，包括测试数据和检测数据都已经收集完成。脉宽调制脉冲宽度值逻辑信号被选择作为模型的输入数据，转速的无刷直流电机作为模型的输出数据。该理论的系统辨识，为仿真动态特性的范围大，所以在这里输入数据的选择是受高斯白噪声分布。在MATLAB中首先产生高斯白的噪声功率是1瓦，然后把顶部和底部，其程度超过了2，最后放大左移动使其程度分为0至360。脉冲宽度值400对应于脉宽调制的占空比信号是100%。因为在预驱动电路的自举电容需要充电时间，电动机转速不稳定时，PWM信号的占空比超过9500。因此，最大的脉冲宽度值被限制为360。模型数据的采样周期，通过不断的无刷直流电机的响应时间的确定，下一步输入，这里等于五分之一的时间常数。基于模型的数据集，首先输入T-S模糊模型变量的快速确定和简单的方式[3]，然后采用模糊减法聚类方法得到大致的T-S模型结构，然后通过自适应神经网络训练，最后实现比较精确模糊模型。模型输出和实际输出比较显示在图3。获得的T-S模糊模型包含三个规则：规则1:u(t-2)是inlmflandu(t-1)i是in2mfly(t-1)isin3mfl那么yl(t)=0.6665u(t-2)+0.0948u(t-1)+0.6934y(t-1)-0.3595规则2:u(t-2)是inlmf2u(t-1)是in2mf2andy(t-1)isin3mf2那么y2(t)=0.2442u(t-2)+0.0392u(t-1)+0.8342y(t-1)+0.0788规则3:u(t-2)是inlmf3u(t-1)是in2mf3andy(t-1)isin3mf3那么y3(t)=0.2241u(t-2)+0.0745u(t-1)+0.8591y(t-1)-0.1318如下图4，输入空间模糊集的隶属函数inlmfi，in2mfi和in3mfi（i=1,2,3）。因此，整体输出的模糊模型可以计算三局部线性模型的加权输出。那么y(t)=w1y1(t)+w2y2(t)+w3y3(t).在（1）31iiii，i是i规则的隶属度，以最小值规则前提隶属函数。考虑噪声的采集数据和模型识别精度，该模型应具有一些不确定性表达真正的无刷直流电动机。在这里，它可能假定它会导致相应的参数不确定。在本文的条件下，随之而来的价值的参数被认为是变化之间90%至110%。直到现在，无刷直流电机T-S鲁棒性模型已经建立，同时它被视为自定义功能函数进行控制器的设计和分析。图1（a）第一阶Sugeno模糊模型（b）相应的ANFIS结构图2识别实验平台图3实际输出与模型输出设定速度正/负旋转启/停电流信号霍尔位置信号PWM逻辑信号PWM驱动信号负载霍霍尔位置信号尔位置信号采样周期数目（样本时间=10ms)实际输出模拟输出图4输入变量的隶属函数3.设计无刷直流电机非线性优化算法的控制方法真正的无刷直流电机具有很强的非线性和参数不确定性。所以常规常规PID控制方法效果不佳。通过利用好NCD工具箱，鲁棒PID控制器优化可以很容易地设计。不确定的参数的范围被采取作为PID参数的约束条件优化。设置上限和下限参数（Kp，Ki，KD）如下：上限：5kp,5ki,5kd下限：kp/5,ki/5,kd/5图5显示了流无刷电机鲁棒PID控制的非线性仿真优化。Controlinit模块指向一个自定义的M文件。可以通过双击这个模块来实现初始化。初始化任务主要包括加载模糊模型，设置全局变量设置初始值kp/ki/kd为0.05，-0.05,0.05。比例增益系数对应给定转速。通过调整步长的性能限制，PID控制器的参数很容易优化。图5无刷直流电机鲁棒PID控制的非线性优化的仿真图图6系统的阶跃响应转速（rpm）采样周期数目（样本时间=10ms)阶跃获取控制器控制器设备范围1范围NCD输出4.仿真和实验结果如果给定转速800rpm，设置比例增益为800。闭环系统的阶跃响应如图6所示。超调量几乎为零。调整时间约为200ms，没有稳态误差。这个参数优化结果为Kp,Ki,Kd为0.2159,0.1225,-0.2517。图7为给定输入时的响应轨迹。黄线表示矩形波输入信号和红色线表示响应。从图中可以看出，在跟踪时变转速信号，PID控制器的鲁棒性也很好。同时，MC68HC908MR8MCU工作稳定可靠。它的控制性能优于传统的控制控制器。图7矩形波输入的跟踪响应5.结论总而言之，本文中模糊模型的辨识跟倾向于运行，得到的模糊模型是比较精确的。所以它可供其他复杂辨识模型系统参考。当为其他控制器设计其他非线性系统时，通过MATLAB里的NCD模块实现优化控制参数也很有用处。无刷直流电机的速度调节的设计方法，成本低，可行性高。参考文献[1]PCKLuk,CKLee,NMKwokDevelopmentofalowcostsoftwarepackageforthedesignofabrushlessdcmotorcontrllor,0-7803-1772-6/94/$3.00IEEE,1994,pp.1306-1309.[2]JinkunLiu,MatlabSimulationofadvancedPIDcontrol.Beijing,CHINA:Publishinghouseofelectronicindustry,2004.[3]Jyh-ShingRogerJang,InputselectionforANFISlearning,0-7803-3645-3/96$5.00,IEEE,1996,pp.1493-1499.[4]YuchunZhang,HuaCong,LinZhao,DaweiZhang,RobustPIDcontrollerofvehiclesuspensionwithnonlinearelectro-hydraulinactuator,AutomotiveEngineering,vol.26,no.6,2004.[5]JinhongLiu,TheresearchofcontrolsystemfoeBLDCmotorbasedonNeuro-Fuzzyidentificationtechnique,masterdissertation,CollegeofElectricalEngineering,Zhejiang采样周期数目（样本时间=10ms)转速（rpm）University,Hangzhou,China,Mar.2004.[6]A.Forrai,S.Hashimoto,H.FunatoandK.Kamiyama,DesignofrobustcontrollerswithconstraintsonthecontrolsignalapplicationforBrushlessD.C.Drives,IECON'01:The27thannualconferenceoftheIEEEindustrialelectronicssociety,2001.