CN109343351A - 一种改进pid控制的开关磁阻电机转矩控制系统 - Google Patents

一种改进pid控制的开关磁阻电机转矩控制系统 Download PDF

Info

Publication number
CN109343351A
CN109343351A CN201811495606.1A CN201811495606A CN109343351A CN 109343351 A CN109343351 A CN 109343351A CN 201811495606 A CN201811495606 A CN 201811495606A CN 109343351 A CN109343351 A CN 109343351A
Authority
CN
China
Prior art keywords
control
torque
pid
moment
single neuron
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
Application number
CN201811495606.1A
Other languages
English (en)
Other versions
CN109343351B (zh
Inventor
党选举
经本钦
彭慧敏
姜辉
伍锡如
张向文
李晓
李珊
唐士杰
刘帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guilin University of Electronic Technology
Original Assignee
Guilin University of Electronic Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guilin University of Electronic Technology filed Critical Guilin University of Electronic Technology
Priority to CN201811495606.1A priority Critical patent/CN109343351B/zh
Publication of CN109343351A publication Critical patent/CN109343351A/zh
Application granted granted Critical
Publication of CN109343351B publication Critical patent/CN109343351B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05B13/041—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 in which a variable is automatically adjusted to optimise the performance
    • 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
    • G05B13/042—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 in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Electric Motors In General (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明为一种改进PID控制的开关磁阻电机转矩控制系统，本系统在直接瞬时转矩控制系统的基础上，将单神经元PID速度控制器中的前向通道的微分计算模块移到转速的反馈通道，构成微分先行单神经元PID速度控制器。并且进一步引入经典模糊控制模块与积分计算模块并联构成积分模糊控制模块，对微分先行单神经元PID的输出增益进行实时调节，构成模糊—微分先行单神经元PID控制器。本系统控制性能较好，有效地减小了开关磁阻电机的转矩脉动，转矩脉动率小于2％，且系统动态性能良好。

Description

一种改进PID控制的开关磁阻电机转矩控制系统
技术领域
本发明涉及电动汽车电机的控制领域，具体为一种改进PID控制的开关磁阻电机转矩控制系统。
背景技术
开关磁阻电机(Switched Reluctance Motor)简称为SRM，具有调速范围广、效率高、结构坚固和成本低的优点，现已成为新能源汽车驱动系统的首选之一。然而，SRM的双凸极结构和开关供电方式引起转矩脉动大的特点,限制了SRM在新能源汽车的应用和发展。
常用的SRM直接瞬时转矩控制系统是根据SRM转速偏差与转矩的变化量成正比，通过转速控制实现减小转矩脉动目的。SRM直接瞬时转矩控制系统框图如图1所示。此系统中给定转速ω*，实际转速为ω，通过速度控制器输出为参考转矩Tref，Tref与测量转矩Te形成的电机总的转矩偏差，通过转矩分配函数分配后，得到电机各相转矩偏差、转矩滞环控制器得到电机的控制信号。转矩分配、转矩滞环控制器、功率变换器及SRM统称为控制实施机构。速度控制器与控制实施机构一起构成SRM控制系统。
常规PID(比例-积分-微分，英文为Proportional Integral Derivative)速度控制器虽然结构简单，易于实现，但不能适应SRM的强非线性特性，达不到理想的控制效果。为此对常规PID进行改进是目前工程技术设计研究的热点之一。现已出现了：RBF神经网络PID控制、小波PID控制，模糊PID控制等。设计适合控制各类不同特性对象的、结构简洁、具有自学习能力的非线性PID控制等。
在实际的SRM控制过程中，系统的输入信号通常会发生突变，但是现有的各种单神经元PID速度控制器中的微分对输入信号的变化十分敏感。当给定值突变给控制系统带来超调量过大，甚至产生振荡，难以适应开关磁阻电机的非线性特性，故无法有效地降低开关磁阻电机的转矩脉动。
发明内容
本发明的目的是针对开关磁阻电机低速运行状态下转矩脉动大的问题，设计一种改进PID控制的开关磁阻电机转矩控制系统，在直接瞬时转矩控制系统的基础上，根据单神经元PID和开关磁阻电机特性，采用微分先行代替原有的微分，即微分先行单神经元PID速度控制器；并且进一步引入模糊控制对微分先行单神经元PID的输出增益进行调节，即模糊—微分先行单神经元PID速度控制器，本系统获得较好的控制性能，有效地减小了开关磁阻电机的转矩脉动，转矩脉动率小于2％，且系统动态性能良好。
本发明设计的一种改进PID控制的开关磁阻电机转矩控制系统，其微处理器配有程序存储器和数据存储器，程序存储器含有转速、转矩数据采集模块、模数转换模块、速度控制器、转矩分配模块、转矩滞环控制器、功率变换器和开关磁阻电机上安装的转子转速传感器和转矩传感器，各传感器的输出信号线经模数转换模块与速度控制器连接，速度控制器根据给定转速ω*和实际转速ω得到参考转矩Tref，该参考转矩Tref与测量转矩Te之差为总的转矩偏差ΔTref接入转矩分配模块，通过转矩分配函数得到开关磁阻电机的各相转矩偏差，送入转矩滞环控制器，由各相转矩偏差得到开关磁阻电机各相的控制信号，各相控制信号作为功率变换器的输入信号，功率变换器对开关磁阻电机的三相输入电流进行控制，驱动电机转子转动。
所述速度控制器为单神经元PID速度控制器，该速度控制器包括比例计算模块、积分计算模块和微分计算模块，还有此三个模块计算结果的加权求和模块。
由当前k时刻的给定转速ω*(k)和实际转速ω(k)求得转速偏差e(k)＝ω*(k)-ω(k)，转速偏差送入单神经元PID速度控制器，经比例、积分和微分计算模块得到计算结果x1(k)，x2(k)，xx3(k)，分别为单神经元PID速度控制器的三个输入，其计算式为(1)至(3)；三个计算结果x1(k)，x2(k)，xx3(k)送入加权求和模块，按下式(4)进行计算，乘以输出增益KK，与前一时刻，即k-1时刻的控制量u(k-1)求和，得到单神经元PID速度控制器的k时刻的输出，即控制量u(k)，用作为参考转矩Tref。
x1(k)＝e(k)-e(k-1) (1)
x2(k)＝e(k) (2)
xx3(k)＝e(k)-2e(k-1)+e(k-2) (3)
u(k)＝u(k-1)+KK[w1x1(k)+w2x2(k)+w3xx3(k)] (4)
上述式中e(k),e(k-1),e(k-2)分别为当前k时刻，k的前一时刻和k-1前一时刻的转速偏差；KK是输出增益，w1,w2,w3分别表示加权系数，通过经验获得输出增益KK，取值1～5；u(k),u(k-1)分别是当前k时刻控制量和k前一时刻的控制量,经滞后一步算子得k-1时刻单神经元的输出控制量u(k-1)，再用输出增益KK按式(4)计算当前k时刻的u(k)，用作为参考转矩。
本发明的速度控制器为微分先行单神经元PID速度控制器。
本发明将单神经元PID速度控制器中前向通道的微分计算模块移到转速的反馈通道，构成微分先行单神经元PID速度控制器，送入本速度控制器的当前k时刻转速偏差e(k)＝ω*(k)-ω(k)经比例计算模块、积分计算模块分别得到x1(k)、x2(k)，而反馈的当前k时刻转速ω(k)接入微分计算模块得到x3(k)，其微分计算如式(5)，
x3(k)＝-ω(k)+2ω(k-1)-ω(k-2) (5)
其中，ω(k),ω(k-1),ω(k-2)分别为当前k时刻，k前一时刻和k-1前一时刻的转速。
由x1(k)、x2(k)和x3(k)作为微分先行单神经元PID速度控制器的三个输入。
微分先行单神经元PID速度控制器的性能指标，如式(6)所示。
微分先行单神经元PID速度控制器的输出为：
其中归一化权值wi 0(k)为
KK>0为微分先行单神经元速度控制器的输出增益，wi(k)为k时刻xi(k)的加权系数，i＝1,2,3。
微分先行单神经元PID速度控制器的输出u(k)的计算与前相似，x1(k)、x2(k)和x3(k)送入加权求和模块，按式(7)进行计算，得到微分先行单神经元PID速度控制器的输出uu(k),用作为参考转矩Tref。
通过改进的Hebb神经网络学习算法，归一化权值更新为：
w1(k)＝w1(k-1)+η1e(k)uu(k-1)[e(k)+Δe(k)] (9)
w2(k)＝w2(k-1)+η2e(k)uu(k-1)[e(k)+Δe(k)] (10)
w3(k)＝w3(k-1)+η3e(k)uu(k-1)[e(k)+Δe(k)] (11)
其中Δe(k)是k时刻的转速偏差e(k)的变化增量，0<η1<1，0<η2<1，0<η3<1分别为比例、积分和微分先行的学习速率。
微分先行单神经元PID速度控制器的输出增益KK影响速度控制器的性能，因SRM非线性特性强，恒定的KK值不能满足SRM的要求。模糊控制不需要被控对象精确的数学模型，为了提高微分先行单神经元PID速度控制器适应SRM非线性的能力，在微分先行单神经元PID速度控制器基础上，本发明引入经典模糊控制(模糊PD控制，比例微分ProportionalDerivative，PD)模块与积分计算模块并联构成积分模糊控制模块，其输出用于求解微分先行单神经元PID的输出增益KK，经典模糊控制模块与微分先行单神经元PID一起构成模糊—微分先行单神经元PID速度控制器。
积分模糊控制模块中的经典模糊控制模块以转速偏差e(k)和转速偏差增量Δe(k)＝e(k)-e(k-1)作为输入，其输出为UPD。积分计算模块对偏差e(k)进行积分计算，其输出为x2(k)。当前的UPD与x2(k)之和用于动态调整KK值。
上述微分先行单神经元PID速度控制器的输出增益KK>0，为了提高控制效率，保证积分模糊控制输出不为负,积分模糊控制模块中，UPD与x2(k)之和经限幅模块后用于动态调整输出增益KK。
经典模糊控制模块的输入和输出的模糊子集均取{NB,NM,NS,ZE,PS,PM,PB}，其中输入模糊子集的NB,NM,NS,ZE,PS,PM,PB对应e(k)和Δe(k)值分别为负大，负中，负小，负零，正小，正中及正大。隶属度函数均选为三角形隶属度函数。经典模糊控制模块采用Mamdani经典模糊推理，根据输入的e(k)和Δe(k)进行模糊推理和重心法计算其输出UPD，用于以调整KK值。所述经典模糊控制模块的模糊推理规则遵循传统的经典模糊控制基本规则，即当转速偏差e(k)和转速偏差增量Δe(k)在输入子集不同状态下，输出对应输出子集中不同的状态。
本系统转矩分配模块的转矩分配函数为立方分配函数，如下：
其中θ、θon、θoff及θov分别为开关磁阻电机的转角、开通角、断开角和转子位置角。ΔTref为电机总的转矩偏差，即参考转矩Tref与测量转矩Te的差。电机的三相z＝A,B,C按次序交替切换，ΔTz,ref为电机当前的z相转矩偏差，ΔTz-1,ref和ΔTz+1,ref分别为电机三相中z相的前、后切换的，即与z相相邻相的转矩偏差。
所述微处理器经其串行外设接口——SPI(Serial Peripheral Interface)接口与显示屏连接，实时显示转速，转矩等信息。
与现有技术相比，本发明一种改进PID控制的开关磁阻电机转矩控制系统的优点为：1、微分先行引入，克服了单神经元PID速度控制器因系统给定值突变给控制系统带来超调量过大，甚至产生振荡的缺点；2、模糊控制的引入，调节和优化输出增益KK，适应开关磁阻电机的非线性特性，有效降低了开关磁阻电机的转矩脉动，转矩脉动小于2％，且系统动态性能良好；3、系统同时具有模糊控制自适应性和单神经元自学习能力强的特点，可以根据开关磁阻电机的状态变化自动调整控制参数，有利于实现开关磁阻电机的快速响应，达到较小开关磁阻电机转矩脉动的目的；4、本系统方便开关磁阻电机的在线控制。
附图说明
图1是本改进PID控制的开关磁阻电机转矩控制系统实施例1的单神经元PID速度控制器的直接瞬时转矩控制系统框图；
图2是本改进PID控制的开关磁阻电机转矩控制方法实施例1的单神经元PID速度控制器结构图；
图3是本改进PID控制的开关磁阻电机转矩控制方法实施例1的微分先行单神经元速度控制器PID结构框图；
图4是本改进PID控制的开关磁阻电机转矩控制方法实施例2的模糊—微分先行单神经元PID速度控制器的结构框图；
图5是图4中的积分模糊控制模块结构框图；
图6是本改进PID控制的开关磁阻电机转矩控制方法实施例2的转矩分配示意图。
具体实施方式
改进PID控制的开关磁阻电机转矩控制系统实施例1
本改进PID控制的开关磁阻电机控制系统实施例1的微处理器配有程序存储器和数据存储器，程序存储器含有转速、转矩数据采集模块、模数转换模块、速度控制器、转矩分配模块、转矩滞环控制器、功率变换器和开关磁阻电机上安装的转子转速传感器和转矩传感器，各传感器的输出信号线经模数转换模块与速度控制器连接，速度控制器根据给定转速ω*和实际转速ω得到参考转矩Tref，该参考转矩Tref与测量转矩Te之差作为总的转矩偏差ΔTref接入转矩分配模块，通过转矩分配函数得到开关磁阻电机的各相转矩偏差，送入转矩滞环控制器，由各相转矩偏差得到开关磁阻电机各相的控制信号，各相控制信号作为功率变换器的输入信号，功率变换器对开关磁阻电机的三相输入电流进行控制，驱动电机转子转动。现将转矩分配模块、转矩滞环控制器、功率变换器和开关磁阻电机(SRM)一起称作控制实施机构，图1所示为速度控制器与控制实施机构的框图，图1中虚线框内各部件均为控制实施机构。
本例的速度控制器为微分先行单神经元PID速度控制器。是由单神经元PID速度控制器改进得到。
所述单神经元PID速度控制器如图2所示，包括比例计算模块、积分计算模块和微分计算模块，还有此三个模块计算结果的加权求和模块。
由当前k时刻的给定转速ω*(k)和实际转速ω(k)求得转速偏差e(k)＝ω*(k)-ω(k)，转速偏差送入单神经元PID速度控制器，经比例、积分和微分计算模块得到计算结果x1(k)，x2(k)，xx3(k)，分别为单神经元PID速度控制器的三个输入，其计算式为(1)至(3)；三个计算结果x1(k)，x2(k)，xx3(k)送入加权求和模块，按下式(4)进行计算，乘以输出增益KK，与前一(k-1)时刻的控制量u(k-1)求和，得到单神经元PID速度控制器的k时刻的输出，即控制量u(k)，用作为参考转矩Tref。
x1(k)＝e(k)-e(k-1) (1)
x2(k)＝e(k) (2)
xx3(k)＝e(k)-2e(k-1)+e(k-2) (3)
u(k)＝u(k-1)+KK[w1x1(k)+w2x2(k)+w3xx3(k)] (4)
上述式中e(k),e(k-1),e(k-2)分别为当前k时刻，k的前一时刻和k-1前一时刻的转速偏差；KK是输出增益，w1,w2,w3分别表示加权系数，KK通过经验获得，本例KK取值为3，u(k),u(k-1)分别是当前k时刻控制量和k前一时刻的控制量,经滞后一步算子z-1得k-1时刻单神经元的输出控制量u(k-1)，再用输出增益KK按式(4)计算当前k时刻的u(k)，作为参考转矩。
如图3所示，本例将单神经元PID速度控制器中前向通道的微分计算模块移到转速的反馈通道，构成微分先行单神经元PID速度控制器，送入本速度控制器的当前k时刻转速偏差e(k)＝ω*(k)-ω(k)经比例、积分计算得到x1(k)、x2(k)，而反馈的当前k时刻转速ω(k)接入微分计算模块得到x3(k)，其微分计算如式(5)，
x3(k)＝-ω(k)+2ω(k-1)-ω(k-2) (5)
其中，ω(k),ω(k-1),ω(k-2)分别为当前k时刻，k前一时刻和k-1前一时刻的转速。
x1(k)、x2(k)和x3(k)作为微分先行单神经元PID速度控制器的三个输入。
微分先行单神经元PID速度控制器的性能指标，如式(6)所示。
微分先行单神经元PID速度控制器的输出为：
其中归一化权值wi 0(k)为
KK>0为微分先行单神经元速度控制器的输出增益，wi(k)为k时刻xi(k)的加权系数，i＝1,2,3。
微分先行单神经元PID速度控制器的输出u(k)的计算与前相似，x1(k)、x2(k)和x3(k)送入加权求和模块，按式(7)进行计算，得到微分先行单神经元PID速度控制器的输出uu(k),用作为参考转矩Tref。
通过改进的Hebb神经网络学习算法，归一化权值更新为：
w1(k)＝w1(k-1)+η1e(k)uu(k-1)[e(k)+Δe(k)] (9)
w2(k)＝w2(k-1)+η2e(k)uu(k-1)[e(k)+Δe(k)] (10)
w3(k)＝w3(k-1)+η3e(k)uu(k-1)[e(k)+Δe(k)] (11)
其中Δe(k)是k时刻的偏差e(k)的变化增量，本例取η1＝η2＝η3＝0.5分别为比例、积分和微分先行的学习速率。
本例微处理器经其串行外设接口与显示屏连接，实时显示转速，转矩等信息。
改进PID控制的开关磁阻电机转矩控制系统实施例2
本例的系统整体框图如图1所示，本例的速度控制器为模糊—微分先行单神经元PID速度控制器。
如图4所示，本例引入经典模糊控制模块与积分计算模块并联构成积分模糊控制模块，其输出用于动态调整微分先行单神经元PID速度控制器的输出增益KK，经典模糊控制模块与微分先行单神经元PID一起构成模糊—微分先行单神经元PID速度控制器。
积分模糊控制模块中的经典模糊控制模块以转速偏差e(k)和转速偏差增量Δe(k)＝e(k)-e(k-1)作为输入，其输出为UPD。积分计算器对偏差e(k)进行积分计算，其输出为x2(k)。当前的UPD与x2(k)之和用于动态调整KK值。
如图5所示，本例积分模糊控制模块中，UPD与x2(k)之和经限幅模块后得到输出增益KK。
经典模糊控制模块的输入和输出的模糊子集均取{NB,NM,NS,ZE,PS,PM,PB}，其中输入模糊子集的NB,NM,NS,ZE,PS,PM,PB对应e(k)和Δe(k)值分别为负大，负中，负小，负零，正小，正中及正大。隶属度函数均选为三角形隶属度函数。经典模糊控制模块采用Mamdani经典模糊推理，根据输入的e(k)和Δe(k)进行模糊推理和重心法计算其输出UPD，以调整KK值。所述经典模糊控制模块的模糊推理规则遵循传统的经典模糊控制基本规则，即当转速偏差e(k)和转速偏差增量Δe(k)在输入子集不同状态下，输出对应输出子集中不同的状态。
本系统转矩分配模块的转矩分配函数为立方分配函数，如下：
其中θ、θon、θoff及θov分别为开关磁阻电机的转角、开通角、断开角和转子位置角。如图6所示，ΔTref为电机总的转矩偏差，即参考转矩Tref与测量转矩Te的差。电机的三相z＝A,B,C按次序交替切换，ΔTz,ref为电机当前的z相转矩偏差，ΔTz-1,ref和ΔTz+1,ref分别为电机三相中z相的前、后切换的，即与z相相邻相的转矩偏差。
上述实施例，仅为对本发明的目的、技术方案和有益效果进一步详细说明的具体个例，本发明并非限定于此。凡在本发明的公开的范围之内所做的任何修改、等同替换、改进等，均包含在本发明的保护范围之内。

Claims (7)

1.一种改进PID控制的开关磁阻电机转矩控制系统，其微处理器配有程序存储器和数据存储器，程序存储器含有转速、转矩数据采集模块、模数转换模块、速度控制器、转矩分配模块、转矩滞环控制器、功率变换器和开关磁阻电机上安装的转子转速传感器和转矩传感器，各传感器的输出信号线经模数转换模块与速度控制器连接，速度控制器根据给定转速ω*和实际转速ω得到参考转矩Tref，该参考转矩Tref与测量转矩Te之差作为总的的转矩偏差△Tref接入转矩分配模块，通过转矩分配函数得到开关磁阻电机的各相转矩偏差，送入转矩滞环控制器，由各相转矩偏差得到开关磁阻电机各相的控制信号，各相控制信号作为功率变换器的输入信号，功率变换器对开关磁阻电机的三相输入电流进行控制，驱动电机转子转动；
所述速度控制器为单神经元PID速度控制器；
转速偏差e(k)＝ω*(k)-ω(k)经比例、积分和微分计算得到x1(k)，x2(k)，xx3(k)，分别为单神经元PID的三个输入，单神经元PID输出控制量u(k)，用作为参考转矩Tref；
x1(k)＝e(k)-e(k-1) (1)
x2(k)＝e(k) (2)
xx3(k)＝e(k)-2e(k-1)+e(k-2) (3)
u(k)＝u(k-1)+KK[w1x1(k)+w2x2(k)+w3xx3(k)] (4)
上述式中e(k),e(k-1),e(k-2)分别为当前k时刻，k的前一时刻和k-1前一时刻的转速偏差；KK是输出增益，w1,w2,w3分别表示加权系数，通过经验获得，取值1～5；u(k),u(k-1)分别是当前k时刻控制量和k前一时刻的控制量；经滞后一步算子得k-1时刻单神经元的输出控制量u(k-1)，再用输出增益KK按式(4)计算当前k时刻的u(k)，作为参考转矩；
其特征在于：
所述速度控制器为微分先行单神经元PID速度控制器；
所述单神经元PID速度控制器中前向通道的微分计算模块移到转速的反馈通道，构成微分先行单神经元PID速度控制器，送入本速度控制器的当前k时刻转速偏差e(k)＝ω*(k)-ω(k)经比例、积分计算得到x1(k)、x2(k)，而反馈的当前k时刻转速ω(k)接入微分计算模块得到x3(k)，其微分计算如式(5)，
x3(k)＝-ω(k)+2ω(k-1)-ω(k-2) (5)
其中，ω(k),ω(k-1),ω(k-2)分别为当前k时刻，k前一时刻和k-1前一时刻的转速；
由x1(k)、x2(k)和x3(k)作为微分先行单神经元PID速度控制器的三个输入；
微分先行单神经元PID速度控制器的性能指标，如式(6)所示；
微分先行单神经元PID速度控制器的输出为：
其中归一化权值wi 0(k)为
KK>0为微分先行单神经元速度控制器的输出增益，wi(k)为k时刻xi(k)的加权系数，i＝1,2,3；
微分先行单神经元PID速度控制器的输出u(k)的计算与前相似，x1(k)、x2(k)和x3(k)送入加权求和模块，按式(7)进行计算，得到微分先行单神经元PID速度控制器的输出uu(k),用作为参考转矩Tref。
2.根据权利要求1所述的改进PID控制的开关磁阻电机转矩控制系统，其特征在于：
通过改进的Hebb神经网络学习算法，所述归一化权值更新为：
w1(k)＝w1(k-1)+η1e(k)uu(k-1)[e(k)+△e(k)] (9)
w2(k)＝w2(k-1)+η2e(k)uu(k-1)[e(k)+△e(k)] (10)
w3(k)＝w3(k-1)+η3e(k)uu(k-1)[e(k)+△e(k)] (11)
其中△e(k)是k时刻的偏差e(k)的变化增量，0<η1<1，0<η2<1，0<η3<1分别为比例、积分和微分先行的学习速率。
3.根据权利要求1或2所述的改进PID控制的开关磁阻电机转矩控制系统，其特征在于：
引入经典模糊控制模块与积分计算模块并联构成积分模糊控制模块，其输出用于求解微分先行单神经元PID速度控制器的输出增益KK，经典模糊控制模块与微分先行单神经元PID一起构成模糊—微分先行单神经元PID速度控制器；
积分模糊控制模块中的经典模糊控制模块以转速偏差e(k)和转速偏差增量△e(k)＝e(k)-e(k-1)作为输入，其输出为UPD；积分计算器对转速偏差e(k)进行积分计算，其输出为x2(k)；当前的UPD与x2(k)之和用于动态调整输出增益KK值。
4.根据权利要求3所述的改进PID控制的开关磁阻电机转矩控制系统，其特征在于：
所述积分模糊控制模块中，UPD与x2(k)之和经限幅模块后用于动态调整输出增益KK。
5.根据权利要求3所述的改进PID控制的开关磁阻电机转矩控制系统，其特征在于：
经典模糊控制模块的输入和输出的模糊子集均取{NB,NM,NS,ZE,PS,PM,PB}，其中输入模糊子集的NB,NM,NS,ZE,PS,PM,PB对应e(k)和△e(k)值分别为负大，负中，负小，负零，正小，正中及正大。隶属度函数均选为三角形隶属度函数。经典模糊控制模块采用Mamdani经典模糊推理，根据输入的e(k)和△e(k)进行模糊推理和重心法计算其输出UPD；所述经典模糊控制模块的模糊推理规则遵循传统的经典模糊控制基本规则，即当转速偏差e(k)和转速偏差增量△e(k)在输入子集不同状态下，输出对应输出子集中不同的状态。
6.根据权利要求3至5中任一项所述的改进PID控制的开关磁阻电机转矩控制系统，其特征在于：
本系统转矩分配模块的转矩分配函数为立方分配函数，如下：
其中θ、θon、θoff及θov分别为开关磁阻电机的转角、开通角、断开角和转子位置角；△Tref为电机总的转矩偏差，即参考转矩Tref与测量转矩Te的差。电机的三相z＝A,B,C按次序交替切换，△Tz,ref为电机当前的z相转矩偏差，△Tz-1,ref和△Tz+1,ref分别为电机三相中z相的前、后切换的，即与z相相邻相的转矩偏差。
7.根据权利要求3至5中任一项所述的改进PID控制的开关磁阻电机转矩控制系统，其特征在于：
所述微处理器经其串行外设接口与显示屏连接，实时显示转速和转矩信息。
CN201811495606.1A 2018-12-07 2018-12-07 一种改进pid控制的开关磁阻电机转矩控制系统 Active CN109343351B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811495606.1A CN109343351B (zh) 2018-12-07 2018-12-07 一种改进pid控制的开关磁阻电机转矩控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811495606.1A CN109343351B (zh) 2018-12-07 2018-12-07 一种改进pid控制的开关磁阻电机转矩控制系统

Publications (2)

Publication Number Publication Date
CN109343351A true CN109343351A (zh) 2019-02-15
CN109343351B CN109343351B (zh) 2021-06-04

Family

ID=65303364

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811495606.1A Active CN109343351B (zh) 2018-12-07 2018-12-07 一种改进pid控制的开关磁阻电机转矩控制系统

Country Status (1)

Country Link
CN (1) CN109343351B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110096077A (zh) * 2019-05-31 2019-08-06 西南石油大学 开关磁阻电机非奇异快速终端滑模转速控制方法及系统
CN110601246A (zh) * 2019-08-14 2019-12-20 上海电力大学 基于径向基神经网络预测的直流微电网均流方法
CN111158282A (zh) * 2019-12-27 2020-05-15 吉林大学 一种用于交联电缆生产线的单神经元fpga控制方法及系统
CN111367175A (zh) * 2020-03-17 2020-07-03 江南大学 一种未知转移概率跳变系统的邻态偏差智能控制方法
CN111812970A (zh) * 2020-07-22 2020-10-23 桂林电子科技大学 一种基于ieee1588协议的双补偿时钟同步方法
CN112698571A (zh) * 2020-12-09 2021-04-23 河南知汇电力技术有限公司 双pi协同控制装置及方法
CN113241982A (zh) * 2021-05-08 2021-08-10 江苏理工学院 基于模糊单神经元控制的永磁同步电主轴矢量调速方法
CN114204874A (zh) * 2021-12-16 2022-03-18 河北工业大学 一种剑杆织机主轴用磁阻电机的控制系统及控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009173174A (ja) * 2008-01-24 2009-08-06 Toyota Motor Corp 車両用動力伝達装置の制御装置
CN102109822A (zh) * 2011-04-02 2011-06-29 重庆交通大学 伺服电机的变结构双自由度智能集成控制方法
CN102719990A (zh) * 2012-06-18 2012-10-10 三明学院 智能经编多速电子送经系统
CN106406100A (zh) * 2016-11-23 2017-02-15 合肥工业大学 基于模糊自整定单神经元pid控制的转子动平衡控制系统及其方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009173174A (ja) * 2008-01-24 2009-08-06 Toyota Motor Corp 車両用動力伝達装置の制御装置
CN102109822A (zh) * 2011-04-02 2011-06-29 重庆交通大学 伺服电机的变结构双自由度智能集成控制方法
CN102719990A (zh) * 2012-06-18 2012-10-10 三明学院 智能经编多速电子送经系统
CN106406100A (zh) * 2016-11-23 2017-02-15 合肥工业大学 基于模糊自整定单神经元pid控制的转子动平衡控制系统及其方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
潘雷 等: ""基于单神经元自适应PID的无刷直流电机反电势与磁链观测及无位置传感器直接转矩控制"", 《电机与控制学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110096077A (zh) * 2019-05-31 2019-08-06 西南石油大学 开关磁阻电机非奇异快速终端滑模转速控制方法及系统
CN110096077B (zh) * 2019-05-31 2022-01-25 西南石油大学 开关磁阻电机非奇异快速终端滑模转速控制方法及系统
CN110601246A (zh) * 2019-08-14 2019-12-20 上海电力大学 基于径向基神经网络预测的直流微电网均流方法
CN110601246B (zh) * 2019-08-14 2022-12-06 上海电力大学 基于径向基神经网络预测的直流微电网均流方法
CN111158282A (zh) * 2019-12-27 2020-05-15 吉林大学 一种用于交联电缆生产线的单神经元fpga控制方法及系统
CN111367175A (zh) * 2020-03-17 2020-07-03 江南大学 一种未知转移概率跳变系统的邻态偏差智能控制方法
CN111367175B (zh) * 2020-03-17 2021-04-02 江南大学 一种未知转移概率跳变系统的邻态偏差智能控制方法
CN111812970B (zh) * 2020-07-22 2022-11-11 桂林电子科技大学 一种基于ieee1588协议的双补偿时钟同步方法
CN111812970A (zh) * 2020-07-22 2020-10-23 桂林电子科技大学 一种基于ieee1588协议的双补偿时钟同步方法
CN112698571A (zh) * 2020-12-09 2021-04-23 河南知汇电力技术有限公司 双pi协同控制装置及方法
CN113241982A (zh) * 2021-05-08 2021-08-10 江苏理工学院 基于模糊单神经元控制的永磁同步电主轴矢量调速方法
CN114204874A (zh) * 2021-12-16 2022-03-18 河北工业大学 一种剑杆织机主轴用磁阻电机的控制系统及控制方法
CN114204874B (zh) * 2021-12-16 2023-07-21 江苏科瑞德智控自动化科技有限公司 一种剑杆织机主轴用磁阻电机的控制系统及控制方法

Also Published As

Publication number Publication date
CN109343351B (zh) 2021-06-04

Similar Documents

Publication Publication Date Title
CN109343351A (zh) 一种改进pid控制的开关磁阻电机转矩控制系统
Lopez-Garcia et al. Artificial neural networks in microgrids: A review
CN110022109B (zh) 转矩-电流神经网络模型srm转矩脉动控制方法与系统
Mir et al. Fault-tolerant switched reluctance motor drive using adaptive fuzzy logic controller
CN109327178A (zh) 一种开关磁阻电机多步预测控制器构造方法
Yin et al. Recurrent neural network based adaptive integral sliding mode power maximization control for wind power systems
CN108809167A (zh) 一种基于模糊控制的bp神经网络pid调速控制算法
CN104709748B (zh) 一种基于fpga的薄膜收卷张力控制系统及方法
CN115313524B (zh) 一种基于构网型变流器的光伏发电并网控制方法及系统
Khuntia et al. A comparative study of PI, IP, fuzzy and neuro-fuzzy controllers for speed control of DC motor drive
CN108696210A (zh) 基于参数辨识的直流电机电流环控制器参数自整定方法
CN105116733B (zh) 改良型粒子群寻优神经网络超声波电机控制系统及其方法
CN106597840B (zh) 一种基于产生式规则推理的pid参数整定方法
Wang et al. An adaptive fuzzy PID controller for speed control of brushless direct current motor
Ming et al. Simulation study on fuzzy PID controller for DC motor based on DSP
CN108681238A (zh) 一种随钻井下电机组速度自调整控制方法
de Dieu Nguimfack-Ndongmo et al. Adaptive terminal synergetic-backstepping technique based machine learning regression algorithm for MPPT control of PV systems under real climatic conditions
Ghareaghaji A comparison between Fuzzy-PSO controller and PID-PSO controller for controlling a DC motor
Fregene et al. Stabilizing control of a high-order generator model by adaptive feedback linearization
Khammar et al. Application of artificial intelligence techniques for the control of the asynchronous machine
CN104238359B (zh) 一种大型机电混合惯量系统控制方法
CN113922384B (zh) 一种风电场分散式无功电压优化协调控制方法
CN103633912A (zh) 一种基于arx模型和pi预测函数的无刷直流电动机控制方法
CN114268263A (zh) 一种电机驱动器双闭环模糊控制方法
Ting et al. Novel mingled reformed recurrent Hermite polynomial neural network control system applied in continuously variable transmission system

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