CN103760766A - 屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统 - Google Patents

Abstract

本发明提供一种屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统，参考转速n^*与无刷直流电机测量转速n作为遗传算法优化的模糊控制器的两个输入，模糊控制器的输出与电流传感器输出的电流输入到电流比较器，误差电流经过电流PID调节器，输出到脉宽调制PWM控制器，最后由脉宽调制PWM通过逆变器控制电机的转速。采用转速电流双闭环控制，其中转速外环采用遗传算法优化的双模糊控制，电流采用传统PI控制。该屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统，与现有技术相比，跟踪精度高、鲁棒性强、对于系统参数漂移能有效地调整参数，实现了自适应控制功能，具有明显的优越性。

Description

屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统

技术领域

本发明涉及一种屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统。

背景技术

随着城市轨道交通的迅速发展，地铁已成为人们出行最便捷、经济和高效的交通工具之一；与此同时，对于屏蔽门的可靠运行也提出了越来越高的要求。屏蔽门是安装在地铁车站站台边缘的玻璃门，它将站台和列车运行区域隔开，具有提高站台安全性、减少车站环控系统的投资等特点。直流无刷电动机具有交流电动机结构简单、运行可靠、维护方便、寿命长的特点，又具有普通直流电动机良好的机械特性和调速性，目前，广泛应用于地铁屏蔽门的门机驱动。地铁屏蔽门门机控制算法通常采用常规PID控制，由于无刷直流电机的多变量和非线性等特点，这就使得屏蔽门的响应速度较慢，又由于传统的PID存在超调和短时振荡问题，使得屏蔽门运行时不稳定，同时抗干扰能力不强。

上述问题是在屏蔽门的设计与运行过程中应当予以考虑并解决的问题。

发明内容

本发明的目的是提供一种屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统解决现有技术中存在的地铁屏蔽门门机控制算法通常采用常规PID控制，由于无刷直流电机的多变量和非线性等特点，这就使得屏蔽门的响应速度较慢，又由于传统的PID存在超调和短时振荡问题，使得屏蔽门运行时不稳定，同时抗干扰能力不强的问题。

本发明的技术解决方案是：

一种屏蔽门门机控制器的遗传算法优化的模糊控制方法，包括以下步骤：

参考转速n^*与无刷直流电机测量转速n经过比较器得到误差信号，误差信号经过延时环节产生误差变化率ec，对误差e及误差变化率ec的实际值分别用量化因子ke、量化因子kec进行量化，映射到模糊集合论域；

误差e和误差变化率ec模糊化后经过优化后的模糊控制规则，再反模糊化，输出量用比例因子KI从模糊论域映射到基本论域，输出电流参考值I^*。

优选地，对模糊控制器的量化因子进行在线自动调整，采用以系统动态误差e为变量的量化因子自调整公式：

$\mathrm{Ke}=\left\{\begin{array}{c}\mathrm{Keo}+K1\×\left|e\right|,\left|e\right|\≤\frac{e_{\max }}{2}\\ \mathrm{Keo}+K1\×\frac{e_{\max }}{2},\left|e\right|>\frac{e_{\max }}{2}\end{array}\right.---\left(1\right)$

$\mathrm{Kec}=\left\{\begin{array}{c}\mathrm{Keco}-K2\×\left|e\right|,\left|e\right|\≤\frac{e_{\max }}{2}\\ \mathrm{Keco}-K2\×\frac{e_{\max }}{2},\left|e\right|>\frac{e_{\max }}{2}\end{array}\right.---\left(2\right)$

$\mathrm{KI}=\left\{\begin{array}{c}\mathrm{KIo}+K3\×\left|e\right|,\left|e\right|\≤\frac{e_{\max }}{2}\\ \mathrm{KIo}+K3\×\frac{e_{\max }}{2},\left|e\right|>\frac{e_{\max }}{2}\end{array}\right.---\left(3\right)$

式（1）、（2）、（3）中，Keo，Keco和KIo为基准值，K1、K2和K3为微调参数，Keo、Keco、KIo、K1、K2和K3均为非负值，e_max为误差基本论域的正最大值。

优选地，采用三角函数作为模糊控制器变量的隶属度函数。

优选地，模糊论域中语言变量有负大NB、负中NM、负小NS、零ZE、正小PS、正中PM、正大PB，语言变量的模糊集合隶属度表为：

表中，空白处的控制规则被淘汰，带有方框的控制规则经过遗传算法优化。

优选地，使用遗传算法对参数进行优化的过程中，适应度函数的确定是以系统最大超调量M_p、调整时间t_x和稳态误差e_xx为基础，采用权重系数组合法进行构造。

优选地，所述适应度函数为：

f=αexp[-(M_p/M_p0)²]+βexp[-(t_s/t_s0)²]+γexp[-(e_xx/e_xx0)²]  （4）

式（4）中，M_p0、t_s0和e_xx0为系统相应指标的期望值，α、β、γ为权重系数，反应各指标在控制系统的总体性能中的权重，要求α+β+γ=1。

优选地，基于遗传算法进行参数寻优的具体流程为：

S1、开始时使用随机的方式生成初始种群，置迭代次数N=1，

S2、经过选择、交叉、变异寻找最优参数，经模糊控制后作用于电机，计算适应度及控制品质评价，迭代次数N=N+1，

S3、判断迭代次数N是否大于终止代数T，否则返回步骤S2进行选择、交叉、变异来寻找最优参数，是则终止迭代，输出最优参数。

一种屏蔽门门机控制器的遗传算法优化的模糊控制系统，包括中央控制器、主监视器、单元控制器、驱动UPS、整流器、逆变器、电流采集器、带位置传感器的无刷直流电机；

中央控制器通过异步串行通讯SCI模块与单元控制器连接，中央控制器通过CAN总线与主监视器连接；逆变器与电源连接，无刷直流电机与逆变器连接，电流采集器与逆变器连接；

中央控制器通过正交编码脉冲电路QEP模块与无刷直流电机的位置传感器连接，中央控制器通过A/D模块与电流采集连接；

中央控制器内部采用转速电流双闭环控制，其中，转速外环采用如权利要求1-7任一项所述的屏蔽门门机控制器的遗传算法优化的模糊控制方法由模糊控制器实现遗传算法优化的双模糊控制，电流内环采用传统PI控制。

优选地，中央控制器内部采用转速电流双闭环控制的具体过程为：参考转速n^*与无刷直流电机测量转速n作为遗传算法优化的模糊控制器的两个输入，模糊控制器的输出与电流传感器输出的电流输入到电流比较器，误差电流经过电流PID调节器，输出到脉宽调制PWM控制器，最后由脉宽调制PWM通过逆变器控制电机的转速。

优选地，还包括保护电路，所述保护电路包括电流保护电路、电压保护电路、逻辑保护电路。

本发明一种屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统，中央处理器通过硬线与单元控制器连接，接收来自单元控制器的开关及关门命令；中央处理器通过CAN总线与主监视器连接，将DCU状态与故障信息传送给主监视器；逆变全桥与专用电源相连，电流采集器与整流桥连接，无刷直流电机与整流桥相连；中央处理器通过模数转换A/D模块与电流采集器连接，通过脉宽调制PWM模块与整流桥连接，通过正交编码脉冲电路QEP模块与无刷直流电机的位置传感器连接。中央控制器采用转速电流双闭环控制。其中，转速环采用遗传算法优化的双模糊控制，电流环采用常规PI调节。传统的PID调节难以克服无刷直流电机的超调和短时振荡问题，本实施例采用遗传算法对模糊控制规则进行优化，并通过遗传算法在线调节控制器相关参数，获得了较好的稳定性和较高的控制精度，具有响应速度快，运动速度稳定，抗干扰能力强等特点。

本发明的中央控制器内部采用转速电流双闭环控制，其中转速外环采用遗传算法优化的双模糊控制，电流采用传统PI控制。本发明提出了基于遗传算法优化的模糊控制，采用“双模”模糊控制器，即在速度偏差较大的时候采用“粗调”模式以达到伺服系统快速性的要求，在转速偏差较小的时候采用“细调”模式以达到精确性的要求。同时采用遗传算法对模糊控制器的参数进行在线调节，使控制器在不同的运行环境下都能够有较好的静态和动态性能，克服了传统模糊控制器在线调节效果不佳的弱点，大大改善了控制器的性能，使控制器在不同的运行环境下都能够有较好的静态和动态性能。

该种屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统，与现有技术相比，跟踪精度高、鲁棒性强、对于系统参数漂移能有效地调整参数，实现了自适应控制功能，具有明显的优越性。为了保证控制的精度和灵活性，中央控制器可以选用DSP、FPGA及专用控制芯片。

本发明的有益效果是：本发明一种屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统，采用转速电流双闭环控制，其中转速外环采用遗传算法优化的双模糊控制，电流采用传统PI控制。提出了基于遗传算法优化的模糊控制，采用“双模”模糊控制器，即在速度偏差较大的时候采用“粗调”模式以达到伺服系统快速性的要求，在转速偏差较小的时候采用“细调”模式以达到精确性的要求。同时采用遗传算法对模糊控制器的参数进行在线调节，使控制器在不同的运行环境下都能够有较好的静态和动态性能，克服了传统模糊控制器在线调节效果不佳的弱点，大大改善了控制器的性能，使控制器在不同的运行环境下都能够有较好的静态和动态性能。该种屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统，与现有技术相比，跟踪精度高、鲁棒性强、对于系统参数漂移能有效地调整参数，实现了自适应控制功能，具有明显的优越性。

附图说明

图1是本发明实施例的控制电路图；

图2是本发明实施例中央控制器内的遗传算法优化的模糊控制结构图；

图3是本发明实施例基于遗传算法的参数寻优的流程图；

图4是本发明实施例遗传算法优化的模糊控制与传统PID跟踪性能比较效果图。

1-中央处理器，2-单元控制器，3-主监视器，4-逆变器，5-电流传感器，6-无刷直流电机，7-电源；

101-模糊控制器，102-转速计算模块，103-电流比较器，104-电流PID调节器，105-脉宽调制PWM控制器。

具体实施方式

下面结合附图详细说明本实施例的优选实施例。

如图1和图2所示，本实施例提供一种屏蔽门门机控制器的遗传算法优化的模糊控制方法，包括以下步骤：

参考转速n^*与无刷直流电机6测量转速n经过比较器得到误差信号1010，误差信号经过延时环节产生误差变化率ec1012，对误差e及误差变化率ec的实际值分别用量化因子ke、量化因子kec进行量化1011、1013，映射到模糊集合论域；

误差e和误差变化率ec模糊化1014后经过优化后的模糊控制规则1015，再反模糊化1016，输出量用比例因子KI1017从模糊论域映射到基本论域，输出电流参考值I^*。

在电机运行过程中采用固定参数的模糊控制器101不能得到优良的动态及稳态性能，因此，有必要根据电机的控制进程对模糊控制器101量化因子进行在线自动调整。对模糊控制器101的量化因子进行在线自动调整，采用以系统动态误差e为变量的量化因子自调整公式：

$\mathrm{Ke}=\left\{\begin{array}{c}\mathrm{Keo}+K1\×\left|e\right|,\left|e\right|\≤\frac{e_{\max }}{2}\\ \mathrm{Keo}+K1\×\frac{e_{\max }}{2},\left|e\right|>\frac{e_{\max }}{2}\end{array}\right.---\left(1\right)$

$\mathrm{Kec}=\left\{\begin{array}{c}\mathrm{Keco}-K2\×\left|e\right|,\left|e\right|\≤\frac{e_{\max }}{2}\\ \mathrm{Keco}-K2\×\frac{e_{\max }}{2},\left|e\right|>\frac{e_{\max }}{2}\end{array}\right.---\left(2\right)$

$\mathrm{KI}=\left\{\begin{array}{c}\mathrm{KIo}+K3\×\left|e\right|,\left|e\right|\≤\frac{e_{\max }}{2}\\ \mathrm{KIo}+K3\×\frac{e_{\max }}{2},\left|e\right|>\frac{e_{\max }}{2}\end{array}\right.---\left(3\right)$

式（1）、（2）、（3）中，Keo，Keco和KIo为基准值，K1、K2和K3为微调参数，Keo、Keco、KIo、K1、K2和K3均为非负值，e_max为误差基本论域的正最大值。

增大Ke相当于缩小了误差的基本论域，增大了误差变量的控制作用。由式（1）可知，当|e|≤e_max/2时，随着误差e的增大，Ke增大，对误差的控制作用增大；对于Kec，当误差逐渐减小，即系统响应曲线逐渐趋于给定值时，为减小超调，应增大误差变化的控制作用，即要求Kec逐渐增大。由式（2）可知，随着误差e减小，Kec逐渐增大；对于KI，由式（3），设定KI随误差e增大而增大，加大对误差的控制作用，使收敛速率加快。当|e|>e_max/2时，运行参数Ke，Kec及KI取式中所定义的值。

e_max和K1，K2，K3在寻优过程中是动态变化的。

为了保证电机的可靠运行，本实施例采用三角函数作为模糊控制器101变量的隶属度函数。

遗传算法对模糊控制器101控制规则的优化相对复杂，在线优化模糊控制规则会影响到系统的运行速度。因此本实施例在离线状态下选取能够使电机稳定运行的个体进行优化，得到最优的模糊控制规则，然后再将优化后的模糊控制规则应用到中央处理器1中。模糊论域分为负大NB、负中NM、负小NS、零ZE、正小PS、正中PM和正大PB等7个语言变量值。经过遗传算法演化，得出此状态下的最优编码，对该编码解析，六条规则被淘汰，在语言变量的模糊集合隶属度表中用空白表示；类似地，方框框出的部分表示四条不好的控制规则经过遗传算法优化，被优化成较好的规则。

模糊论域中语言变量有负大NB、负中NM、负小NS、零ZE、正小PS、正中PM、正大PB，语言变量的模糊集合隶属度表为：

表中，空白处的控制规则被淘汰，带有方框的控制规则经过遗传算法优化。

使用遗传算法对参数进行优化的过程中，适应度函数的确定是以系统最大超调量M_p、调整时间t_x和稳态误差e_xx为基础，采用权重系数组合法进行构造。

所述适应度函数为：

f=αexp[-(M_p/M_p0)²]+βexp[-(t_s/t_s0)²]+γexp[-(e_xx/e_xx0)²]  （4）

式（4）中，M_p0、t_s0和e_xx0为系统相应指标的期望值，α、β、γ为权重系数，反应各指标在控制系统的总体性能中的权重，要求α+β+γ=1。此适应度函数值越大，说明系统的性能越好。

如图3所示，遗传算法中需要选择确定的运行参数主要有群体大小M、终止代数T、交叉概率Pc和变异概率Pm等。基于遗传算法进行参数寻优的具体流程为：

S1、开始时使用随机的方式生成初始种群，置迭代次数N=1，

S2、经过选择、交叉、变异寻找最优参数，经模糊控制后作用于电机，计算适应度及控制品质评价，迭代次数N=N+1，

S3、判断迭代次数N是否大于终止代数T，否则返回步骤S2进行选择、交叉、变异来寻找最优参数，是则终止迭代，输出最优参数。

一种屏蔽门门机控制器的遗传算法优化的模糊控制系统，包括中央控制器、主监视器3、单元控制器2、驱动UPS、整流器、逆变器4、电流采集器、带位置传感器的无刷直流电机6无刷直流电机6；

中央控制器通过异步串行通讯SCI模块与单元控制器2连接，中央控制器通过CAN总线与主监视器3连接；逆变器4与电源7连接，无刷直流电机6无刷直流电机6与逆变器4连接，电流采集器与逆变器4连接；

中央控制器通过正交编码脉冲电路QEP模块与无刷直流电机6无刷直流电机6的位置传感器连接，中央控制器通过A/D模块与电流采集连接；

中央控制器内部采用转速电流双闭环控制，其中，转速外环采用屏蔽门门机控制器的遗传算法优化的模糊控制方法由模糊控制器101实现遗传算法优化的双模糊控制，电流内环采用传统PI控制。

中央控制器内部采用转速电流双闭环控制的具体过程为：参考转速n^*与无刷直流电机6测量转速n作为遗传算法优化的模糊控制器101的两个输入，模糊控制器101的输出与电流传感器5输出的电流输入到电流比较器103，误差电流经过电流PID调节器104，输出到脉宽调制PWM控制器105，最后由脉宽调制PWM通过逆变器4控制电机的转速。其中，无刷直流电机6的测量转速n由转速计算模块102得出。

本实施例一种屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统，中央处理器1通过硬线与单元控制器2连接，接收来自单元控制器2的开关及关门命令；中央处理器1通过CAN总线与主监视器3连接，将DCU状态与故障信息传送给主监视器3；逆变全桥与专用电源7相连，电流采集器与整流桥连接，无刷直流电机6与整流桥相连；中央处理器1通过模数转换A/D模块与电流采集器连接，通过脉宽调制PWM模块与整流桥连接，通过正交编码脉冲电路QEP模块与无刷直流电机6的位置传感器连接。中央控制器采用转速电流双闭环控制。其中，转速环采用遗传算法优化的双模糊控制，电流环采用常规PI调节。传统的PID调节难以克服无刷直流电机6的超调和短时振荡问题，本实施例采用遗传算法对模糊控制规则进行优化，并通过遗传算法在线调节控制器相关参数，获得了较好的稳定性和较高的控制精度，具有响应速度快，运动速度稳定，抗干扰能力强等特点。

本实施例的中央控制器内部采用转速电流双闭环控制，其中转速外环采用遗传算法优化的双模糊控制，电流采用传统PI控制。本实施例提出了基于遗传算法优化的模糊控制，采用“双模”模糊控制器101，即在速度偏差较大的时候采用“粗调”模式以达到伺服系统快速性的要求，在转速偏差较小的时候采用“细调”模式以达到精确性的要求。同时采用遗传算法对模糊控制器101的参数进行在线调节，使控制器在不同的运行环境下都能够有较好的静态和动态性能，克服了传统模糊控制器101在线调节效果不佳的弱点，大大改善了控制器的性能，使控制器在不同的运行环境下都能够有较好的静态和动态性能。

该种屏蔽门门机控制器的遗传算法优化的模糊控制方法与系统，与现有技术相比，跟踪精度高、鲁棒性强、对于系统参数漂移能有效地调整参数，实现了自适应控制功能，具有明显的优越性。

图4可以说明本实施例的遗传算法优化的模糊控制与传统PID跟随性能，从图4中可以看出，遗传算法优化的模糊控制能够迅速的响应设定转速，跟随效果较好，而传统PID调节响应较慢，跟随效果差。

正常工作模式下，单元控制器2根据列车到站/离站信息给出开门/关门信号到中央控制器，中央控制器根据设定的转速曲线起动无刷直流电机6，通过传动机构控制屏蔽门的开闭。在屏蔽门的运行当中，不断采集电机位置及电流信息，并计算出转速误差和误差变化率作为控制器的输入。输入量在中央处理器1中经过模糊化、参数调整以及反模糊化一系列操作获得输出的控制量，并通过中央处理器1转化为占空比不同的方波来实现对电机的控制。特别地，为了应对实际运行当中的各种突发情况，门机控制器还应包括各种保护电路，如电流保护电路、电压保护电路和逻辑保护电路等。

本实施例的无刷直流电机6的控制算法采用转速电流双闭环控制，其转速外环采用遗传算法优化的模糊控制，电流内环采用常规PI调节。传统的PID调节难以克服无刷直流电机6的超调和短时振荡问题，采用遗传算法优化的模糊规则和遗传算法优化的在线调整模糊控制参数，从而使得屏蔽门运行更加稳定，抗干扰能力强，动静态性能指标更优。

Claims (10)

1.一种屏蔽门门机控制器的遗传算法优化的模糊控制方法，其特征在于，包括以下步骤：

参考转速n^*与无刷直流电机测量转速n经过比较器得到误差信号，误差信号经过延时环节产生误差变化率ec，对误差e及误差变化率ec的实际值分别用量化因子ke、量化因子kec进行量化，映射到模糊集合论域；

误差e和误差变化率ec模糊化后经过优化后的模糊控制规则，再反模糊化，输出量用比例因子KI从模糊论域映射到基本论域，输出电流参考值I^*。

2.根据权利要求1所述的屏蔽门门机控制器的遗传算法优化的模糊控制方法，其特征在于，对模糊控制器的量化因子进行在线自动调整，采用以系统动态误差e为变量的量化因子自调整公式：

$\mathrm{Ke}=\left\{\begin{array}{c}\mathrm{Keo}+K1\×\left|e\right|,\left|e\right|\≤\frac{e_{\max }}{2}\\ \mathrm{Keo}+K1\×\frac{e_{\max }}{2},\left|e\right|>\frac{e_{\max }}{2}\end{array}\right.$

$\mathrm{Kec}=\left\{\begin{array}{c}\mathrm{Keco}-K2\×\left|e\right|,\left|e\right|\≤\frac{e_{\max }}{2}\\ \mathrm{Keco}-K2\×\frac{e_{\max }}{2},\left|e\right|>\frac{e_{\max }}{2}\end{array}\right.$

$\mathrm{KI}=\left\{\begin{array}{c}\mathrm{KIo}+K3\×\left|e\right|,\left|e\right|\≤\frac{e_{\max }}{2}\\ \mathrm{KIo}+K3\×\frac{e_{\max }}{2},\left|e\right|>\frac{e_{\max }}{2}\end{array}\right.$

式（1）、（2）、（3）中，Keo，Keco和KIo为基准值，K1、K2和K3为微调参数，Keo、Keco、KIo、K1、K2和K3均为非负值，e_max为误差基本论域的正最大值。

3.根据权利要求1所述的屏蔽门门机控制器的遗传算法优化的模糊控制方法，其特征在于，采用三角函数作为模糊控制器变量的隶属度函数。

4.根据权利要求1所述的屏蔽门门机控制器的遗传算法优化的模糊控制方法，其特征在于，模糊论域中语言变量有负大NB、负中NM、负小NS、零ZE、正小PS、正中PM、正大PB，语言变量的模糊集合隶属度表为：

表中，空白处的控制规则被淘汰，带有方框的控制规则经过遗传算法优化。

5.根据权利要求1所述的屏蔽门门机控制器的遗传算法优化的模糊控制方法，其特征在于，使用遗传算法对参数进行优化的过程中，适应度函数的确定是以系统最大超调量M_p、调整时间t_x和稳态误差e_xx为基础，采用权重系数组合法进行构造。

6.根据权利要求5所述的屏蔽门门机控制器的遗传算法优化的模糊控制方法，其特征在于，所述适应度函数为：

f＝αexp[-(M_p/M_p0)²]+βexp[-(t_s/t_s0)²]+γexp[-(e_xx/e_xx0)²]  （4）

式（4）中，M_p0、t_s0和e_xx0为系统相应指标的期望值，α、β、γ为权重系数，反应各指标在控制系统的总体性能中的权重，要求α+β+γ=1。

7.根据权利要求1-6任一项所述的屏蔽门门机控制器的遗传算法优化的模糊控制方法，其特征在于，基于遗传算法进行参数寻优的具体流程为：

S1、开始时使用随机的方式生成初始种群，置迭代次数N=1，

S2、经过选择、交叉、变异寻找最优参数，经模糊控制后作用于电机，计算适应度及控制品质评价，迭代次数N=N+1，

S3、判断迭代次数N是否大于终止代数T，否则返回步骤S2进行选择、交叉、变异来寻找最优参数，是则终止迭代，输出最优参数。

8.一种实现权利要求1-7任一项所述模糊控制方法的系统，其特征在于：包括中央控制器、主监视器、单元控制器、驱动UPS、整流器、逆变器、电流采集器、带位置传感器的无刷直流电机；

中央控制器通过异步串行通讯SCI模块与单元控制器连接，中央控制器通过CAN总线与主监视器连接；逆变器与电源连接，无刷直流电机与逆变器连接，电流采集器与逆变器连接；

中央控制器通过正交编码脉冲电路QEP模块与无刷直流电机的位置传感器连接，中央控制器通过模数转换A/D模块与电流采集连接；

中央控制器内部采用转速电流双闭环控制，其中，转速外环采用如权利要求1-7任一项所述的屏蔽门门机控制器的遗传算法优化的模糊控制方法由模糊控制器实现遗传算法优化的双模糊控制，电流内环采用传统PI控制。

9.如权利要求8所述模糊控制方法的系统，其特征在于：中央控制器内部采用转速电流双闭环控制的具体过程为：参考转速n^*与无刷直流电机测量转速n作为遗传算法优化的模糊控制器的两个输入，模糊控制器的输出与电流传感器输出的电流输入到电流比较器，误差电流经过电流PID调节器，输出到脉宽调制PWM控制器，最后由脉宽调制PWM通过逆变器控制电机的转速。

10.如权利要求8所述模糊控制方法的系统，其特征在于：还包括保护电路，所述保护电路包括电流保护电路、电压保护电路、逻辑保护电路。

Images