CN108549215B - 一种无刷直流电机模糊化自适应pid控制优化方法 - Google Patents
一种无刷直流电机模糊化自适应pid控制优化方法 Download PDFInfo
- Publication number
- CN108549215B CN108549215B CN201810696703.0A CN201810696703A CN108549215B CN 108549215 B CN108549215 B CN 108549215B CN 201810696703 A CN201810696703 A CN 201810696703A CN 108549215 B CN108549215 B CN 108549215B
- Authority
- CN
- China
- Prior art keywords
- fuzzy rule
- current
- rotating speed
- pid control
- value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 48
- 230000003044 adaptive effect Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 description 8
- 230000006978 adaptation Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Images
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
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Control Of Electric Motors In General (AREA)
- Control Of Motors That Do Not Use Commutators (AREA)
- Control Of Direct Current Motors (AREA)
Abstract
本发明提供了一种无刷直流电机模糊化自适应PID控制优化方法；有前向试探过程和反馈调整过程；前向试探过程包括如下步骤：①获取参数值；②输出调整值；③输出控制；④等待反馈；反馈调整过程包括如下步骤：①获取反馈值；②反向计算；③参数调整。本发明通过前向试探过程和反馈调整过程两阶段的方式，能在执行环境中针对模糊规则中起主要作用的参数进行动态优化，从而使得无刷直流电机模糊自适应PID控制能取得更优异的效果。
Description
技术领域
本发明涉及一种无刷直流电机模糊化自适应PID控制优化方法。
背景技术
《无刷直流电机模糊自适应PID控制研究与仿真》(《控制工程》，刘慧博，2014年7月)提供了基于单一自适应参数调整模糊规则而进行无刷直流电机PID控制的方法，在该方法中，对于模糊规则的参数自适应是基于系统动态偏差e计算而实现的，但基于模糊规则的基本原理可知，对于模糊规则实际在电机控制中的应用，模糊规则对电机控制影响较大的方面在于隶属度函数，现有技术中隶属度函数一般是根据操作者的经验初步确定，隶属度函数的幅宽大小对性能影响较大，隶属度函数的位置分布对控制性能也有一定的影响，尤其是实际测试证明当隶属度函数在整个论域平均分布时，控制效果并不好，因此上述基于系统动态偏差e计算而实现模糊规则的参数自适应的方式，就无刷直流电机模糊自适应PID控制而言，效果极为有限。
发明内容
为解决上述技术问题，本发明提供了一种无刷直流电机模糊化自适应PID控制优化方法，该无刷直流电机模糊化自适应PID控制优化方法通过前向试探过程和反馈调整过程两阶段的方式，能在执行环境中针对模糊规则中起主要作用的参数进行动态优化。
本发明通过以下技术方案得以实现。
本发明提供的一种无刷直流电机模糊化自适应PID控制优化方法，有前向试探过程和反馈调整过程；前向试探过程包括如下步骤：
①获取参数值：读取当前模糊规则参数和初始模糊规则参数，并获取当前模糊调节输入值，模糊规则参数包括隶属度函数的幅宽、隶属度函数高斯分布方差；
②输出调整值：以初始模糊规则参数为基准在预设定范围内生成随机数，将读取到的当前模糊规则参数一一对应加上随机数，得到模糊规则参数调整值发送待执行，并将模糊规则参数调整值代入至模糊规则参数→转速电流变化值模型后结合当前模糊调节输入值计算得到的电流检测和转速检测的预期值保存在内存中；
③输出控制：将模糊规则参数调整值作为模糊规则参数控制采用PID控制方式进行无刷直流电机转速调节和电流调节；
④等待反馈：进入睡眠状态延时N个时序；
反馈调整过程包括如下步骤：
①获取反馈值：获取电流检测和转速检测的读值；
②反向计算：将当前获取的电流检测和转速检测的读值，与N个时序之前的电流检测和转速检测的预期值，代入损失函数中计算，N为10～30；
③参数调整：根据损失函数计算结果调整模糊规则参数，并将调整后的模糊规则参数返回作为当前模糊规则参数，同时从内存中删除电流检测和转速检测的预期值。
所述当前模糊规则参数存储于总控节点的内存中。
所述初始模糊规则参数存储于随机调节模块的内置存储器中，且由随机调节模块生成随机数。
所述当前模糊规则参数在每经过M个时序后写入至存储器中，M为10以上。
所述前向试探过程和反馈调整过程以10ms为一个执行周期。
所述反馈调整过程中的①获取反馈值和②反向计算在参数调整模块中执行。
所述参数调整模块为以Cortex-A9处理器为核心的系统级芯片。
所述预设定范围为10％～20％中任意一值。
所述损失函数为电流检测和转速检测的读值和电流检测和转速检测的预期值的交叉熵函数。
本发明的有益效果在于：通过前向试探过程和反馈调整过程两阶段的方式，能在执行环境中针对模糊规则中起主要作用的参数进行动态优化，从而使得无刷直流电机模糊自适应PID控制能取得更优异的效果。
附图说明
图1是本发明的流程图。
具体实施方式
下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。
本发明主要用于无刷直流电机模糊自适应PID控制中，对模糊自适应规则进行优化，《无刷直流电机模糊自适应PID控制研究与仿真》(《控制工程》，刘慧博，2014年7月)提供了基于单一自适应参数调整模糊规则而进行无刷直流电机PID控制的方法，本发明主要针对上述方案中模糊规则参数的优化，即无刷直流电机模糊化自适应PID控制优化方法，有前向试探过程和反馈调整过程；
前向试探过程包括如下步骤：
①获取参数值：读取当前模糊规则参数Xt和初始模糊规则参数X0，并获取当前模糊调节输入值，其中对应PID的3个参数的模糊规则隶属度函数有幅宽、高斯分布方差、高斯分布均值3个模糊规则参数，但为计算和控制方便，均值设置为0，因此模糊规则参数X是6个变量组成的向量；
②输出调整值：以初始模糊规则参数X0为基准在预设定范围D内生成随机数R(随机数R也为向量，随机数R中变量个数与模糊规则参数中变量数量相同、一一对应)，将读取到的当前模糊规则参数一一对应加上随机数，得到模糊规则参数调整值Xt＝Xt+X0*D*R发送待执行，其中随机数R内每一变量均为-1～1之间的随机数，并将模糊规则参数调整值Xt代入至模糊规则参数→转速电流变化值模型后结合当前电流检测值和电压检测值计算得到的电流检测和转速检测的预期值Y0保存在内存中，模糊规则参数→转速电流变化值模型通过实验数据采用浅层前馈神经网络建模得到，对于本发明的方案本身而言可认定为预先已经得到的现成模型，其输入值是模糊规则参数X，输出值为转速变化值和电流变化值；
③输出控制：将模糊规则参数调整值Xt作为模糊规则参数X控制采用PID控制方式进行无刷直流电机转速调节和电流调节；
④等待反馈：进入睡眠状态延时N个时序，实质上为等待模糊规则参数X最终作用于无刷直流电机的电流和转速；
反馈调整过程包括如下步骤：
①获取反馈值：获取电流检测和转速检测的读值Yt+N；
②反向计算：将当前获取的电流检测和转速检测的读值Yt+N，与N个时序之前的电流检测和转速检测的预期值Y0，代入损失函数Floss中计算，N为10～30；由于模糊规则参数X对电流和转速的影响要通过模糊控制、PID控制、电流和转速控制最终作用于实际的电流和转速，中间过程较长，而且模糊规则参数X的具体作用于实际的电流和转速体现为实际的电流和转速在一段时间内的数值变化，经测试，需要等待中间等待观察的周期设定为10～30个时序能体现出关联变化，具体取值应根据电机型号不同而有所调整；
③参数调整：根据损失函数Floss计算结果调整模糊规则参数Xt+N，并将调整后的模糊规则参数Xt+N返回作为当前模糊规则参数Xt+N+1，同时从内存中删除电流检测和转速检测的预期值Y0。
所述当前模糊规则参数存储于总控节点的内存RAM中，便于调用，总控节点一般采用Cortex-M4、Cortex-M7系列高性能处理器，如STM32F722ZET6，其内置有256KB的RAM中。
所述初始模糊规则参数存储于随机调节模块的内置存储器FLASH中，且由随机调节模块生成随机数，随机调节模块一般采用Cortex-M0、Cortex-M1系列价格较低的处理器，如NUVOTON的M0516LDN，同时也可采用高性能8051单片机，如STC15W4K32S4。
所述当前模糊规则参数在每经过M个时序后写入至存储器中，M为10以上，作为防断电自动保存参数的方式，存储器一般采用EEPROM，如AT24C02。
所述前向试探过程和反馈调整过程以10ms为一个执行周期，可采用freeRTOS实现，设置系统时钟节拍为10ms。
所述反馈调整过程中的①获取反馈值和②反向计算在参数调整模块中执行。
所述参数调整模块为以Cortex-A9处理器为核心的系统级芯片，如三星的Exynos4412，而由于其超高性能主要用于承担反馈调整过程中的①获取反馈值和②反向计算步骤的计算量，故实际实现中可以不安装Linux。
所述预设定范围为10％～20％中任意一值。
所述损失函数为电流检测和转速检测的读值Yt+N和电流检测和转速检测的预期值Y0的交叉熵函数。
基于上述可见，步骤①获取参数值中取得模糊规则参数，步骤②输出调整值中将模糊规则参数加上一随机值，让模糊规则参数变形为另一组参数，使得模糊规则参数有所调整但又不会严重影响原定的控制过程，考虑随机数应当均衡，避免衰减的情况，因此将初始模糊规则参数X0作为随机数取值基准，而初始模糊规则参数X0在整个控制过程中并不发生变化，故实际上是使得随机数取值基准为一常数，步骤③输出控制执行模糊自适应PID控制，此时作为该过程产生的控制参数调整值Xt而言，并不马上得到反馈，而是在执行N个时序(即系统周期)后，在步骤①获取反馈值中得到实际的反馈，而在步骤②反向计算中，根据实际的反馈更新模糊规则参数，类似于深度学习中的反向传播，在步骤③参数调整中将更新后PID控制的基准参数返回。
如图1所示，本发明中模糊控制器对应于《无刷直流电机模糊自适应PID控制研究与仿真》中图2的模糊控制器，PID控制器对应于《无刷直流电机模糊自适应PID控制研究与仿真》中图2的PID控制器，电流调节对应于《无刷直流电机模糊自适应PID控制研究与仿真》中图1的电流调节，转速调节对应于《无刷直流电机模糊自适应PID控制研究与仿真》中图1的转速调节，电流检测对应于《无刷直流电机模糊自适应PID控制研究与仿真》中图1的电流检测，转速检测对应于《无刷直流电机模糊自适应PID控制研究与仿真》中图1的位置检测和计算转速。
Claims (8)
1.一种无刷直流电机模糊化自适应PID控制优化方法，其特征在于：有前向试探过程和反馈调整过程；前向试探过程包括如下步骤：
①获取参数值：读取当前模糊规则参数和初始模糊规则参数，并获取当前模糊调节输入值，模糊规则参数包括隶属度函数的幅宽、隶属度函数高斯分布方差；
②输出调整值：以初始模糊规则参数为基准在预设定范围内生成随机数，将读取到的当前模糊规则参数一一对应加上随机数，得到模糊规则参数调整值发送待执行，并将模糊规则参数调整值代入至模糊规则参数→转速电流变化值模型后结合当前模糊调节输入值计算得到的电流检测和转速检测的预期值保存在内存中；
③输出控制：将模糊规则参数调整值作为模糊规则参数控制采用PID控制方式进行无刷直流电机转速调节和电流调节；
④等待反馈：进入睡眠状态延时N个时序；
所述步骤②中的模糊规则参数→转速电流变化值模型，通过实验数据采用浅层前馈神经网络建模得到，即视为预先已经得到的现成模型，其输入值是模糊规则参数X，输出值为转速变化值和电流变化值；
所述损失函数为电流检测和转速检测的读值和电流检测和转速检测的预期值的交叉熵函数；
反馈调整过程包括如下步骤：
①获取反馈值：获取电流检测和转速检测的读值；
②反向计算：将当前获取的电流检测和转速检测的读值，与N个时序之前的电流检测和转速检测的预期值，代入损失函数中计算，N为10～30；
③参数调整：根据损失函数计算结果调整模糊规则参数，并将调整后的模糊规则参数返回作为当前模糊规则参数，同时从内存中删除电流检测和转速检测的预期值。
2.如权利要求1所述的无刷直流电机模糊化自适应PID控制优化方法，其特征在于：所述当前模糊规则参数存储于总控节点的内存中。
3.如权利要求1所述的无刷直流电机模糊化自适应PID控制优化方法，其特征在于：所述初始模糊规则参数存储于随机调节模块的内置存储器中，且由随机调节模块生成随机数。
4.如权利要求2所述的无刷直流电机模糊化自适应PID控制优化方法，其特征在于：所述当前模糊规则参数在每经过M个时序后写入至存储器中，M为10以上。
5.如权利要求1所述的无刷直流电机模糊化自适应PID控制优化方法，其特征在于：所述前向试探过程和反馈调整过程以10ms为一个执行周期。
6.如权利要求1所述的无刷直流电机模糊化自适应PID控制优化方法，其特征在于：所述反馈调整过程中的①获取反馈值和②反向计算在参数调整模块中执行。
7.如权利要求6所述的无刷直流电机模糊化自适应PID控制优化方法，其特征在于：所述参数调整模块为以Cortex-A9处理器为核心的系统级芯片。
8.如权利要求1所述的无刷直流电机模糊化自适应PID控制优化方法，其特征在于：所述预设定范围为10％～20％中任意一值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810696703.0A CN108549215B (zh) | 2018-06-29 | 2018-06-29 | 一种无刷直流电机模糊化自适应pid控制优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810696703.0A CN108549215B (zh) | 2018-06-29 | 2018-06-29 | 一种无刷直流电机模糊化自适应pid控制优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108549215A CN108549215A (zh) | 2018-09-18 |
| CN108549215B true CN108549215B (zh) | 2021-02-02 |
Family
ID=63494262
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810696703.0A Active CN108549215B (zh) | 2018-06-29 | 2018-06-29 | 一种无刷直流电机模糊化自适应pid控制优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108549215B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114268263B (zh) * | 2021-12-27 | 2022-07-12 | 小神童创新科技(广州)有限公司 | 一种电机驱动器双闭环模糊控制方法 |
| CN118151616B (zh) * | 2024-05-09 | 2024-07-23 | 南京航空航天大学 | 一种超塑成形扩散连接加工过程工艺参数自适应调整系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5043862A (en) * | 1988-04-07 | 1991-08-27 | Hitachi, Ltd. | Method and apparatus of automatically setting PID constants |
| US5245528A (en) * | 1989-03-20 | 1993-09-14 | Hitachi, Ltd. | Process control apparatus and method for adjustment of operating parameters of controller of the process control apparatus |
| CN101738978A (zh) * | 2008-11-11 | 2010-06-16 | 深圳航天科技创新研究院 | 多轴伺服电机控制系统 |
| CN103760766A (zh) * | 2014-01-08 | 2014-04-30 | 江苏新绿能科技有限公司 | 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 |
| CN104155877A (zh) * | 2014-08-19 | 2014-11-19 | 江苏科技大学 | 基于遗传算法的无刷直流电机模糊控制系统及控制方法 |
| CN105281615A (zh) * | 2015-11-12 | 2016-01-27 | 广西师范大学 | 一种基于改进粒子群算法优化无刷直流电机模糊控制器的方法 |
| CN107340713A (zh) * | 2017-07-03 | 2017-11-10 | 湖南工业大学 | 一种高效的使用自适应闭环控制方法 |
-
2018
- 2018-06-29 CN CN201810696703.0A patent/CN108549215B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5043862A (en) * | 1988-04-07 | 1991-08-27 | Hitachi, Ltd. | Method and apparatus of automatically setting PID constants |
| US5245528A (en) * | 1989-03-20 | 1993-09-14 | Hitachi, Ltd. | Process control apparatus and method for adjustment of operating parameters of controller of the process control apparatus |
| CN101738978A (zh) * | 2008-11-11 | 2010-06-16 | 深圳航天科技创新研究院 | 多轴伺服电机控制系统 |
| CN103760766A (zh) * | 2014-01-08 | 2014-04-30 | 江苏新绿能科技有限公司 | 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 |
| CN104155877A (zh) * | 2014-08-19 | 2014-11-19 | 江苏科技大学 | 基于遗传算法的无刷直流电机模糊控制系统及控制方法 |
| CN105281615A (zh) * | 2015-11-12 | 2016-01-27 | 广西师范大学 | 一种基于改进粒子群算法优化无刷直流电机模糊控制器的方法 |
| CN107340713A (zh) * | 2017-07-03 | 2017-11-10 | 湖南工业大学 | 一种高效的使用自适应闭环控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于协同进化算法的水轮机模糊PID调节系统模糊规则的研究;王涛 等;《水力发电学报》;20070430;第26卷(第2期);第137-142、128页全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108549215A (zh) | 2018-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Coordinated load frequency control of multi-area integrated energy system using multi-agent deep reinforcement learning | |
| Wang et al. | Neural network learning and robust stabilization of nonlinear systems with dynamic uncertainties | |
| Abido | Robust design of multimachine power system stabilizers using simulated annealing | |
| CN108549215B (zh) | 一种无刷直流电机模糊化自适应pid控制优化方法 | |
| GB2603064A (en) | Improved machine learning for technical systems | |
| CN105262145B (zh) | 一种新能源混合系统控制参数的优选方法 | |
| CN116610025A (zh) | 一种基于改进元启发式算法的pid控制器优化方法 | |
| CN114362187A (zh) | 一种基于多智能体深度强化学习的有源配电网协同调压方法及系统 | |
| CN112670984A (zh) | 一种基于改进鲸鱼算法的电力系统经济负荷分配方法 | |
| CN112464478B (zh) | 一种水轮机调速系统的控制规律优化方法及装置 | |
| CN110703693A (zh) | 一种机床进给系统的迭代学习前馈控制方法及系统 | |
| CN102509152A (zh) | 一种基于rbf神经网络的开关磁阻电机在线建模方法 | |
| Tavakoli et al. | A self‐constructing Lyapunov neural network controller to track global maximum power point in PV systems | |
| Huang et al. | An intelligent design for a PID controller for nonlinear systems | |
| Yan et al. | Distributed fixed-time and prescribed-time average consensus for multi-agent systems with energy constraints | |
| CN116914829A (zh) | 一种基于分数阶自适应的微电网vsg控制方法 | |
| CN116131288A (zh) | 一种考虑风光波动的综合能源系统频率控制方法及系统 | |
| Ciliz | Adaptive backstepping control using combined direct and indirect adaptation | |
| CN113949265B (zh) | 具有不确定参数的Buck型变换器自适应反步控制方法 | |
| Fattah et al. | Speed control of electrical machines: Unknown load torque case | |
| CN108861910B (zh) | 一种基于超级电容的工业电梯节能控制调节方法 | |
| Benayache et al. | Robust control of nonlinear uncertain systems via sliding mode with backstepping design | |
| Ming et al. | On-line self-tuning of PI controller for PMSM drives based on the iterative learning control | |
| Fathollahi et al. | Enhancing Transient Stability in Multi-Machine Power Systems through a Model-Free Fractional-Order Excitation Stabilizer. | |
| Wang | The application of fuzzy neural network to boiler steam pressure control |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |