CN106647254A - 一种基于膜算法的永磁直流电动机转速在线控制方法 - Google Patents
一种基于膜算法的永磁直流电动机转速在线控制方法 Download PDFInfo
- Publication number
- CN106647254A CN106647254A CN201610867744.2A CN201610867744A CN106647254A CN 106647254 A CN106647254 A CN 106647254A CN 201610867744 A CN201610867744 A CN 201610867744A CN 106647254 A CN106647254 A CN 106647254A
- Authority
- CN
- China
- Prior art keywords
- model
- rotating speed
- layer
- control voltage
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D13/00—Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover
- G05D13/62—Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover characterised by the use of electric means, e.g. use of a tachometric dynamo, use of a transducer converting an electric value into a displacement
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明公开了一种基于膜算法的永磁直流电动机转速在线控制方法,包括以下步骤:步骤1:推导所需建立模型的输入输出变量;步骤2:构造高斯过程模型和二阶多项式模型;步骤3:构造三层膜的膜算法框架;步骤4:完成转速控制。膜算法作为一种具有高度并行性的生物启发算法,能够具备良好的全局和局部寻优能力,本发明通过膜算法的并行性,能够快速预测,同时通过不同膜之间的通信,增强了不同模型的预测效果,最终能够实现高精度的转速控制,同时该方法对参数的灵敏性要求很低,涉及参数很少。
Description
技术领域
本发明涉及永磁直流电动机转速控制技术领域,尤其涉及一种基于膜算法的永磁直流电动机转速在线控制方法。
背景技术
目前,高性能的永磁直流电机在机器人、轧机、机床等工业中广泛应用。而对于这些高性能的永磁直流电机的使用,其核心问题在于对电机进行精确转速(位移)控制。由于高性能的永磁直流电机要求电机能够快速响应,转速能够从负载影响中快速复原,并且对参数变量不敏感,因此电机速度的精确控制是当前研究热点问题。
传统的永磁直流电机速度控制采用比例积分(PI)或者比例积分微分(PID)控制,这些控制算法能够使得一些线性系统在很小范围的系统参数内稳定。然而,这些控制系统对数学模型的精度有很高的要求,而精确的系统模型通常很难获得。同时,由于电机负载的不确定性并具有非线性机械特性,很可能造成驱动系统不稳定。
发明内容
本发明的目的是提供一种基于膜算法的永磁直流电动机转速在线控制方法,能够在参数的灵敏性低,涉及参数较少的情况下实现高精度的转速控制。
本发明采用的技术方案为:
一种基于膜算法的永磁直流电动机转速在线控制方法,包括以下步骤:
步骤1:据永磁直流电机驱动系统动态模型推导所需建立模型的输入输出变量;
步骤2:根据不同工况收集转速与控制电压的数据,利用收集到的转速与对应控制电压数据分别构造高斯过程模型和二阶多项式模型;
步骤3:根据所构造的多项式响应模型和高斯过程预测模型构造三层膜的膜算法框架;
步骤4:首先,在步骤3获得膜算法框架中输入下一周期期望转速,得到预测控制电压vc*;然后,将输出层预测控制电压vc*输出,经D/A转换器转换后作用到永磁直流电机,当完成当前时刻转速控制后,更新膜算法内模型,继续执行下一时刻转速控制。
步骤3中所构造的膜算法,包含三层膜,最外层为多项式响应模型层,中层为高斯过程模型层,内层为输出层;其中,输出层将最外层的预测控制电压和中层的预测电压加权并输出到D/A转换器,其加权函数为vc*=vcPR(1-α)+vcKriα,其中α的取值范围为[0.9,0.95],vcPR为外层预测值,vcKri为中层预测值,vc*为最终输出控制电压。
步骤3中膜算法的外层多项式模型层为三输入二阶多项式模型,可以根据预测粗略预测控制电压;中层高斯过程模型层为三输入一输出高斯过程预测模型,可以更高精度的预测控制电压;内层输出层能够接收外层和中层的预测输出,然后权衡两个输出得到更为准确的输出。
步骤3构造多项式模型为:
其中输入ω(n-1)=x1,ω(n+1)=x2,ω(n+1)=x3,输入为控制电压v;对于该多项式模型,通过权利要求1步骤2中采集的输入输出数据,根据最小二乘法可以计算出模型参数b0,b1,…,b9。
步骤2构造的高斯过程控制器模型如下:
其中θ是核函数弯曲程度,本发明中取5,rT 100×1(x)=[R(θ,x,x1)…R(θ,x,x100)]T,且以及设计矩阵x是权利要求1步骤2中采集的转速,F是权利要求1步骤2中采集的控制电压。
膜算法作为一种具有高度并行性的生物启发算法,能够具备良好的全局和局部寻优能力,本发明通过膜算法的并行性,能够快速预测,同时通过不同膜之间的通信,增强了不同模型的预测效果,最终能够实现高精度的转速控制,同时该方法对参数的灵敏性要求很低,涉及参数很少。
附图说明
图1为本发明的流程图;
图2为本发明所述膜算法的框架图;
图3为本发明控制示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并用非用于限定本发明。
如图1、2和图3所示,一种基于膜算法的永磁直流电动机速度控制方法,包括以下步骤:
步骤1:根据永磁直流电机驱动系统的控制电压与各元件的电压平衡和电机负载转矩与开发转矩、摩擦转矩的平衡推导所需建立电压电流以及转矩随着时间和负载改变的数学模型(如(1)所示)。
其中va(t),eb(t)和ia(t)分别是时变电机端电压,反电动势和电枢电流;ωr(t)是电机转速,Ra和La分别是点数电阻和电感;KT和KE是电机反电动势和转矩常数,Te(t),Tl(t)和TF分别是开发转矩,负载转矩和摩擦转矩;J和B则是惯性常数和粘性常数。
并且负载转矩和转速间的关系可以描述为:
Tl(t)=vωr 2(t)[sign{ωr(t)}],其中v是构造非线性机械负载的常数。
因此,通过差分方程可以得到电机转速与控制电压关系离散模型为
ωr(n+1)=K1ωr(n)+K2ωr(n-1)+K3[sign{ωr(n}]ωr 2(n)
+K4[sign{ωr(n}]ωr 2(n-1)+K5va(n)+K6
其中K1,K2,K3,K4,K5,K6是关于电机参数的常数,同样该模型可以形式化为3输入1输出的函数vc(n)=f[ωr(n+1),ωr(n),ωr(n-1)],其中vc(n)是控制电压并且与va(n)成比例。
步骤2:采集M组输入为转速与输出为控制电压的数据;
步骤3:根据步骤1推导的电机离散模型,设计输入为ωr(n+1),ωr(n)和ωr(n-1),输出为vc(n)的电机转速与控制电压关系的高斯过程模型y(x)=FT(x)β+Z(x);其中F(x)=a2x2+a1x+a0(通过步骤2中所采集的转速为输入,以控制电压为输出,采用最小二乘法可以求得函数参数a2、a1、a0),Z(x)是均值为0方差为的涨落函数,其协方差矩阵为其中是高斯过程模型的核函数,θk是核函数的弯曲程度(通常取5),xi,xj是输入向量x的第i个和第j个维度的变量,且x=[ωr(n-1)ωr(n)ωr(n+1)]T,zi,zj是涨落函数Z(x)对应输入x的第i个和第j个维度的输出,T表示矩阵转置操作;
步骤4:将步骤2采集的M组数据输入步骤3获得的高斯过程模型,假设步骤2采集的输入x是m维的数据时(根据步骤1推导得到,m=3),x的各个维度间的关联矩阵为函数F(x)通过F(x)=a2x2+a1x+a0计算的结果为控制电压为vci为第i组控制电压。
然后,构造基于上述数据更新得到的的高斯过程预测模型为:
其中rT m×1(x)=[R(θ,x,x1)…R(θ,x,xm)]T, 为预测控制电压,为模型相关参数。
步骤5:根据步骤1推导的电机离散模型,设计输入为ωr(n+1),ωr(n)和ωr(n-1),输出为vc(n)的二阶多项式模型。令ω(n-1)=x1,ω(n+1)=x2,ω(n+1)=x3,则构造的控制电压与转速模型为通过步骤2中获取的M组输入输出数据,通过最小二乘法辨识未知参数b0,b1,…,b9。
步骤6:根据步骤5所构造的多项式响应模型和步骤4所构造的高斯过程预测模型,构造三层膜的膜算法框架,最外层为多项式响应模型层,中层为高斯过程模型层,内层为输出层。其中,输出层为外层和中策预测控制电压的权衡,其权衡函数为vc*=vcPR(1-α)+vcKriα,其中α的取值范围为[0.9,0.95],vcPR为外层预测值,vcKri为中层预测值。
步骤7:输出输出层控制电压作用到永磁直流电机,得到对应转速,更新膜算法内模型。
以下以具体实例进行举例说明,实际操作时,M取101时,操作步骤为:
步骤1:采集101组转速与控制电压数据,构造100组输入为x=[ωr(n-1) ωr(n)ωr(n+1)]T,输出为Y=vc(n)的数据集。
步骤2:根据步骤1采集的数据,采用最小二乘法拟合输入为ωr(n+1),ωr(n)和ωr(n-1),输出为vc(n)的二阶模型F(x)=a2x2+a1x+a0,计算出未知参数a0,a1,a2。同时根据步骤1采集的数据和电机控制电压与转速的关系,构造输入为ωr(n+1),ωr(n)和ωr(n-1),输出为vc(n)电机转速与控制电压关系的高斯过程预测模型:
其中θ是核函数弯曲程度,本发明中取5,rT 100×1(x)=[R(θ,x,x1)…R(θ,x,x100)]T,且以及设计矩阵
步骤3:根据步骤1采集的数据,采用最小二乘法拟合输出为控制电压输入为转速的二阶多项式响应模型其中ω(n-1)=x1,ω(n)=x2,ω(n+1)=x3,计算出模型参数b0,b1,…,b9。
步骤4:首先在步骤2得到的高斯过程预测模型中输入下一周期目标转速ω(n+1)*,得到预测控制电压vcPR;
然后,在步骤3得到的二阶多项式响应模型中输入下一周期目标转速ω(n+1)*,得到预测控制电压vcKri;
最后,将得到的两个预测控制电压输出到输出层,利用权衡函数vc*=vcPR(1-α)+vcKriα权衡预测得到的两个不同的控制电压,将获得权衡后的控制电压输出,其中α的取值范围为[0.9,0.95]。
步骤5:将由步骤4得到的权衡后的控制电压vc*输出到控制电路,经D/A转换器转换后作用到永磁直流电机,当完成当前时刻转速控制后,重复步骤2、4、5。
如图2所示,基于膜算法的永磁直流电机转速控制包含了两个模型。第一个模型是二阶多项式响应模型,具有较好的全局搜索能力,但是精度较差;第二个模型是高斯过程模型,具有较好的局部搜索能力,但是有可能陷入局部最优。通过膜算法结合了两个模型的优点,能够在很大程度上提高模型的鲁棒性和全局搜索能力和搜索精度。
构造的电机转速与控制电压装置原理如图3所示,包含了电机离散控制的基本装置。本发明所提出的膜算法能够并行的构造代价低的多项式模型和代价高的Kriging模型,通过不同层次膜之间的通信,获得不同模型中的更优解,具有更高准确性的预测能力和更强的鲁棒性,能够实现永磁直流电动机转速更高精度的控制。
以上所述仅为本发明的较佳实现例,并不用以限制本发明,凡在本发明的精神和原则内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于膜算法的永磁直流电动机转速在线控制方法,其特征在于:包括以下步骤1-步骤4:
步骤1:据永磁直流电机驱动系统动态模型推导所需建立模型的输入输出变量;
步骤2:根据不同工况收集转速与控制电压的数据,利用收集到的转速与对应控制电压数据分别构造高斯过程模型和二阶多项式模型;
步骤3:根据所构造的多项式响应模型和高斯过程预测模型构造三层膜的膜算法框架;
步骤4:首先,在步骤3获得膜算法框架中输入下一周期期望转速,得到预测控制电压vc *;然后,将输出层预测控制电压vc *输出,经D/A转换器转换后作用到永磁直流电机,当完成当前时刻转速控制后,更新膜算法内模型,继续执行下一时刻转速控制。
2.根据权利要求1所述的基于膜算法的永磁直流电动机转速在线控制方法,其特征在于:步骤3中所构造的膜算法,包含三层膜,最外层为多项式响应模型层,中层为高斯过程模型层,内层为输出层;其中,输出层将最外层的预测控制电压和中层的预测电压加权并输出到D/A转换器,其加权函数为vc *=vcPR(1-α)+vcKriα,其中α的取值范围为[0.9,0.95],vcPR为外层预测值,vcKri为中层预测值,vc *为最终输出控制电压。
3.根据权利要求1所述的基于膜算法的永磁直流电动机转速在线控制方法,其特征在于:步骤3中膜算法的外层多项式模型层为三输入二阶多项式模型,可以根据预测粗略预测控制电压;中层高斯过程模型层为三输入一输出高斯过程预测模型,可以更高精度的预测控制电压;内层输出层能够接收外层和中层的预测输出,然后权衡两个输出得到更为准确的输出。
4.根据权利要求1所述的基于膜算法的永磁直流电动机转速在线控制方法,其特征在于:步骤3构造多项式模型为:其中输入ω(n-1)=x1,ω(n+1)=x2,ω(n+1)=x3,输入为控制电压v;对于该多项式模型,通过权利要求1步骤2中采集的输入输出数据,根据最小二乘法可以计算出模型参数b0,b1,…,b9。
5.根据权利要求1所述的基于膜算法的永磁直流电动机转速在线控制方法,其特征在于:步骤2构造的高斯过程控制器模型如下:
其中θ是核函数弯曲程度,本发明中取5,rT 100×1(x)=[R(θ,x,x1)…R(θ,x,x100)]T,且以及设计矩阵x是权利要求1步骤2中采集的转速,F是权利要求1步骤2中采集的控制电压。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610867744.2A CN106647254B (zh) | 2016-09-30 | 2016-09-30 | 一种基于膜算法的永磁直流电动机转速在线控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610867744.2A CN106647254B (zh) | 2016-09-30 | 2016-09-30 | 一种基于膜算法的永磁直流电动机转速在线控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106647254A true CN106647254A (zh) | 2017-05-10 |
CN106647254B CN106647254B (zh) | 2020-01-31 |
Family
ID=58854728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610867744.2A Active CN106647254B (zh) | 2016-09-30 | 2016-09-30 | 一种基于膜算法的永磁直流电动机转速在线控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106647254B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1461378A (zh) * | 2001-02-10 | 2003-12-10 | 罗伯特-博希股份公司 | 内燃机工作的控制方法和装置 |
US20090051310A1 (en) * | 2007-08-22 | 2009-02-26 | Sundeep Chandhoke | Closed Loop Stepper Motor Control |
CN101820845A (zh) * | 2007-05-22 | 2010-09-01 | 香港理工大学 | 带多方向模块的机器人训练系统 |
US7847509B2 (en) * | 2007-12-26 | 2010-12-07 | Pitney Bowes Inc. | System and method for controlling electric motors to simulate a mechanical differential |
CN103401256A (zh) * | 2013-06-09 | 2013-11-20 | 广东电网公司电力科学研究院 | 火力发电厂大型汽轮机功频电液控制系统参数的优化方法 |
CN103886190A (zh) * | 2014-03-10 | 2014-06-25 | 清华大学 | 一种用于四轮独立驱动电动汽车的驱动防滑控制算法 |
CN103955460A (zh) * | 2014-01-20 | 2014-07-30 | 西华大学 | 基于膜计算的搜索方法 |
CN104035477A (zh) * | 2014-06-24 | 2014-09-10 | 华中科技大学 | 一种基于膜计算的光伏发电最大功率跟踪方法及装置 |
-
2016
- 2016-09-30 CN CN201610867744.2A patent/CN106647254B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1461378A (zh) * | 2001-02-10 | 2003-12-10 | 罗伯特-博希股份公司 | 内燃机工作的控制方法和装置 |
CN101820845A (zh) * | 2007-05-22 | 2010-09-01 | 香港理工大学 | 带多方向模块的机器人训练系统 |
US20090051310A1 (en) * | 2007-08-22 | 2009-02-26 | Sundeep Chandhoke | Closed Loop Stepper Motor Control |
US7847509B2 (en) * | 2007-12-26 | 2010-12-07 | Pitney Bowes Inc. | System and method for controlling electric motors to simulate a mechanical differential |
CN103401256A (zh) * | 2013-06-09 | 2013-11-20 | 广东电网公司电力科学研究院 | 火力发电厂大型汽轮机功频电液控制系统参数的优化方法 |
CN103955460A (zh) * | 2014-01-20 | 2014-07-30 | 西华大学 | 基于膜计算的搜索方法 |
CN103886190A (zh) * | 2014-03-10 | 2014-06-25 | 清华大学 | 一种用于四轮独立驱动电动汽车的驱动防滑控制算法 |
CN104035477A (zh) * | 2014-06-24 | 2014-09-10 | 华中科技大学 | 一种基于膜计算的光伏发电最大功率跟踪方法及装置 |
Non-Patent Citations (5)
Title |
---|
TAO SONG等: "On the Universality and Non-Universality of Spiking Neural P Systems With Rules on Synapses", 《IEEE TRANSACTIONS ON NANOBIOSCIENCE》 * |
TINGFANG WU等: "On Languages Generated by Cell-Like Spiking Neural P Systems", 《IEEE TRANSACTIONS ON NANOBIOSCIENCE》 * |
张葛祥等: "自然计算的新分支——膜计算", 《计算机学报》 * |
曹玲芝等: "基于PXI-6733采集卡的永磁同步电动机转速测量", 《微特电机》 * |
潘林强等: "脉冲神经膜计算系统的研究进展及展望", 《计算机学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN106647254B (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdulshahed et al. | The application of ANFIS prediction models for thermal error compensation on CNC machine tools | |
Ha et al. | Dynamic modeling and identification of a slider-crank mechanism | |
CN104378038A (zh) | 基于人工神经网络的永磁同步电机参数辨识方法 | |
He et al. | Soft sensor development for the key variables of complex chemical processes using a novel robust bagging nonlinear model integrating improved extreme learning machine with partial least square | |
Gao et al. | Characteristic model-based adaptive control with genetic algorithm estimators for four-PMSM synchronization system | |
Ben Regaya et al. | Electric drive control with rotor resistance and rotor speed observers based on fuzzy logic | |
Pramonohadi | A comparative study of PID, ANFIS and hybrid PID-ANFIS controllers for speed control of Brushless DC Motor drive | |
Jin et al. | Modified complementary sliding mode control with disturbance compensation for permanent magnet linear synchronous motor servo system | |
CN113988373B (zh) | 基于多通道卷积神经网络的多任务海量用户负荷预测方法 | |
Liang et al. | Adaptive finite‐time control for turbo‐generator of power systems with prescribed performance | |
Farahani et al. | Intelligent control of a DC motor using a self-constructing wavelet neural network | |
Chen et al. | A high-performance control method of constant-controlled induction motor drives for electric vehicles | |
CN106533285B (zh) | 基于Kriging模型的永磁直流电机转速控制方法 | |
Wu et al. | Estimation of centrifugal pump operational state with dual neural network architecture based model | |
Burian et al. | Investigation of the pump unit control system with the neural network productivity estimator | |
CN106647254A (zh) | 一种基于膜算法的永磁直流电动机转速在线控制方法 | |
Chang et al. | Velocity control with disturbance observer for pedal-assisted electric bikes | |
Liu et al. | Neural network based internal model decoupling control of three-motor drive system | |
Acikgoz et al. | Long short-term memory network-based speed estimation model of an asynchronous motor | |
CN107958129A (zh) | 模拟氧化锌压敏电阻微观电流分布的算法 | |
Cai et al. | Identification and control of PMSM using adaptive BP-PID neural network | |
Feng et al. | Thermal error modelling of the spindle using neurofuzzy systems | |
CN109309468B (zh) | 一种直线电机调速系统及方法 | |
Haçat et al. | Speed control of BLDC by using neutrosophic fuzzy logic controller | |
Yuan et al. | The dynamic grey radial basis function prediction model and its applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Jiang Suxia Inventor after: Pan Linqiang Inventor after: He Cheng Inventor after: Wang Yanfeng Inventor after: Wu Tingfang Inventor before: Pan Linqiang Inventor before: Jiang Suxia Inventor before: He Cheng Inventor before: Wang Yanfeng Inventor before: Wu Tingfang |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |