CN110474576A - 一种无刷直流电机仿人智能转速控制方法 - Google Patents
一种无刷直流电机仿人智能转速控制方法 Download PDFInfo
- Publication number
- CN110474576A CN110474576A CN201910899225.8A CN201910899225A CN110474576A CN 110474576 A CN110474576 A CN 110474576A CN 201910899225 A CN201910899225 A CN 201910899225A CN 110474576 A CN110474576 A CN 110474576A
- Authority
- CN
- China
- Prior art keywords
- motor
- brshless
- control
- phase
- formula
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/08—Arrangements for controlling the speed or torque of a single motor
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/34—Modelling or simulation for control purposes
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P2205/00—Indexing scheme relating to controlling arrangements characterised by the control loops
- H02P2205/07—Speed loop, i.e. comparison of the motor speed with a speed reference
Abstract
本发明公开了一种无刷直流电机仿人智能转速控制方法,涉及无刷直流电机控制技术领域。该方法通过构建系统函数、确定并优化阈值参数和控制参数来实现控制,能够在线特征辨识和特征记忆,利用误差相平面的特征在线选择并确定控制策略,初步模拟人面对不同情况采取不同控制策略的方式;该方法能够根据具有先验性质的特征模型实时识别系统处于何种特征状态,并确定控制策略,产生控制输出,从而不需要被控对象的精确数学模型;该方法获得的转速响应曲线的超调量更小、响应时间更短、抗干扰的能力更强;该控制方法具有一定的通用性,能够适应于多种电机的调速控制。
Description
技术领域
本发明涉及无刷直流电机控制技术领域,具体而言,涉及一种无刷直流电机仿人智能转速控制方法。
背景技术
无刷直流电机(BLDCM)系统因其控制结构简单、可控性强、调速性能好等优点,在工业与国防领域拥有广泛的应用。而随着工业规模的不断扩大与智能工业的进一步推广,无刷直流电机面临的运行环境越来越复杂,传统的经典控制理论与PID控制已经难以满足控制系统高性能、强鲁棒性的要求。并且无刷直流电机(BLDCM)是一个具有外部负载扰动的非线性被控对象,常规PID控制通常将无刷直流电机(BLDCM)近似为线性被控对象处理,难以进一步提升控制效果。
目前无刷直流电机(BLDCM)控制多采用PID控制,PID控制拥有原理简单、易于实现、可靠性高等优点,但其本质是一种线性控制,控制效果难以兼顾稳定性、快速性和精确性。有学者提出智能控制策略,比如采用模糊理论、粒子群算法等结合PID形成模糊PID控制、粒子群算法PID控制等,通过这种方式能有效提升无刷直流电机(BLDCM)的动静态特性与响应速度;滑模控制也是无刷直流电机(BLDCM)常用的控制策略,有文献提出无刷直流电机(BLDCM)的反步高阶滑模控制方法,通过在控制率中的每一步都引入二阶滑模Super-Twisting算法,消除滑模的抖振,同时在虚拟控制率设计中改进了二阶滑模Super-Twisting算法,获得了更好的动静态性能和更小的转矩脉动;另有文献提出基于新型自适应滑膜观测器的无刷直流电机控制,利用双边界层思想建立一种新型切换函数,以此改进滑膜观测器,减小了无刷直流电机控制中出现的抖振现象。
上述无刷直流电机(BLDCM)控制方法均存在电机启动阶段响应慢、突增负载阶段转速波动大的问题。
发明内容
针对现有无刷直流电机控制方法的不足,本发明提出一种无刷直流电机仿人智能转速控制方法,以解决现有技术中控制系统需要精确数学建模、电机启动阶段响应慢以及突增负载阶段转速波动大的问题。
本发明在于提供一种无刷直流电机仿人智能转速控制方法,其能够缓解上述问题。
为了缓解上述的问题,本发明采取的技术方案如下:
本发明提供了一种无刷直流电机仿人智能转速控制方法,包括以下步骤:
S1、构建所述无刷直流电机的转速控制系统的传递函数;
S2、将电机参数代入所述传递函数,计算所述转速控制系统的阻尼系数,确定转速控制系统的根的位置,由所述传递函数利用matlab得到所述转速控制系统的单位阶跃响应曲线及误差相平面轨迹,所述电机参数包括定子相绕组电阻、定子相相间电感、转子转动惯量、极对数、额定转速、转矩系数以及反电势系数;
S3、根据所述误差相平面轨迹,确定特征基元集及阈值参数,通过各特征基元的组合构建特征状态,得到特征状态集;
S4、根据所述特征状态集、转速控制系统的实际误差相轨迹与理想误差相轨迹在误差相平面内的距离差、理想误差相轨迹的运动趋势,模仿人的控制决策行为,构建控制模态集,确定控制参数,所述理想误差相轨迹指的是实际控制需求的动态指标所确定的误差相平面内的轨迹,所述控制模态集中的各控制模态与所述特征状态集中的各特征状态一一对应;
S5、通过遗传算法优化所述控制参数和所述阈值参数,完成无刷直流电机的转速控制。
本技术方案的技术效果是:
能够在线特征辨识和特征记忆,利用误差相平面的特征在线选择并确定控制策略,初步模拟人面对不同情况采取不同控制策略的方式,体现了简单的仿人思维,因此能够很好的兼顾控制系统的稳定性、快速性和精确性;
为一种增益式非线性调节方法,能够很好的实现大滞后、强非线性对象的控制,并且利用特征辨识实现系统当前状态的模式识别,通过对一些反应前期决策与控制效果特征量的记忆,作为自校正、自适应和自学习的根据,同时能够直接影响控制与校正的输出量,改善控制效果,因此该控制方法能够根据具有先验性质的特征模型实时识别系统处于何种特征状态,并确定控制策略,产生控制输出,从而不需要被控对象的精确数学模型;
获得的转速响应曲线的超调量更小、响应时间更短、抗干扰的能力更强;
该控制方法具有一定的通用性,能够适应于多种电机的调速控制。
可选地,所述无刷直流电机为两极三相电机,所述步骤S1具体包括以下步骤:
S11、将无刷直流电机定义为仅有两相绕组导通,且电流大小相等,方向相反,即:
iA=-iB=i (1)
构建无刷直流电机的相电压方程:
其中ux(x=A,B,C)表示相电压,R表示相电阻,ix(x=A,B,C)表示相电流,L表示相电感,M表示相与相之间的互感,ex(x=A,B,C)表示相电势;
S12、构建无刷直流电机的线电压数学模型:
S13、构建uAB的计算公式如式(4)所示:
其中,Ud为直流母线电压,ra为绕组线电阻,La为绕组等效线电感,ke为线反电势系数,Ω为电机机械角速度;
S14、不计无刷直流电机转子的损耗,设无刷直流电机的电磁功率全部转化为转子动能,则得到式(5):
其中,Te为电磁转矩,Ω为电机机械角速度;
S15、根据式(4)和式(5),得到式(6):
其中,Bm为无刷直流电机转子永磁体气隙磁密分布的最大值,Ψm为每相绕组匝链永磁磁链的最大值,且Ψm=2NSBm,fA(θ)为A相反电势的波形函数,KT表示无刷直流电机转矩系数,i表示相电流;
S16、构建无刷直流电机运动方程如式(7)所示:
其中,TL表示负载转矩,J表示转子转动惯量,Bv表示黏滞摩擦系数;
S17、根据式(7),获取无刷直流电机在空载状态下的电枢电流ia如式(8)所示:
S18、将公式(8)代入公式(4)得到:
S19、对公式(9)进行反拉普拉斯变换并整理之后,得到所述无刷直流电机的传递函数为:
其中,二阶转速控制系统的自然频率二阶转速控制系统的阻尼比
可选地,所述步骤S3具体包括:
根据所述误差相平面轨迹,确定特征基元集Q,令qi为平面上某一具体区域,则
根据所述误差相平面轨迹与单位阶跃响应曲线,得出所述转速控制系统的特征状态如式(12)所示:
根据所述误差相平面轨迹,确定特征基元集Q中各特征基元的阈值参数。
本技术方案的技术效果是:构建了无刷直流电机转速控制系统的特征状态集,随实际误差相平面轨迹的运行,无刷直流电机转速控制系统能够实时辨别误差相平面轨迹所处哪种特征状态。
可选地,所述步骤S5具体包括:
将所述步骤S3中的阈值参数以及所述步骤S4中的控制参数作为遗传算法的初始种群,设置种群数目为100,种群进化代数N=100,交叉率为0.6,变异率为0.1,获取适应度函数如下:
其中,Cmax是转速最大值,C∞是转速预设值,ess是转速稳态误差,tr是上升时间,t0是仿真时间,ki(i=1,2,3)是各项的加权系数;
通过遗传算法对初始控制参数和初始阈值参数的迭代优化,得到一组优化后的控制参数和阈值参数。
本技术方案的技术效果是:通过遗传算法对控制参数与阈值参数的优化,在无刷直流电机转速控制系统下,无刷直流电机速度响应曲线更加光滑,响应速度更高,超调量更小,控制效果更好;相应的转速控制系统的鲁棒性也会更强。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举本发明实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明实施例1中所述无刷直流电机仿人智能转速控制方法的流程图;
图2是本发明实施例2中无刷直流电机调速的原理结构图,其中有仿人智能控制器、换相逻辑单元、功率开关电路、三相霍尔元件以及无刷直流电机;
图3是本发明实施例2中无刷直流电机在单位阶跃信号下的转速响应曲线图;
图4是本发明实施例2中无刷直流电机在单位阶跃信号下的误差相平面时相轨迹图;
图5是本发明实施例2中仿人智能转速控制方法中特征模型内部的特征状态划分方式;
图6是本发明实施例2中无刷直流电机转速控制系统仿真模型;
图7是本发明实施例2中无刷直流电机转速响应曲线图;
图8是本发明实施例2中无刷直流电机反电动势波形图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
请参照图1,本实施例提供了一种无刷直流电机仿人智能转速控制方法,包括以下步骤:
S1、构建所述无刷直流电机的转速控制系统的传递函数;
S2、将电机参数代入传递函数,计算转速控制系统的阻尼系数,确定转速控制系统的根的位置,通过matlab得到转速控制系统的单位阶跃响应曲线及误差相平面轨迹,电机参数包括定子相绕组电阻、定子相相间电感、转子转动惯量、极对数、额定转速、转矩系数以及反电势系数;
S3、根据误差相平面轨迹,确定特征基元集及阈值参数,通过各特征基元的组合构建特征状态,得到特征状态集;
S4、根据特征状态集、转速控制系统的实际误差相轨迹与理想误差相轨迹在误差相平面内的距离差、理想误差相轨迹的运动趋势,模仿人的控制决策行为,构建控制模态集,确定控制参数,理想误差相轨迹指的是实际控制需求的动态指标所确定的误差相平面内的轨迹,控制模态集中的各控制模态与特征状态集中的各特征状态一一对应;
S5、通过遗传算法优化控制参数和阈值参数,完成无刷直流电机的转速控制。
在本实施例中,模仿人的控制决策行为,指的是模仿技术人员面对不同情况采取不同处理方法的控制决策行为。
在本实施例中,步骤S3中的控制参数是通过专家经验与试凑法获得,然后在步骤S5中把初值作为遗传算法的初始种群,通过遗传算法的迭代优化,得到精确的控制参数。
实施例2
相对于实施例1而言,无刷直流电机选用了两极三相电机,针对两极三相无刷直流电机的控制如下:
一、构建两极三相无刷直流电机的传递函数
请参照图2,电机采用三相全桥驱动、定子绕组两两通电的方式,电机运行的每个电气周期需要经历6次换相。因换相过程引起的换相转矩脉动对该模型中电气量的影响较小,此处将其忽略不计以简化模型计算。
近似认为仅有两相绕组导通,且电流大小相等,方向相反,如公式(1)所示:
iA=-iB=i (1)
而无刷直流电机的相电压方程可以用公式(2)表示:
相应的线电压数学模型可以由相电压方程直接相减得到,如公式(3)所示:
在不考虑反电势的梯形斜边的情况下,A相和B相稳态导通时,eA和eB的大小相等符号相反,所以uAB可以由公式(4)得到:
其中,Ud为直流母线电压,ra为绕组线电阻,La为绕组等效线电感,ke为线反电势系数,Ω为电机机械角速度;
从能量角度分析,电机从电源吸收的电功率大部分通过气隙磁场把转子永磁体的力矩作用传递给转子,这部分功率为电磁功率,且若不计转子的损耗,电磁功率将全部转化为转子动能,即:
其中,Te为电磁转矩,Ω为电机机械角速度;
在不考虑换相暂态过程后,三相星形连接的定子绕组中仅有两相有电流,并且电流大小相等方向相反。同时fA(θ)随转子位置角呈梯形分布,并且最大值和最小值分别为1和-1,因此结合反电势eA的表达式,可以得到电磁转矩的另一种表达式为:
其中,Bm为无刷直流电机转子永磁体气隙磁密分布的最大值,Ψm为每相绕组匝链永磁磁链的最大值,且Ψm=2NSBm,fA(θ)为A相反电势的波形函数,KT表示无刷直流电机转矩系数,i表示稳态时的绕组相电流;
结合公式(7)所示的电机运动方程,可以得到空载情况下的电枢电流ia如公式(8)所示:
其中,TL表示负载转矩,J表示转子转动惯量,Bv表示黏滞摩擦系数;
将公式(8)代入公式(4)得到:
对公式(9)进行反拉普拉斯变换并整理之后,得到无刷直流电机的传递函数为:
其中,二阶转速控制系统的自然频率二阶转速控制系统的阻尼比
二、获取转速控制系统的单位阶跃响应曲线以及对应的误差相平面轨迹
将电机参数代入所得到的传递函数,得到无刷直流电机传递函数的具体表达式:
通过表达式可以得出无刷直流电机的单位阶跃响应函数,由此可得该转速控制系统的阻尼系数ξ=0.681,系统处于欠阻尼状态,并且系统拥有一对共轭复根,由此可以画出系统的单位阶跃响应曲线以及对应的误差相平面轨迹,如图3、图4所示。
三、获取特征基元集、阈值参数以及特征状态集
根据单位阶跃响应下的误差相平面轨迹,在轨迹附近选取构成特征状态的特征基元集Q,常用的特征基元有q1:令qi为平面上某一具体区域,得到新的特征模型符号语言表示为:
特征状态由一些特征基元qi的组合来描述,如图3所示,根据误差相平面轨迹与单位阶跃响应曲线,得出转速控制系统的特征状态集Φi,如图5所示:
通过比较实际控制误差相平面轨迹与单位阶跃响应下的误差相平面轨迹,利用专家经验与试凑法确定特征基元集中各特征基元的阈值参数,使实际控制误差相平面轨迹能近似单位阶跃响应下的误差相平面轨迹,此处获得的阈值参数为参数初值。该特征模型与仿人智能控制中特征模型(控制模态集)相比,该误差相平面空间是固定不变的,需要变化的只有阈值参数与控制参数。
四、构建控制模态集,确定控制参数
根据特征状态集、转速控制系统的实际误差相轨迹与理想误差相轨迹在误差相平面内的距离差、理想误差相轨迹的运动趋势,通过模仿人面对不同情况采取不同控制措施的控制决策行为设计出相应的控制模态,其过程具体包括:
在误差大的区域,控制模态选取较强的比例控制或者直接使控制器输出极值,能尽快减小误差;在误差变化率较大的情况下,控制模态选择较强的微分控制,或者采用基于误差变化率的磅-磅控制,降低输出的超调量;在误差和误差变化率均不大的情况下,控制模态同时选择比例控制与微分控制,分别使相平面轨迹向相平面图中的纵坐标轴(即误差减小的方向)和橫坐标轴(即误差变化率减小的方向)靠近。
所设计出的各控制模态一起形成控制模态集,最后设计出控制模态中的具体控制参数。
如图5所示,区间1中,采用比例微分(PD)控制,目的是使误差变化率尽快降为零;区间2则采用比例控制,使误差向原点方向减小,同时不对误差变化率施加控制率,使误差变化率利用惯性变化,避免误差变化率在横轴上下震荡;区间3则采用微分控制,一方面使误差变化率向原点方向减小,另一方面不对误差施加控制率,使误差利用惯性减小误差降低的趋势,避免产生超调;在区间4,为尽快减小误差,采用基于误差的Bang-Bang控制;在区间5,采用比例微分(PD)控制,使误差与误差变化率均朝原点方向变化;在区间6采取保持模态,让误差与误差变化率依靠惯性向原点方向缓慢变化。控制模态与特征状态的对应关系如下式所示:
Ψ2:U=sgn(e)·Umax Φ4
Ψ3:U=kp·e Φ2
Ψ5:U=U0 Φ6
可以得到IHSIC控制器的表达式如下式所示:
其中:U为控制器的输出;Umax为控制器输出的最大值;e为偏差值;为偏差的变化率;kpi(i=1,2,5)为比例系数;kdi(i=1,3,5)为微分系数;e1,e2为偏差的阈值;为偏差变化率的阈值。
五、优化控制参数和阈值参数
通过遗传算法优化控制参数与阈值参数,理想的控制效果需要精确的控制参数与阈值参数,前面均是按照理想误差时相轨迹确定的控制参数与阈值参数近似值,通过将前述控制参数和阈值参数的初值作为遗传算法的初始种群,设置种群数目为100,种群进化代数N=100,交叉率为0.6,变异率为0.1,取适当的适应度函数:
其中,Cmax是转速最大值,C∞是转速预设值,ess是转速稳态误差,tr是上升时间,t0是仿真时间,ki(i=1,2,3)是各项的加权系数;通过遗传算法的迭代优化,最后得到一组优化后的控制参数和阈值参数。
实际使用中遗传算法分为以下几步:
1)初始化种群,生成初始种群;
2)计算种群中各个个体的适应度;
3)将选择算子作用于种群,把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代;
4)将交叉算子作用于群体;
5)将变异算子作用于群体;
6)通过终止条件判断确定算法是否终止计算。
实验中适应度随着进化代数增长迅速降低,在接近50代最佳个体的适应度平稳,得到较优的一组参数,如表1所示:
表1
通过查看实际控制效果,如图6所示的仿真中,在启动转速响应中,比例积分(PI)控制的效果最差,超调量大,响应时间长,仿人智能控制(HSIC)则能够实现无超调量控制,但是响应时间仍然较长,而改进仿人智能控制(IHSIC)的超调量可以控制在1%以内,并且能够大幅缩短系统的响应时间,如图7、图8所示;在t=0.1s时突增负载阶跃扰动后,比例积分(PI)控制的抗干扰能力较差,出现较大幅度的转速变化,且响应速度慢,相比而言仿人智能控制(HSIC)系统中的抗干扰能力有大幅提升,但仍有50rpm/min左右的转速波动,而改进仿人智能控制(IHSIC)系统则进一步将转速波动降低到20rpm/min,提升了系统的抗干扰性与响应速度,如图7所示。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种无刷直流电机仿人智能转速控制方法,其特征在于,包括以下步骤:
S1、构建所述无刷直流电机的转速控制系统的传递函数;
S2、将电机参数代入所述传递函数,计算所述转速控制系统的阻尼系数,确定转速控制系统的根的位置,由所述传递函数利用matlab得到所述转速控制系统的单位阶跃响应曲线及误差相平面轨迹,所述电机参数包括定子相绕组电阻、定子相相间电感、转子转动惯量、极对数、额定转速、转矩系数以及反电势系数;
S3、根据所述误差相平面轨迹,确定特征基元集及阈值参数,通过各特征基元的组合构建特征状态,得到特征状态集;
S4、根据所述特征状态集、转速控制系统的实际误差相轨迹与理想误差相轨迹在误差相平面内的距离差、理想误差相轨迹的运动趋势,模仿人的控制决策行为,构建控制模态集,确定控制参数,所述理想误差相轨迹指的是实际控制需求的动态指标所确定的误差相平面内的轨迹,所述控制模态集中的各控制模态与所述特征状态集中的各特征状态一一对应;
S5、通过遗传算法优化所述控制参数和所述阈值参数,完成无刷直流电机的转速控制。
2.根据权利要求1所述的无刷直流电机仿人智能转速控制方法,其特征在于,所述无刷直流电机为两极三相电机,所述步骤S1具体包括以下步骤:
S11、将无刷直流电机定义为仅有两相绕组导通,且电流大小相等,方向相反,即:
iA=-iB=i (1)
构建无刷直流电机的相电压方程:
其中ux(x=A,B,C)表示相电压,R表示相电阻,ix(x=A,B,C)表示相电流,L表示相电感,M表示相与相之间的互感,ex(x=A,B,C)表示相电势;
S12、构建无刷直流电机的线电压数学模型:
S13、构建uAB的计算公式如式(4)所示:
其中,Ud为直流母线电压,ra为绕组线电阻,La为绕组等效线电感,ke为线反电势系数,Ω为电机机械角速度;
S14、不计无刷直流电机转子的损耗,设无刷直流电机的电磁功率全部转化为转子动能,则得到式(5):
其中,Te为电磁转矩,Ω为电机机械角速度;
S15、根据式(4)和式(5),得到式(6):
其中,Bm为无刷直流电机转子永磁体气隙磁密分布的最大值,Ψm为每相绕组匝链永磁磁链的最大值,且Ψm=2NSBm,fA(θ)为A相反电势的波形函数,KT表示无刷直流电机转矩系数,i表示相电流;
S16、构建无刷直流电机运动方程如式(7)所示:
其中,TL表示负载转矩,J表示转子转动惯量,Bv表示黏滞摩擦系数;
S17、根据式(7),获取无刷直流电机在空载状态下的电枢电流ia如式(8)所示:
S18、将公式(8)代入公式(4)得到:
S19、对公式(9)进行反拉普拉斯变换并整理之后,得到所述无刷直流电机的传递函数为:
其中,二阶转速控制系统的自然频率二阶转速控制系统的阻尼比
3.根据权利要求2所述的无刷直流电机仿人智能转速控制方法,其特征在于,所述步骤S3具体包括:
根据所述误差相平面轨迹,确定特征基元集Q,令qi为平面上某一具体区域,则
根据所述误差相平面轨迹与单位阶跃响应曲线,得出所述转速控制系统的特征状态如式(12)所示:
根据所述误差相平面轨迹,确定特征基元集Q中各特征基元的阈值参数。
4.根据权利要求3所述的无刷直流电机仿人智能转速控制方法,其特征在于,所述步骤S5具体包括:
将所述步骤S3中的阈值参数以及所述步骤S4中的控制参数作为遗传算法的初始种群,设置种群数目为100,种群进化代数N=100,交叉率为0.6,变异率为0.1,获取适应度函数如下:
其中,Cmax是转速最大值,C∞是转速预设值,ess是转速稳态误差,tr是上升时间,t0是仿真时间,ki(i=1,2,3)是各项的加权系数;
通过遗传算法对初始控制参数和初始阈值参数的迭代优化,得到一组优化后的控制参数和阈值参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910899225.8A CN110474576B (zh) | 2019-09-23 | 2019-09-23 | 一种无刷直流电机仿人智能转速控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910899225.8A CN110474576B (zh) | 2019-09-23 | 2019-09-23 | 一种无刷直流电机仿人智能转速控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110474576A true CN110474576A (zh) | 2019-11-19 |
CN110474576B CN110474576B (zh) | 2021-06-22 |
Family
ID=68516541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910899225.8A Active CN110474576B (zh) | 2019-09-23 | 2019-09-23 | 一种无刷直流电机仿人智能转速控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110474576B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111427386A (zh) * | 2020-04-16 | 2020-07-17 | 中国科学院光电技术研究所 | 一种结合bang-bang控制与无超调预测控制的光电设备快速调转方法 |
CN112003523A (zh) * | 2020-07-29 | 2020-11-27 | 西安理工大学 | 一种提高永磁同步直线电机速度估计稳定性的方法 |
CN113126484A (zh) * | 2021-04-18 | 2021-07-16 | 桂林电子科技大学 | 液压系统改进的无模型滑模控制系统和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101364082A (zh) * | 2008-09-26 | 2009-02-11 | 河北省电力研究院 | 工业过程的仿人pid智能控制方法 |
CN106926840A (zh) * | 2017-03-13 | 2017-07-07 | 北京理工大学 | 一种无人车辆极限动力学轨迹跟踪控制系统 |
CN108255055A (zh) * | 2018-01-26 | 2018-07-06 | 重庆工商职业学院 | 一种仿人智能控制系统及方法 |
CN108502053A (zh) * | 2018-06-13 | 2018-09-07 | 安徽新华学院 | 一种轮式机器人平台精确控制方法 |
CN109212973A (zh) * | 2018-11-05 | 2019-01-15 | 北京交通大学 | 一种基于强化学习的仿人智能控制的避障控制方法 |
-
2019
- 2019-09-23 CN CN201910899225.8A patent/CN110474576B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101364082A (zh) * | 2008-09-26 | 2009-02-11 | 河北省电力研究院 | 工业过程的仿人pid智能控制方法 |
CN106926840A (zh) * | 2017-03-13 | 2017-07-07 | 北京理工大学 | 一种无人车辆极限动力学轨迹跟踪控制系统 |
CN108255055A (zh) * | 2018-01-26 | 2018-07-06 | 重庆工商职业学院 | 一种仿人智能控制系统及方法 |
CN108502053A (zh) * | 2018-06-13 | 2018-09-07 | 安徽新华学院 | 一种轮式机器人平台精确控制方法 |
CN109212973A (zh) * | 2018-11-05 | 2019-01-15 | 北京交通大学 | 一种基于强化学习的仿人智能控制的避障控制方法 |
Non-Patent Citations (2)
Title |
---|
李楠等: "用IGA优化的直流电机的仿人智能控制", 《计算机工程与应用》 * |
杨豪: "无刷直流电机仿人智能控制系统的设计与研究", 《中国优秀硕士论文电子期刊网》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111427386A (zh) * | 2020-04-16 | 2020-07-17 | 中国科学院光电技术研究所 | 一种结合bang-bang控制与无超调预测控制的光电设备快速调转方法 |
CN111427386B (zh) * | 2020-04-16 | 2023-03-31 | 中国科学院光电技术研究所 | 一种结合bang-bang控制与无超调预测控制的光电设备快速调转方法 |
CN112003523A (zh) * | 2020-07-29 | 2020-11-27 | 西安理工大学 | 一种提高永磁同步直线电机速度估计稳定性的方法 |
CN113126484A (zh) * | 2021-04-18 | 2021-07-16 | 桂林电子科技大学 | 液压系统改进的无模型滑模控制系统和方法 |
CN113126484B (zh) * | 2021-04-18 | 2022-06-28 | 桂林电子科技大学 | 液压系统改进的无模型滑模控制系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110474576B (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110474576A (zh) | 一种无刷直流电机仿人智能转速控制方法 | |
Waheedabeevi et al. | New online loss-minimization-based control of scalar and vector-controlled induction motor drives | |
CN110112971B (zh) | 一种基于有限时间动态面的异步电动机位置跟踪控制方法 | |
Ahmed et al. | Brushless DC motor speed control using both PI controller and fuzzy PI controller | |
Henriques et al. | Proposition of an offline learning current modulation for torque-ripple reduction in switched reluctance motors: design and experimental evaluation | |
Lin et al. | Super-twisting algorithm second-order sliding mode control for a synchronous reluctance motor speed drive | |
Borujeni et al. | Optimal four quadrant speed control of switched reluctance motor with torque ripple reduction based on EM-MOPSO | |
Liu et al. | Second-order ESO-based current sensor fault-tolerant strategy for sensorless control of PMSM with B-phase current | |
Shamseldin et al. | Different techniques of self-tuning FOPID control for Brushless DC Motor | |
Mansouri et al. | Genetic algorithm optimized robust nonlinear observer for a wind turbine system based on permanent magnet synchronous generator | |
Sun et al. | Research of novel modeling and simulation approach of brushless DC motor control system | |
Yalavarthi et al. | An Adaptive-Gain Super-Twisting Position Observer for Grid-Interfaced SRM Water Pump | |
Chopade et al. | Fractional order speed controller for buck-converter fed DC motor | |
Rafa et al. | Fuzzy vector control of induction motor | |
Ananthamoorthy et al. | Modelling, simulation and analysis of fuzzy logic controllers for permanent magnet synchronous motor drive | |
Chen et al. | H 2 optimal speed regulator for vector controlled induction motor drives | |
Tchavychalov et al. | SRM simulation with reduced amount of initial information | |
Ouannou et al. | Torque control of switched reluctance motor using ANN-PID controller | |
Lu et al. | Study and simulation of permanent magnet synchronous motors based on neuron self-adaptive PID | |
Dong | Research on reduction the torque ripple in switched reluctance motor | |
Elkholy | Optimal energy saving for variable speed single phase induction motor drives | |
Sujatha et al. | Artificial intelligence based speed control of brushless DC motor | |
Liang et al. | Dual-redundancy PMSM servo system: using single neuron PID controller | |
Sonkriwal et al. | Analysis of Sliding Mode, FUZZY-PI and PI Control Strategies for Permanent Magnetic Synchronous Motor Drive | |
Ramya et al. | Comparative study of speed control of 8/6 switched reluctance motor using pi and fuzzy logic controller |
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 |