CN111224593B - 基于差分进化算法优化的模糊自适应滑模控制方法及系统 - Google Patents
基于差分进化算法优化的模糊自适应滑模控制方法及系统 Download PDFInfo
- Publication number
- CN111224593B CN111224593B CN202010103998.3A CN202010103998A CN111224593B CN 111224593 B CN111224593 B CN 111224593B CN 202010103998 A CN202010103998 A CN 202010103998A CN 111224593 B CN111224593 B CN 111224593B
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- sliding mode
- permanent magnet
- magnet synchronous
- synchronous motor
- 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
Images
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
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0007—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using sliding mode control
-
- 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
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
- H02P21/0017—Model reference adaptation, e.g. MRAS or MRAC, useful for control or parameter estimation
-
- 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
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/05—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation specially adapted for damping motor oscillations, e.g. for reducing hunting
-
- 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
- H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
- H02P21/14—Estimation or adaptation of machine parameters, e.g. flux, current or voltage
- H02P21/18—Estimation of position or speed
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明公开了一种基于差分进化算法优化的模糊自适应滑模控制方法及系统,首先建立永磁同步电机滑模速度控制器模型,导出速度控制律;然后计算速度偏差和滑模面;将模糊规则数字化表示;对滑模面及其导数模糊化处理作为输入;在查初始模糊规则表;对待优化参数反模糊化作为输出;最后计算控制器的输出,并使用差分进化算法对模糊规则进行优化选择,直到最优指标收敛到最小值,选择出最优模糊规则表。本发明采用差分进化算法对模糊滑模控制器中的模糊规则进行优化,自动实现了滑模算法中的指数趋近律中增益参数的最佳调整,设计出了响应快速、超调小、鲁棒性好的永磁同步电机滑模控制器,满足性能要求较高领域对永磁同步电机调速系统的要求。
Description
技术领域
本发明涉及一种基于差分进化算法优化的模糊自适应滑模控制方法及系统,属于交流电机控制技术领域。
背景技术
永磁同步电机是一个非线性、强耦合的多变量系统,在实际用途中要求控制精度高、系统稳定性强。传统的PI控制方法并不能满足实际的要求,而且PI参数设置较盲目,不能根据外界变化自适应调整。相比之下,滑模控制算法可根据电机当前的状态(如偏差及其各阶导数等),调整电压输出量,迫使系统按照预定“滑动模态”的状态轨迹运动。
永磁同步电机系统自身就有着复杂性、非线性等多种不利因素,这对控制系统的运算处理性能有着较高要求。应用在永磁同步电机的控制策略主要包括:传统控制策略(如PID控制、矢量控制、直接转矩控制等)、基于现代控制理论的控制策略(如:自适应控制、变结构控制、鲁棒控制等)、基于智能控制思想的控制策略(如:模糊控制、神经网络控制、专家控制、遗传算法等)。滑模变结构控制在鲁棒性、响应速度以及算法实现方面均具有一定优势,但运行时存在抖振现象,需要加以改进。
针对滑模存在的抖振问题,研究者们提出了趋近律方法、干扰观测器方法、准滑动模态方法、智能优化方法等。但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
上述方法虽然都在一定程度上削弱了抖振,但上述方法的设计过程较为复杂,且滑模增益为定值。当系统受到外界干扰时,抖振依然会不同程度地产生。在实际应用中,需要一种方法不管外界如何变化,滑模控制中的切换增益都能够自适应地变化。
发明内容
本申请实施例通过提供一种基于差分进化算法优化的模糊自适应滑模控制方法及系统,解决了现有的方法设计过程复杂、滑模增益为定值、系统受到外界干扰时抖振还会不同程度地产生的技术问题,采用智能算法对优化滑模算法进行研究,做到滑模增益根据外界变化自适应调整,能够有效提高永磁同步电机控制器的鲁棒性、稳定性和快速性,有效降低抖振现象。
本申请实施例提供了一种基于差分进化算法优化的模糊自适应滑模控制方法,包括如下步骤:
步骤S1、建立永磁同步电机滑模速度控制器模型,导出速度控制律;
采用指数趋近律的方法,得到永磁同步电机滑模速度控制器的控制律为:
其中,D为电机参数,c为常数,x2为电机参考速度与实际速度的偏差的导数,s为滑模面,sgn(s)函数为指数趋近律组成部分,ε和q为待优化的参数,uq为电机输入电压;
步骤S2、计算速度偏差和滑模面;
s=cx1+x2
其中,vref为电机参考速度,v为电机实际速度,x1为电机参考速度与实际速度的偏差,c为常数;
步骤S3、将模糊规则数字化;
在模糊控制器的设计过程中,参数要优化的是模糊规则;为方便采用差分进化算法进行优化,使用数字表示每个模糊规则;
设定s和的模糊集为{NB,NM,NS,ZE,PS,PM,PB},其中,NB为负大,NM为负中,NS为负小,ZE为零,PS为正小、PM为正中,PB为正大;NB与PB采用高斯隶属度函数,NM、NS、ZE、PS、PM均采用三角函数;
步骤S5、查初始模糊规则表;
步骤S6、ε和q反模糊化;
反模糊化采用重心法,ε和q的模糊集为{NB,NM,NS,ZE,PS,PM,PB},ε和q的模糊集的隶属度函数均采用高斯隶属度函数;
步骤S7、得到ε和q,代入到永磁同步电机滑模速度控制器的控制律,并进一步计算永磁同步电机电流的输出;
步骤S8、使用差分进化算法对所述模糊规则进行优化选择,选择依据为每代的最佳适应度函数;
提出以下适应度函数J:
其中,s(t)为滑模面函数,u(t)为控制器输出,w1为第一权值,w2为第二权值;
步骤S9、重复步骤S4~步骤S8,直到适应度函数J和待优化的参数ε和q均收敛到固定值,最终选择产生出最优模糊规则表。
优选地,所述步骤S3中,使用数字表示每个模糊规则的方法具体为:模糊语言值{NB、NM、NS、ZE、PS、PM、PB}分别对应于{1、2、3、4、5、6、7},即{NB-1,NM-2,NS-3,ZE-4,PS-5,PM-6,PB-7}。
更优选地,其特征在于,步骤S3中,针对7*7的变量矩阵,有49个要优化的变量,创建49维参数向量;
xi,j=(m1,m2,m3…m49)
其中,i是行索引,j是列索引;m1,m2,m3…m49分别表示第1,2,3…49列参数;在允许范围内随机生成初始种群要优化的每个参数的范围,具体操作如下:
xi,j=round(rand·(high[j]-low[j])+low[j])
其中,rand(·)函数是服从均匀分布的[0,1]之间的随机数;high[j],low[j]分别为变量的上限和下限;rand(·)函数是四舍五入取整运算函数。
进一步地,其特征在于,所述high[j],low[j]分别等于7和1。
优选地,所述步骤S5中,采用Mamdani模糊推理法。
优选地,所述步骤S7中,通过控制电流控制永磁同步电机,由于电机电流是电压的积分,所以最终永磁同步电机控制器的输出为:
其中,t为时间,iq *为永磁同步电机交轴—q轴的设定电流。
优选地,所述步骤S8中,为了避免超调,采用惩罚功能,即一旦产生超调,将超调量作为适应度函数的一项,此时的适应度函数为:
其中,x1(t)为速度误差,w1为第一权值,w2为第二权值;
本申请还提供了一种基于差分进化算法优化的模糊自适应滑模控制系统,其特征在于,包括:
永磁同步电机,用于输出三相绕组电流ia、ib、ic;
坐标变换模块,用于将永磁同步电机输出的三相绕组电流ia、ib、ic通过静止坐标系Clark变换和旋转坐标系Park变换,得到永磁同步电机的直轴—d轴输出电流id、交轴—q轴输出电流iq;
经过差分进化算法优化过的模糊滑模控制器,用于将永磁同步电机的实际转速和设定转速的差值通过自适应调整,得到永磁同步电机的q轴设定电流iq*;所述经过差分进化算法优化过的模糊滑模控制器采用如权利要求1~7任一项所述的基于差分进化算法优化的模糊自适应滑模控制方法;
转矩电流调节器,用于根据所述永磁同步电机的d轴输出电流id与d轴设定电流id*的关系,进行校正计算,输出d轴参考电压ud*;
励磁电流调节器,用于根据所述永磁同步电机的q轴输出电流iq与q轴设定电流iq*的关系,进行校正计算,输出q轴参考电压uq*。
优选地,所述坐标变换模块,还用于将所述d轴参考电压ud*、q轴参考电压uq*变换成向三相逆变器输出电压uα、uβ;
所述模糊自适应滑模控制系统还包括:
SVPWM空间矢量脉宽调制模块,用于将所述三相逆变器输出电压uα、uβ进行空间矢量变换,输出PWM波形到三相逆变器;
三相逆变器,用于向永磁同步电机输入三相电压控制其运行;
传感器模块,用于获取永磁同步电机转子位置估计值θ和实际转速v。
更优选地,所述坐标变换模块包括:
Clark变换模块,用于将永磁同步电机输出的三相绕组电流ia、ib、ic通过静止坐标系Clark变换,获得输出电流iα、iβ;
Park变换模块,用于将所述Clark变换模块的输出电流iα、iβ由静止坐标系变换到旋转坐标系,获得永磁同步电机直轴—d轴输出电流id、永磁同步电机交轴—q轴输出电流iq;
Park逆变换模块,用于将所述转矩电流调节器输出的d轴参考电压ud*、励磁电流调节器输出的q轴参考电压uq*变换成三相逆变器输出的电压uα、uβ。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
(1)在传统的交流电机矢量控制的基础上,添加滑模控制,取代PI控制,提高了系统的鲁棒性和抗干扰能力。
(2)引入模糊控制策略,设计了一种模糊滑模复合控制器,对滑模算法中的指数趋近律中的参数进行改进,实现了滑模参数的在线自适应修正,通过模糊控制的模糊规则,使滑模控制中的滑模面为零,柔化了控制信号,从而可减轻或避免传统滑模控制存在的抖振问题和驱动饱和问题。
(3)针对模糊规则存在的人工经验不准确的问题,提出了用差分进化算法进行优化,优化依据为系统输出误差和控制效果,将优化过后的模糊规则应用到模糊滑模控制器中,使得系统在保证趋近运动的快速性的同时,能够有效抑制抖振。
附图说明
图1为本申请实施例一中提供的基于差分进化算法优化的模糊自适应滑模控制方法的步骤流程图;
图2为本申请实施例一中提供的基于差分进化算法优化的模糊自适应滑模控制方法的原理示意图;
图3为本申请实施例一中模糊规则表数字化过程示意图;
图4为本申请实施例一中滑模面s的隶属度函数分布图;图5为本申请实施例一中适应度函数J的优化过程示意图;
图6为本申请实施例一中参数ε的整定过程示意图;
图7为本申请实施例一中参数q的整定过程示意图;
图8为本申请实施例一中使用本算法与传统算法的电机速度控制效果对比图;
图9为本申请实施例二中提供的基于差分进化算法优化的模糊自适应滑模控制系统的结构示意图;
图10为本申请实施例二中提供的基于差分进化算法优化的模糊自适应滑模控制系统的原理框图。
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例一
图1和图2分别为本申请实施例一中提供的基于差分进化算法优化的模糊自适应滑模控制方法的步骤流程图和原理示意图,所述的基于差分进化算法优化的模糊自适应滑模控制方法包括以下步骤:
步骤S1、建立永磁同步电机滑模速度控制器模型,导出速度控制律;
采用id=0的转子磁场定向控制方法,id表示永磁同步电机的直流电流。为了保证三相PMSM驱动系统具有较好的动态品质,采用指数趋近律的方法,得到永磁同步电机滑模速度控制器的控制律为:
式(1)中,D为电机参数,c为常数,x2为电机参考速度与实际速度的偏差的导数,s为滑模面,sgn(s)函数为指数趋近律组成部分,ε和q为待优化参数,uq为电机输入电压;
上述控制律由于包含积分项,一方面可以削弱抖振现象,另一方面也可以消除系统的稳态误差,提高系统的控制品质。
步骤S2、计算速度偏差和滑模切换函数;
采用以下公式计算速度偏差及其导数:
式(2)中,vref为电机参考速度,v为电机实际速度,x1为电机参考速度与实际速度的偏差,x2为电机参考速度与实际速度的偏差的导数;
定义滑模面s:
s=cx1+x2 (3)
式(3)中,c为常数。
本申请中采用趋近律的方法保证趋近运动的品质,其中,指数趋近律为:其中,“-qs”项能保证当s较大时,系统状态能以较大的速度趋近滑动模态,趋近速度从一较大值逐步减小到零,不仅缩短了趋近时间,而且使运动点到达切换面的速度很小。“-εsgn(s)”项使当s接近于零时,趋近速度是ε而不是零,可以保证有限时间内到达,通过优化后的模糊算法选取适当参数ε和q,保证趋近运动的快速性和抑制抖振,在逼近速度和抖振之间得到了平衡。
步骤S3、将模糊规则数字化,如图3所示,将每个待优化参数的规则用字母表示,字母范围为1到7之间任意整数。方便后续用差分进化算法对其进行优化选择,具体步骤如下;
在模糊控制器的设计过程中,参数要优化的是模糊规则,本申请使用数字表示每个模糊规则以方便采用差分进化算法进行优化。模糊语言值{NB、NM、NS、ZE、PS、PM、PB}分别对应于{1、2、3、4、5、6、7},即{NB-1,NM-2,NS-3,ZE-4,PS-5,PM-6,PB-7}。因此,有49个要优化的变量,创建49维参数向量。
xi,j=(m1,m2,m3…m49) (4)
其中,i是行索引,j是列索引;m1,m2,m3…m49分别表示第1,2,3…49列参数。然后,在允许范围内随机生成初始种群要优化的每个参数的范围,具体操作是:
xi,j=round(rand·(high[j]-low[j])+low[j]) (5)
其中,rand(·)函数是服从均匀分布的[0,1]之间的随机数;high[j],low[j]是变量的上限和下限,本实施例中,上限为7,下限为1;rand(·)函数是四舍五入取整运算函数。
本申请为经过差分进化算法优化过后的模糊滑模复合控制器,实现滑模参数的在线自适应调整。模糊控制采用两输入两输出,以滑模切换函数的数值及其导数s和作为输入,以滑模参数ε和q作为输出。设定s和的模糊集为{NB,NM,NS,ZE,PS,PM,PB},其中,NB为负大,NM为负中,NS为负小,ZE为零,PS为正小、PM为正中,PB为正大。隶属度函数NB与PB采用高斯隶属度函数,其余采用三角函数。s和的隶属度函数图如图4所示。
步骤S5、查初始模糊规则表,第一代模糊规则表由步骤S3中的方法随机生成;
本实施例中,采用Mamdani模糊推理法。
步骤S6、ε和q反模糊化;
反模糊化采用重心法,ε和q的模糊集为{NB,NM,NS,ZE,PS,PM,PB},ε和q的模糊集隶属度函数采用高斯隶属度函数。
步骤S7、得到ε和q,代入到永磁同步电机滑模速度控制器的控制律,并进一步计算永磁同步电机电流的输出;
具体为:代入步骤1式(1)所述控制器的控制律。由于通过控制电流控制电机,由于电机电流是电压的积分,所以最终控制器的输出为:
式(6)中,t为时间,iq *为永磁同步电机交轴—q轴的设定电流。
步骤S8、使用差分进化算法对模糊规则进行优化选择,选择依据为每代的最佳适应度函数;
差分进化算法根据父代个体间的差分矢量进行变异,交叉和选择操作,通过不断地迭代运算,保留优良个体,淘汰劣质个体,不断优化模糊规则表,使得最终得到的模糊规则表能够贴合电机实际控制的要求。将得到的最优模糊规则控制表应用到滑模模糊控制器中。其中,选取最佳适应度函数的定义如下:
控制器的目标是评估控制系统的动态和静态特性,例如响应快速、调整时间短、超调量小和稳定误差小等,因此提出以下适应度函数:
式(7)中,s(t)为滑模面函数;u(t)为控制器输出,w1为第一权值,w2为第二权值。为了避免超调,采用了惩罚功能,即一旦产生超调,将超调量作为适应度函数的一项,此时的适应度函数为:
其中,x1(t)为速度误差,w1为第一权值,w2为第二权值;
步骤S9、重复步骤S4~步骤S8,直到适应度函数J和待优化的参数ε和q收敛到固定值,最终选择产生出最优模糊规则表。
针对表贴式三相PMSM电机为仿真对象,采用上述本实施例中提供的基于差分进化算法优化的模糊自适应滑模控制方法进行控制,适应度函数J的优化过程如图5所示,ε和q的收敛结果分别如图6和图7所示,图8为本申请实施例一中使用本算法(AFSMC)与传统算法(FSMC)的电机速度控制效果对比图,其中实线表示使用本算法的控制效果,虚线为使用传统模糊滑模控制算法的控制效果。
仿真结果表明:经过差分进化算法优化后的控制器具有更快的收敛速度和更好的全局逼近最优性。与传统的模糊滑模算法相比,使用新算法到达目标速度的时间为0.03s,高于传统算法的响应速度。在0.15s受到负载后,使用新算法的电机恢复到稳定速度的时间为0.25s,传统算法为0.30s,时间提高了16%。综上,新算法具有更高的响应速度和更短的调整时间,提高了永磁同步电动机直接驱动控制系统的精度。
实施例二
基于实施例一的方法,本实施例提供了一种基于差分进化算法优化的模糊自适应滑模控制系统。
图9为本实施例中提供的基于差分进化算法优化的模糊自适应滑模控制系统的结构示意图,所述基于差分进化算法优化的模糊自适应滑模控制系统包括PMSM模块、坐标变换模块、经过差分进化算法优化过的模糊滑模控制器、转矩电流调节器、励磁电流调节器、SVPWM模块、三相逆变器、传感器模块等。
结合图10,其中,
永磁同步电机PMSM,用于输出三相绕组电流ia、ib、ic;
坐标变换模块,包括Clark变换模块、Park变换模块和Park逆变换模块;Clark变换模块用于将永磁同步电机PMSM输出的ia、ib、ic通过静止坐标系Clark变换,获得Clark变换模块的输出电流iα、iβ;Park变换模块用于将Clark变换模块的输出电流iα、iβ由静止坐标系变换到旋转坐标系,获得Park变换模块的永磁同步电机直轴—d轴输出电流id、永磁同步电机交轴—q轴输出电流iq;Park逆变换模块用于将转矩电流调节器和励磁电流调节器的输出电压ud*、uq*变换成向三相逆变器输出的电压uα、uβ;
经过差分进化算法优化过的模糊滑模控制器,用于将实际转速v和设定转速vref的差值通过模糊滑模控制器的自适应调整,得到q轴设定电流iq*;经过差分进化算法优化过的模糊滑模控制器采用实施例一所述的基于差分进化算法优化的模糊自适应滑模控制方法;
转矩电流调节器,用于将Park变换模块输出的永磁同步电机的d轴输出电流id与d轴设定电流id*比较进行做差运算,并将差值通过转矩电流调节器对其进行校正,输出永磁同步电机的d轴参考电压ud*;
励磁电流调节器,用于将Park变换模块输出的永磁同步电机的q轴输出电流iq与q轴设定电流iq*比较进行做差运算,并将差值通过励磁电流调节器对其进行校正,输出q轴参考电压uq*;
SVPWM空间矢量脉宽调制模块,用于将Park逆变换模块的输出电压uα、uβ进行空间矢量变换,输出PWM波形到三相逆变器;
三相逆变器,用于向永磁同步电机输入三相电压控制其运行;
传感器模块,用于进行估算处理,得到永磁同步电机转子位置估计值θ和实际转速v。
进一步地,经过差分进化算法优化过的模糊滑模控制器,用于将实际转速v和设定转速vref的差值通过模糊滑模控制器的自适应调整,得到q轴参考电流iq*,利用优化后的模糊控制规则在线对滑模参数进行修改,以满足不同时刻的s和对控制律参数自整定的要求,自动实现对滑模算法中的指数趋近律中增益参数的最佳调整。
此外,值得说明的是,本申请实施例中,控制器控制对象不局限于永磁同步电机,针对不同控制对象有不同的模糊规则。先以在线方式,用差分进化算法,训练出含有最优模糊规则的模糊滑模控制器,再离线应用到具体对象的控制中。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种基于差分进化算法优化的模糊自适应滑模控制方法,其特征在于,包括如下步骤:
步骤S1、建立永磁同步电机滑模速度控制器模型,导出速度控制律;
采用指数趋近律的方法,得到永磁同步电机滑模速度控制器的控制律为:
其中,D为电机参数,c为常数,x2为电机参考速度与实际速度的偏差的导数,s为滑模面,sgn(s)函数为指数趋近律组成部分,ε和q为待优化的参数,uq为电机输入电压;
步骤S2、计算速度偏差和滑模面;
s=cx1+x2
其中,vref为电机参考速度,v为电机实际速度,x1为电机参考速度与实际速度的偏差,c为常数;
步骤S3、将模糊规则数字化;
在模糊控制器的设计过程中,参数要优化的是模糊规则;为方便采用差分进化算法进行优化,使用数字表示每个模糊规则;
设定s和的模糊集为{NB,NM,NS,ZE,PS,PM,PB},其中,NB为负大,NM为负中,NS为负小,ZE为零,PS为正小、PM为正中,PB为正大;NB与PB采用高斯隶属度函数,NM、NS、ZE、PS、PM均采用三角函数;
步骤S5、查初始模糊规则表;
步骤S6、ε和q反模糊化;
反模糊化采用重心法,ε和q的模糊集为{NB,NM,NS,ZE,PS,PM,PB},ε和q的模糊集的隶属度函数均采用高斯隶属度函数;
步骤S7、得到ε和q,代入到永磁同步电机滑模速度控制器的控制律,并进一步计算永磁同步电机电流的输出;
步骤S8、使用差分进化算法对所述模糊规则进行优化选择,选择依据为每代的最佳适应度函数;
提出以下适应度函数J:
其中,s(t)为滑模面函数,u(t)为控制器输出,w1为第一权值,w2为第二权值;
步骤S9、重复步骤S4~步骤S8,直到适应度函数J和待优化的参数ε和q均收敛到固定值,最终选择产生出最优模糊规则表;
所述步骤S3中,使用数字表示每个模糊规则的方法具体为:模糊语言值{NB、NM、NS、ZE、PS、PM、PB}分别对应于{1、2、3、4、5、6、7},即{NB-1,NM-2,NS-3,ZE-4,PS-5,PM-6,PB-7}。
2.如权利要求1所述的基于差分进化算法优化的模糊自适应滑模控制方法,其特征在于,步骤S3中,针对7*7的变量矩阵,有49个要优化的变量,创建49维参数向量;
xi,j=(m1,m2,m3…m49)
其中,i是行索引,j是列索引;m1,m2,m3…m49分别表示第1,2,3…49列参数;在允许范围内随机生成初始种群要优化的每个参数的范围,具体操作如下:
xi,j=round(rand·(high[j]-low[j])+low[j])
其中,rand(·)函数是服从均匀分布的[0,1]之间的随机数;high[j],low[j]分别为变量的上限和下限;rand(·)函数是四舍五入取整运算函数。
3.如权利要求2所述的基于差分进化算法优化的模糊自适应滑模控制方法,其特征在于,所述high[j],low[j]分别等于7和1。
4.如权利要求1所述的基于差分进化算法优化的模糊自适应滑模控制方法,其特征在于,所述步骤S5中,采用Mamdani模糊推理法。
7.一种基于差分进化算法优化的模糊自适应滑模控制系统,其特征在于,包括:
永磁同步电机,用于输出三相绕组电流ia、ib、ic;
坐标变换模块,用于将永磁同步电机输出的三相绕组电流ia、ib、ic通过静止坐标系Clark变换和旋转坐标系Park变换,得到永磁同步电机的直轴—d轴输出电流id、交轴—q轴输出电流iq;
经过差分进化算法优化过的模糊滑模控制器,用于将永磁同步电机的实际转速和设定转速的差值通过自适应调整,得到永磁同步电机的q轴设定电流iq*;所述经过差分进化算法优化过的模糊滑模控制器采用如权利要求1~6任一项所述的基于差分进化算法优化的模糊自适应滑模控制方法;
转矩电流调节器,用于根据所述永磁同步电机的d轴输出电流id与d轴设定电流id*的关系,进行校正计算,输出d轴参考电压ud*;
励磁电流调节器,用于根据所述永磁同步电机的q轴输出电流iq与q轴设定电流iq*的关系,进行校正计算,输出q轴参考电压uq*。
8.如权利要求7所述的基于差分进化算法优化的模糊自适应滑模控制系统,其特征在于,所述坐标变换模块,还用于将所述d轴参考电压ud*、q轴参考电压uq*变换成向三相逆变器输出电压uα、uβ;
所述模糊自适应滑模控制系统还包括:
SVPWM空间矢量脉宽调制模块,用于将所述三相逆变器输出电压uα、uβ进行空间矢量变换,输出PWM波形到三相逆变器;
三相逆变器,用于向永磁同步电机输入三相电压控制其运行;
传感器模块,用于获取永磁同步电机转子位置估计值θ和实际转速v。
9.如权利要求8所述的基于差分进化算法优化的模糊自适应滑模控制系统,其特征在于,所述坐标变换模块包括:
Clark变换模块,用于将永磁同步电机输出的三相绕组电流ia、ib、ic通过静止坐标系Clark变换,获得输出电流iα、iβ;
Park变换模块,用于将所述Clark变换模块的输出电流iα、iβ由静止坐标系变换到旋转坐标系,获得永磁同步电机直轴—d轴输出电流id、永磁同步电机交轴—q轴输出电流iq;
Park逆变换模块,用于将所述转矩电流调节器输出的d轴参考电压ud*、励磁电流调节器输出的q轴参考电压uq*变换成三相逆变器输出的电压uα、uβ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010103998.3A CN111224593B (zh) | 2020-02-20 | 2020-02-20 | 基于差分进化算法优化的模糊自适应滑模控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010103998.3A CN111224593B (zh) | 2020-02-20 | 2020-02-20 | 基于差分进化算法优化的模糊自适应滑模控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111224593A CN111224593A (zh) | 2020-06-02 |
CN111224593B true CN111224593B (zh) | 2021-12-31 |
Family
ID=70827154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010103998.3A Active CN111224593B (zh) | 2020-02-20 | 2020-02-20 | 基于差分进化算法优化的模糊自适应滑模控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111224593B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113093547B (zh) * | 2021-04-06 | 2022-03-01 | 北京理工大学 | 一种基于自适应滑模和差分进化的空间机器人控制方法 |
CN113328663B (zh) * | 2021-05-31 | 2022-08-05 | 西安理工大学 | 一种基于参数优化的永磁同步电机双闭环滑模控制方法 |
CN116979849B (zh) * | 2023-09-25 | 2024-01-26 | 江西五十铃汽车有限公司 | 一种永磁同步电机的控制方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107868979B (zh) * | 2017-08-31 | 2020-05-22 | 西安理工大学 | 一种基于恒拉速控制结构的硅单晶直径控制方法 |
CN110712490B (zh) * | 2018-07-13 | 2022-11-18 | 山东大学 | 一种基于栈式自编码的主动悬架系统及其工作方法 |
CN109067264B (zh) * | 2018-09-17 | 2020-07-28 | 长安大学 | 一种平衡车系统及其控制方法 |
CN110266227A (zh) * | 2019-06-26 | 2019-09-20 | 华中科技大学 | 一种基于模糊滑膜变结构的永磁同步电机控制系统 |
-
2020
- 2020-02-20 CN CN202010103998.3A patent/CN111224593B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111224593A (zh) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111224593B (zh) | 基于差分进化算法优化的模糊自适应滑模控制方法及系统 | |
CN111628687B (zh) | 一种基于熵权法的永磁同步电机多目标参数优化方法 | |
Jee et al. | Adaptive fuzzy logic controller for feed drives of a CNC machine tool | |
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 | |
CN111007716A (zh) | 基于预测函数的交流伺服电机变论域模糊pi控制方法 | |
Jie et al. | Speed regulation based on adaptive control and RBFNN for PMSM considering parametric uncertainty and load fluctuation | |
Pilla et al. | Tuning of extended Kalman filter using grey wolf optimisation for speed control of permanent magnet synchronous motor drive | |
El-Nagar | Embedded intelligent adaptive PI controller for an electromechanical system | |
Cheng et al. | Fuzzy PDFF-IIR controller for PMSM drive systems | |
CN106909077B (zh) | 一种变频器s曲线加减速突变的控制方法 | |
CN112564557B (zh) | 一种永磁同步电机的控制方法、装置、设备及存储介质 | |
Liu et al. | Fuzzy controllers with neural network predictor for second-order linear systems with time delay | |
CN110932629B (zh) | 基于单神经元网络的惯量估计方法及其自适应调整策略 | |
CN109189075A (zh) | 一种舰船用模糊遗忘因子无模型自适应航向控制方法 | |
CN108089442B (zh) | 一种基于预测函数控制与模糊控制的pi控制器参数自整定方法 | |
Neema et al. | Speed control of induction motor using fuzzy rule base | |
CN112532131A (zh) | 基于模拟退火粒子群算法的滑模自抗扰控制方法及系统 | |
Hu et al. | Research on cooperative control strategy of multi-motor system based on fuzzy inference | |
Wang et al. | Predictor-based optimal robust guaranteed cost control for uncertain nonlinear systems with completely tracking errors constraint | |
Liang et al. | Adaptive control for fractional-order interconnected systems | |
CN110389525B (zh) | 基于极限学习机的混联机构自适应反步控制方法 | |
Aguilar Mejía et al. | Adaptive Speed Controller for a Permanent Magnet Synchronous Motor | |
Rashed | Simulation of speed control for separately excited dc motor utilizing fuzzy logic controller | |
Guo et al. | Optimization of fuzzy sliding mode controller with improved genetic algorithm | |
Ramesh et al. | Fuzzy Logic and sliding-mode speed control based direct torque and flux control scheme to improve the performance of an induction motor drive |
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 |