遗传算法优化的无刷直流电机模糊PID控制器设计

发布时间：2021-06-01 06:10

　　设计一种基于遗传算法优化的模糊PID（比例-积分-微分）控制器GFPC（genetic algorithm based fuzzy PID controller）,以提高无刷直流电机的工作稳定性. GFPC通过模糊控制器整定PID的比例、积分和微分系数,并采用改进的遗传算法对模糊控制器的隶属度函数和模糊规则进行优化,以改善无刷直流电机的控制效果.通过对比实验对该方法进行测试,结果表明, GFPC具有更好的稳态性能和动态品质,且自适应能力与鲁棒性更强. 

【文章来源】：吉林大学学报(理学版). 2020,58(06)北大核心

【文章页数】：8 页

【部分图文】：

GFPC结构框图

其中: Kp为比例增益; Ki为积分系数; Kd为微分系数; e为调节器偏差输入信号. 模糊PID控制原理为: 电机实际转速ωm与设定目标转速ωref进行比较并采样, 得出采样误差e=ωm-ωref, 将采样误差e和误差变化率ec作为模糊控制器的输入量, 输入数值量经过比例因子和隶属度函数映射为模糊量, 然后根据模糊规则库得到相应的输出模糊量, 再经过清晰化得到输出数值增量ΔKp,ΔKi,ΔKd, 在线与PID 初始参数累加, 最终输出使系统有较好稳态与动态性能的PID参数. 在实际运行中, 每次采样模糊控制器都会对PID参数进行一次在线调整, 直至达到稳定状态. 模糊PID控制器仿真模型如图2所示.2.2 改进的遗传优化算法

模糊控制规则的编码也采用实数编码, 每个模糊规则参数被编码成一个实数, 其范围为1～5, 定义1=NB, 2=NS, 3=Z, 4=PS, 5=PB进行编码, 本文考虑的规则有25个参数, 将所有编码参数串联产生的编码字符串形成一条染色体, 每条染色体在群体中指定一个个体编号, 染色体编码示例如图4所示. 每条染色体的评估都基于一个适应度函数, 该函数允许评估、 鉴别和分类个体.图4 染色体编码示例

【参考文献】：
期刊论文
[1]无刷直流电机稳定性控制器设计[J]. 程飞,周云山.  计算机仿真. 2018(04)
[2]基于一阶低通滤波器滑模反步法的直流电机位置控制[J]. 奚文龙,唐文秀,许李尚,刘方悦.  重庆邮电大学学报(自然科学版). 2017(04)
[3]无刷直流电机模糊PI控制系统设计[J]. 温嘉斌,麻宸伟.  电机与控制学报. 2016(03)
[4]基于改进模糊算法的移动机器人避障[J]. 彭玉青,李木,张媛媛.  计算机应用. 2015(08)
[5]基于遗传模糊PID的液压AGC控制系统研究[J]. 李绍铭,徐龙淞,杨帆.  机床与液压. 2015(10)
[6]变论域模糊控制的无刷直流电机控制系统[J]. 李红伟.  控制工程. 2010(05)



本文编号：3209820