基於遺傳算法的無刷直流電機模糊控制系統及控制方法
2023-06-23 04:56:31 2
基於遺傳算法的無刷直流電機模糊控制系統及控制方法
【專利摘要】本發明公開了一種基於遺傳算法的無刷直流電機模糊控制系統及控制方法，其中，控制系統包括：驅動系統，用於驅動無刷直流電機；速度觀測器，用於採集無刷直流電機轉速；轉速參考模型，提供電機轉速的參考數據，並與採集到的電機轉速相比較以獲得轉速誤差和誤差變化率；參數模糊化模塊，接收所述轉速誤差和誤差變化率，並進行量化，映射到模糊集合論域，遺傳算法優化模塊，採用遺傳算法對模塊控制規則進行優化，並調節模糊論域中的相關參數，作出模糊決策；反模糊化模塊，將模糊決策的輸出量映射到基本論域。本發明採用遺傳算法對模糊控制器的參數進行在線調節，使控制器在不同的運行環境下都能夠有較好的靜態和動態性能。
【專利說明】基於遺傳算法的無刷直流電機模糊控制系統及控制方法
【技術領域】
[0001] 本發明屬於電機的控制或調節領域，尤其是一種基於遺傳算法的無刷直流電機模 糊控制系統及控制方法。
【背景技術】
[0002] 無刷直流電機（brushless DC motor)在工業領域中得到了日益廣泛的應用，其控 制系統是典型的非線性、多變量耦合系統。傳統的PID控制算法不易滿足高精度伺服控制 系統的控制要求，很難實現電機的高精度運行。
[0003] 基於現代控制理論和智能控制理論的非線性控制方法為實現被控系統高質量的 動態和穩態性能奠定了基礎，在無刷直流電機控制上得到充分的利用。模糊控制、神經網絡 控制、變結構控制、魯棒控制、參數自適應控制等多種先進控制策略已被用於無刷直流電機 的控制。
[0004] 雖然許多自適應控制算法在無刷直流電機的控制中得到了廣泛的應用，但這些算 法對於電機狀態的估計是基於線性模型的，對無刷直流電機這種非線性模型的控制存在一 定的不足。神經網絡技術對無刷直流電機這種非線性系統的控制獲得了較好的效果，但控 制算法相對複雜。模糊控制技術在電機控制中得到廣泛的應用，是模仿人類思維的一種智 能化控制技術。但在實際應用中，對於時變參數的非線性系統，其模糊控制系統的控制規則 難以確定，即使在一定條件下獲得了模糊控制規則，隨著系統的變化，原來的模糊控制規則 很可能已經不夠理想了。
[0005] 現有的將模糊控制與PID控制相結合來控制無刷直流電機的方法對於無刷直流 電機這種時變參數的非線性系統控制存在一定的不足：模糊PID控制所依賴的控制規則存 在著一定不足，控制系統參數缺乏自調整能力，模糊PID控制規則的優化和模糊控制系統 參數在線調節等方面還存在不足。
【發明內容】
[0006] 發明目的：一個目的是提供一種基於遺傳算法的無刷直流電機模糊控制系統，以 解決現有技術的上述問題，實現模糊控制系統參數的在線調節，克服傳統模糊控制系統在 線調節效果不佳的弱點，改善控制系統的性能。進一步的目的是提供一種控制方法。
[0007] 技術方案：一種基於遺傳算法的無刷直流電機模糊控制系統，它包括用以限制最 大電流的電流環和用以無刷直流電機轉速的速度閉環。
[0008] 在進一步的實施例中，進一步為：
[0009] 驅動系統，用於驅動無刷直流電機；
[0010] 速度觀測器，用於採集無刷直流電機轉速；
[0011] 轉速參考模型，提供電機轉速的參考數據，並與採集到的電機轉速相比較
[0012] 獲得轉速誤差和誤差變化率；
[0013] 參數模糊化模塊，接收所述轉速誤差和誤差變化率，並進行量化，映射到模糊集合 論域，
[0014] 遺傳算法優化模塊，採用遺傳算法對模塊控制規則進行優化，並調節模糊論
[0015] 域中的相關參數，作出模糊決策；
[0016] 反模糊化模塊，將模糊決策的輸出量映射到基本論域；
[0017] 以及採集無刷直流電機的電流並調節電機功率的電流環。
[0018] 所述遺傳算法優化模塊進一步用於：
[0019] 確定決策變量及其約束條件和編碼、解碼方法：
[0020] 在參數優化中，以基準值Kf K^，Ku(l以及微調參數Κρ K2, K3為決策變量，決策變量 的約束條件以及系統穩定性能指標的要求為參考，若要求系統穩態誤差小於S，一般有：
[0021]
【權利要求】
1. 一種基於遺傳算法的無刷直流電機模糊控制系統，其特徵在於，它包括用以限制最 大電流的電流環和用以無刷直流電機轉速的速度閉環。
2. 如權利要求1所述的基於遺傳算法的無刷直流電機模糊控制系統，其特徵在於：進 一步為： 驅動系統（102)，用於驅動無刷直流電機（107); 速度觀測器（103)，用於採集無刷直流電機轉速； 轉速參考模型（101)，提供電機轉速的參考數據，並與採集到的電機轉速相比較獲得轉 速誤差和誤差變化率； 參數模糊化模塊（106)，接收所述轉速誤差和誤差變化率，並進行量化，映射到模糊集 合論域， 遺傳算法優化模塊（105)，採用遺傳算法對模塊控制規則進行優化，並調節模糊論域中 的相關參數，作出模糊決策； 反模糊化模塊（104)，將模糊決策的輸出量映射到基本論域； 以及採集無刷直流電機的電流並調節電機功率的電流環。
3. 如權利要求2所述的基於遺傳算法的無刷直流電機模糊控制系統，其特徵在於：所 述遺傳算法優化模塊（105)進一步用於： 確定決策變量及其約束條件和編碼、解碼方法： 在參數優化中，以基準值K&，K^，Ku(l以及微調參數I，K2, K3為決策變量，決策變量的 約束條件以及系統穩定性能指標的要求為參考，若要求系統穩態誤差小於S，一般有：
建立優化模型和確定個體評價方法： 以系統最大超調量Μρ調整時間ts和穩態誤差為基礎，採用權重係數組合法，構造適 應度函數為： f = a exp [- (Mp/Mp0)2] + β exp [- (ts/ts0)2] + y exp [- (esr/esr0)2] 式中，Mp(l，ts(l和，esrfl分別為系統的響應指標期望值；α，β，γ為權重係數，M p(l為 系統最大超調量的期望值；esrfl為系統穩態誤差的期望值；ts(l為系統調整時間的期望值； α +β + y = 1 ； 進行遺傳操作：設計3個遺傳算子、確定遺傳算法中的運行參數：
式中，A為第i個個體的適應度，Psi為第i個個體被選擇的概率，η為種群大小； 運行參數的確定，遺傳算法種需要確定的參數主要有群體大小Μ，終止代數Τ、交叉概 率Ρ。和變異概率Pm，計算公式分別為：
式中，為群體中最大的適應度，favg二為每代群體的平均適應度，f'為2個個體中 較大的適應度，f為變異個體的適應度，Pm為最小適應度個體的變異概率，Ρπ2是最大適應度 個體的變異概率， Pc;1為為最小適應度個體的交叉概率，Pc;2為最大適應度個體的交叉概率。
4. 一種基於遺傳算法的無刷直流電機模糊控制方法，其特徵在於，包括如下步驟： 步驟一：計算模糊控制器的輸入：包括轉速誤差e和轉速誤差變化ec ; 步驟二：分別用量化因子ke和ke。對轉速誤差e和轉速誤差變化ec的值進行量化，並 將其映射到模糊集合論域； 步驟三：選擇三角形分布函數作為模糊控制器的成員函數； 步驟四：制定模糊控制決策表； 步驟五：利用遺傳算法對模糊控制決策表中的模糊控制規則進行優化，得出優化過的 模糊決策表； 步驟六：基於遺傳算法的模糊控制器參數的尋優以及在線調整； 步驟七：模糊決策的輸出量用比例因子Ku從模糊論域映射到基本論域，作用於控制系 統系統來控制電機速度。
5. 如權利要求4所述的基於遺傳算法的無刷直流電機模糊控制方法，其特徵在於，進 一步為： 步驟1 :採集電機的轉速，並與速度參考模型中的數據比較，獲得速度偏差及誤差變化 率； 步驟2 :判斷速度偏差處於第一狀態或第二狀態；若處於第一狀態，執行步驟3,若處於 第二狀態，執行步驟4 ; 步驟3 :定義動態信號：模糊控制系統的速度偏差及誤差變化在無刷直流電機的速度 控制中分別為轉速誤差e和誤差變化ec ;
式中，e(k)由參考模型和實際測量的轉速信號比較得到；ec(k)為連續兩個採樣周期e 值之差；n#(k)為第k次採樣周期參考模型響應；n (k)為第k次採樣周期電機的轉速響應； 用量化因子和ke。量化速度偏差及其誤差變化率的實際值，映射到模糊集合論域X = {-m，-m+Ι，…，0,…，m-1，m}，需要把比例因子ku來把輸出的變量叢模糊論域轉化到實際輸 出的基本論域，進入步驟5; 步驟4 :確定決策變量及其約束條件和編碼、解碼方法： 在參數優化中，以基準值K&，K^，Ku(l以及微調參數Kp K2, K3為決策變量，決策變量的 約束條件以及系統穩定性能指標的要求為參考，若要求系統穩態誤差小於S，一般有：
建立優化模型和確定個體評價方法： 以系統最大超調量Mp調整時間ts和穩態誤差為基礎，採用權重係數組合法，構造適 應度函數為： f = a exp [- (Mp/Mp0)2] + β exp [- (ts/ts0)2] + y exp [- (esr/esr0)2] 式中，Mp(l, ts(l和，esKI分別為系統的響應指標期望值；α，β，γ為權重係數，α + β + γ =1 ; 進行遺傳操作：設計3個遺傳算子、確定遺傳算法中的運行參數：
式中，A為第i個個體的適應度，Psi為第i個個體被選擇的概率，η為種群大小； 運行參數的確定，遺傳算法種需要確定的參數主要有群體大小Μ，終止代數Τ、交叉概 率Ρ。和變異概率Pm，計算公式分別為：
式中，為群體中最大的適應度，favg二為每代群體的平均適應度，f'為2個個體中 較大的適應度，f為變異個體的適應度，Pm為最小適應度個體的變異概率，Ρπ2是最大適應度 個體的變異概率， Pc;1為為最小適應度個體的交叉概率，Pc;2為最大適應度個體的交叉概率。 步驟5 :輸出控制信號至驅動系統，調整電機的狀態。
【文檔編號】G05B13/04GK104155877SQ201410410227
【公開日】2014年11月19日 申請日期:2014年8月19日 優先權日:2014年8月19日
【發明者】馮友兵, 王黎明, 竇金生, 趙強, 馬建榮, 楊官校, 陳瑞, 秦海亭, 劉國固, 張之亮, 宋傑, 王學楠 申請人:江蘇科技大學