一种无刷直流电机模糊比例积分控制器的设计

发布时间：2021-09-24 05:02

　　为克服传统的比例积分（PI）控制器参数整定方法在无刷直流电机控制中存在精度低、抗干扰能力弱等缺点,提出了一种基于粒子群-引力（PSO-GSA）算法的模糊PI控制器设计方法。PSO-GSA算法融合了PSO算法的全局开发能力和GSA算法的局部探索性能,具有更加优异的最优值搜索能力。将PSO-GSA算法用于优化模糊PI控制器的量化因子和比例因子,实现了模糊控制对PI控制器的实时、高精度调节。仿真和实验表明,该方法可以使得无刷直流电机控制有较好的稳定性和鲁棒性,电机转速控制的精度有显著提高。 

【文章来源】：科学技术与工程. 2020,20(19)北大核心

【文章页数】：6 页

【部分图文】：

无刷直流电机控制系统模型

PSO-GSA算法流程如图2所示。首先随机初始化所有粒子,每个粒子都被视为一个候选最优解。初始化后,分别评估各个粒子的适应度,开始根据粒子迭代次数更新引力常数和更新到目前为止最好的解。然后根据以上参数计算出粒子所受的合力以及加速度,并通过式(8)计算出所有粒子的速度,最后将粒子的位置定义为式(9),更新速度和位置满足标准后将结束,若不满足条件则重复以上过程直至达到最大迭代次数输出当前最优解。为测试算法性能,选择使用文献[15]中四个测试函数对三个算法的性能进行对比,测试函数的表达式如式(10)～式(13)所示。其中式(10)的维数是30,上下限为[-100, 100];式(11)的维数是4,上下限是[0, 10];式(12)的维数是4,上下限为[-5, 5];式(13)的维数是3,上下限为[1, 3]。四个例子的适应度函数值如图3所示。通过四个测试函数的对比验证,PSO-GSA算法比PSO算法和GSA算法收敛速度更快,适应度函数值更小,性能更好。

F 4 =- ∑ i=1 4 c i exp [- ∑ j=1 3 a ij (x j -p ij ) 2 ]?????? ??? (13)3 模糊PI控制器设计

【参考文献】：
期刊论文
[1]基于模糊自适应PID控制的交通运输路线规划系统[J]. 赵润林,李奋华.  科学技术与工程. 2018(35)
[2]无刷直流电机模糊参数自适应PID控制[J]. 荆建立,王艳春,朱永庆.  控制工程. 2018(05)
[3]基于遗传算法优化的双回路模糊控制倒立摆系统[J]. 王美刚,白建云.  科学技术与工程. 2018(13)
[4]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)
[5]基于粒子群优化算法的分数阶PID控制器设计[J]. 赵华东,宋保业,张建胜,许琳.  山东科技大学学报(自然科学版). 2017(04)
[6]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)
[7]永磁同步电机变论域自适应模糊PID控制[J]. 崔家瑞,李擎,张波,刘广一.  中国电机工程学报. 2013(S1)
[8]基于自组织调整因子的模糊PID控制器设计[J]. 朱颖合,薛凌云,黄伟.  系统仿真学报. 2011(12)
[9]基于模糊PID模型的无刷直流电机转速控制[J]. 徐伟,屈百达,徐保国.  科学技术与工程. 2010(32)
[10]永磁无刷直流电机直接转矩控制[J]. 夏长亮,张茂华,王迎发,刘丹.  中国电机工程学报. 2008(06)



本文编号：3407148