CN115840365A - 基于pso优化模糊mras永磁同步电主轴无速度传感器控制方法及控制系统 - Google Patents
基于pso优化模糊mras永磁同步电主轴无速度传感器控制方法及控制系统 Download PDFInfo
- Publication number
- CN115840365A CN115840365A CN202211613144.5A CN202211613144A CN115840365A CN 115840365 A CN115840365 A CN 115840365A CN 202211613144 A CN202211613144 A CN 202211613144A CN 115840365 A CN115840365 A CN 115840365A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- mras
- pso
- speed
- electric spindle
- 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.)
- Pending
Links
- 239000002245 particle Substances 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 27
- 101000744515 Homo sapiens Ras-related protein M-Ras Proteins 0.000 title claims abstract 18
- 102100039789 Ras-related protein M-Ras Human genes 0.000 title claims abstract 18
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000013139 quantization Methods 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000271566 Aves Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 244000144980 herd Species 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Images
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了电主轴控制技术领域一种基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法，根据MRAS无速度传感器系统工作原理，将电主轴本体当做参考模型，可调模型由旋转坐标系下的定子电流方程转换而来，通过可调模型的输出量和参考模型的输出量产生的误差，设计合适的自适应律来调节可调模型；其特征在于，所述自适应律采用PI控制器，通过模糊控制原理得到最佳的PI控制器参数，利用粒子群算法动态调节模糊PI控制器中的量化因子和比例因子，本发明解决了外部机械式传感器成本高，维修困难，容易受环境温度影响的问题。
Description
技术领域
本发明涉及电主轴控制技术领域，特别涉及一种永磁同步电主轴无速度传感器控制方法及系统。
背景技术
电主轴技术的发展是现代数控加工领域的重中之重。高速电主轴是由装在主轴内部的电动机直接驱动，省去了皮带、齿轮等传动环节，实现了机床主传动系统的“零传动”，因其结构紧凑、重量轻、惯性小机械效率高、精度高等特点被广泛运用于高速精密数控加工机床。为了满足对电主轴控制的需求，通常需要高精度的外部机械式传感器对电主轴转速和转子位置角进行检测。在现实环境中传感器成本高、维护困难、容易受环境温度影响等问题制约着电主轴的驱动性能。因此，无传感器控制对高速电主轴的研究具有重要意义。
PSO是粒子群优化算法(——Particle Swarm Optimization)的英文缩写，是一种基于种群的随机优化技术，由Eberhart和Kennedy于1995年提出。粒子群算法模仿昆虫、兽群、鸟群和鱼群等的群集行为，这些群体按照一种合作的方式寻找食物，群体中的每个成员通过学习它自身的经验和其他成员的经验来不断改变其搜索模式。
发明内容
针对现有技术中存在的不足，本发明提供了一种基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法及系统，解决了外部机械式传感器成本高，维修困难，容易受环境温度影响的问题，省去PI自适应机构的调参问题，运用粒子群算法的自寻优机制来优化模糊MRAS中的相关参数，进一步提升了MRAS的追踪性能和鲁棒性。
本发明的目的是这样实现的：一种基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法，根据MRAS无速度传感器系统工作原理，将电主轴本体当做参考模型，可调模型由旋转坐标系下的定子电流方程转换而来，通过可调模型的输出量和参考模型的输出量产生的误差，设计合适的自适应律来调节可调模型；其特征在于，所述自适应律采用PI控制器，通过模糊控制原理得到最佳的PI控制器参数，利用粒子群算法动态调节模糊PI控制器中的量化因子和比例因子。
作为本发明的进一步限定，利用粒子群算法动态调节模糊PI控制器中的量化因子和比例因子的具体步骤如下：
步骤1)初始化粒子群，对粒子群规模、维数、迭代次数以及粒子的速度Vi和位置Xi进行设置，同时设置模糊控制器中的量化因子和比例因子的范围；
步骤2)设置适应度函数；
步骤3)计算每个粒子个体最优值；
步骤4)利用速度迭代公式更新粒子的速度Vi，利用位置迭代公式更新粒子的位置Xi；
步骤5)判断是否满足终止条件，满足即结束得到全局最优解，不满足则继续循环迭代，直至满足条件。
作为本发明的进一步限定，步骤2)中选择ITAE准则作为适应度函数，公式如下：
式中：t为仿真时间，e(t)为系统误差。
作为本发明的进一步限定，步骤3)具体为：计算每个粒子个体最优值fpbest，如果当前值fi>个体最优值fpbest，则用fi取代fpbest，得到新的位置和速度，同理全局最优解也如此。
作为本发明的进一步限定，步骤4)具体中，将粒子的速度Vi设置在[Vmin,Vmax]之间，将粒子位置Xi设置在[0,Xmax]之间；
速度迭代公式为：Vid k+1＝ω(k)Vid k+c1r1(Pid k-Xid k)+c2r2(Pgd-Xid k)
位置迭代公式：Xid k+1＝Xid k+Xid k+1
式中，c1、c2是学习因子，r1、r2是0到1之间的随机数，Vid为速度迭代信息，Xid为位置迭代信息，Pid根据适应度评判产生的个体极值，Pgd根据适应度评判产生的全局极值，ω(k)代表粒子的惯性权重，其满足如下公式：
ω(k)＝ωstart-(ωstart-ωend)(Tmax-k)/Tmax
其中，ωstart是初始权重，ωend是最后一次迭代权重，k为迭代次数，Tmax为最大迭代次数。
一种基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制系统，包括：
主电路，包括三相逆变器和永磁同步电主轴；
控制电路，包括速度环PI控制器模块、电流环PI控制器模块、SVPWM发生器、坐标变换模块、PSO优化模糊MRAS观测器模块，PSO优化模糊MRAS观测器模块用以实现上述基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法中的自适应律；
信号检测电路，用以检测电流、电压信号；
速度环PI控制器模块信号输出端接电流环PI控制器模块的信号输入端，电流环PI控制器模块的信号输出端接SVPWM发生器的信号输入端，SVPWM发生器的信号输出端接三相逆变器，PSO优化模糊MRAS观测器模块的信号输出端接速度环PI控制器模块、坐标变换模块的信号输入端，PSO优化模糊MRAS观测器模块的信号输入端接坐标变换模块的信号输出端，坐标变换模块的信号输入端还接主电路。
作为本发明的进一步限定，所述PSO优化模糊MRAS观测器模块用以检测转速，根据永磁同步电主轴的电流电压信号计算得到转子速度和位置，坐标变换模块用以实现派克变换、反派克变换、克拉克变换，克拉克变换分别将采集到的电压信号和电流信号处理后发送给PSO优化模糊MRAS观测器模块，同时还将电流信号处理后发送给派克变换，派克变换将处理后的电流信号发送给与设定信号、速度环PI控制器模块输出的电流信号比对后发送给电流环PI控制器模块，反派克变换将电流环PI控制器模块输出的电压信号处理后发送给SVPWM发生器。
与现有技术相比，本发明的有益效果在于：
本发明提出PSO优化(粒子群优化)模糊MRAS无速度传感器控制策略，舍弃了外部机械式传感器；其中利用模糊控制对模型参考自适应观测器进行优化，省去PI控制器的人为调参过程，实现系统的强鲁棒性和动态响应能力，同时针对模糊控制器中的量化因子、比例因子对模糊控制器的影响，根据粒子群算法的优点，对模糊控制器中的参数进行优化，构建PSO优化模糊PI控制器；使得全新的无速度传感器拥有更高的追踪精度和鲁棒性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明控制系统框图。
图2为MRAS观测器框图。
图3为模糊控制器框图。
图4为PSO优化模糊控制器框图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
如图1所示，本发明基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制系统，包括：
主电路，包括三相逆变器和永磁同步电主轴；
控制电路，包括速度环PI控制器模块、电流环PI控制器模块、SVPWM发生器、坐标变换模块、PSO优化模糊MRAS观测器模块，PSO优化模糊MRAS观测器模块用以实现基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法中的自适应律；
信号检测电路，用以检测电流、电压信号；
速度环PI控制器模块信号输出端接电流环PI控制器模块的信号输入端，电流环PI控制器模块的信号输出端接SVPWM发生器的信号输入端，SVPWM发生器的信号输出端接三相逆变器，PSO优化模糊MRAS观测器模块的信号输出端接速度环PI控制器模块、坐标变换模块的信号输入端，PSO优化模糊MRAS观测器模块的信号输入端接坐标变换模块的信号输出端，坐标变换模块的信号输入端还接主电路。
PSO优化模糊MRAS观测器模块用以检测转速，根据永磁同步电主轴的电流电压信号计算得到转子速度和位置，坐标变换模块用以实现派克变换、反派克变换、克拉克变换，克拉克变换分别将采集到的电压信号和电流信号处理后发送给PSO优化模糊MRAS观测器模块，同时还将电流信号处理后发送给派克变换，派克变换将处理后的电流信号发送给与设定信号、速度环PI控制器模块输出的电流信号比对后发送给电流环PI控制器模块，反派克变换将电流环PI控制器模块输出的电压信号处理后发送给SVPWM发生器
PSO优化模糊MRAS是基于矢量控制系统搭建而成，主电路以及控制电路中的速度环、电流环、SVPWM、坐标转换模块都是为了保证电主轴的闭环运行。
PSO优化模糊MRAS观测器模块负责检测转速。通过电主轴的交、直轴的电流输出量进入PSO优化模糊MRAS模块可以得到转子速度和位置信息从而取代外部机械式传感器。
一种基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法，根据MRAS无速度传感器系统工作原理，将电主轴本体当做参考模型，可调模型由旋转坐标系下的定子电流方程转换而来，通过可调模型的输出量和参考模型的输出量产生的误差，设计合适的自适应律来调节可调模型；自适应律采用PI控制器，通过模糊控制原理得到最佳的PI控制器参数，利用粒子群算法动态调节模糊PI控制器中的量化因子和比例因子。
模型参考自适应观测系统的数学建模如下：
MRAS的思想为构建两个具有相同物理意义的输出量模型，其中把不含位置参数的电主轴方程作为参考模型，将待估计参数方程作为可调模型，利用两个模型的电流差值构建适当的自适应律实时对电主轴参数进行辨识。传统的MRAS算法估算转速结构框图如图2所示。
表贴式永磁同步电主轴的Ld＝Lq,其定子电压方程式为：
定子磁链方程为：
式中：uq、ud、iq、id、Lq、Ld为定子绕组q-d轴的电压、电流、电感；Ψf为电主轴内部转子永磁体产生的励磁磁场的基波磁链；R为定子电阻；ωe为转子电角速度。
将式(1)转化为电流方程式，并将式(2)带入得到以定子电流为状态变量的电流参考模型：
将式(3)写成状态空间表达式：
令id *＝id+ψf/L，iq *＝iq，ud *＝ud+Rψf/L，uq *＝uq,则：
电主轴参考模型则为：
在MRAS中，转速的误差收敛由popov超稳定性理论来保证，对popov积分不等式逆向求解即可得到转子转速的估算公式，即：
其中，Ki，Kp均大于0。
对式(7)积分求解则为转子位置角：
模糊MRAS控制器：模糊控制是一种基于智能推理的算法，利用模糊逻辑并根据一定的模糊规则对PI控制器参数进行实时优化，即为模糊PI控制器的工作原理；模糊PI控制器包括模糊化、确定模糊规则和解模糊等组成。图3为模糊PI控制器框图。
本申请中，使用Mamdani型双输入输出控制器，模糊逻辑决策采用max-min进行合成，解模糊化处理采用重心法，公式如下：
式中，x为模糊值，μc(x)为隶属度函数，xo为实际值。
模糊控制系统将电流差值e及其变化率ec作为输入，其中电流误差e的模糊论域为[-2,2]，其变化率ec的模糊论域为[-1,1]。模糊控制器的两个输出ΔKp、ΔKi的模糊论域为[0,5]和[0,1]。根据PI控制理论的专家经验，制定如下表1和2模糊推理规则。
表1ΔKp的模糊控制规则
表2ΔKi的模糊控制规则
最后，模糊控制器输出的值经过比例因子KP *、Ki *的缩放得到ΔKp、ΔKi，然后通过与初始参数相加得到实际的PI控制器参数Kp和Ki。
具体公式如下：
PSO优化模糊MRAS控制器：PSO优化算法的基本思想是通过群体中个体之间的协作和信息共享来寻求最优解，通过设计一种无质量的粒子(仅有速度和位置两个属性)来模仿鸟群中的鸟，每个粒子在搜索空间单独寻找最优解Pbest，并通过与其他粒子共享速度和位置不断调整寻找到全局最优解gbest。为此本文根据系统误差反馈，利用PSO优化算法动态调节模糊PI控制器中的量化因子(Ke、Kec)和比例因子(KP *、Ki *)；如图4控制器结构框图所示。
PSO优化模糊PI控制器参数步骤如下：
步骤1)初始化粒子群；对粒子群规模、维数、迭代次数，以及粒子的速度Vi和位置Xi进行设置，同时设置模糊控制器中的量化因子和比例因子的范围。
步骤2)设置适应度函数；适应度函数是评判粒子好坏的唯一指标，本文选择ITAE准则作为适应度函数，公式如下(11)，ITAE准则具有响应快，平稳，超调小等优点。
式中：t为仿真时间，e(t)为系统误差。
步骤3)计算每个粒子个体最优值fpbest，如果当前值fi>fpbest，则用fi取代fpbest，得到新的位置和速度，同理全局最优解也如此。
步骤4)利用速度迭代公式(12)，位置迭代公式(13)来更新Vi和Xi，为保证迭代的效率，需要将粒子速度和位置设置在[Vmin,Vmax]和[0,Xmax]之间。
Vid k+1＝ω(k)Vid k+c1r1(Pid k-Xid k)+c2r2(Pgd-Xid k) (12)
Xid k+1＝Xid k+Xid k+1 (13)
式中，c1、c2是学习因子，r1、r2是0到1之间的随机数，Vid为速度迭代信息，Xid为位置迭代信息，Pid根据适应度评判产生的个体极值，Pgd根据适应度评判产生的全局极值，ω(k)代表粒子的惯性权重，其满足如下公式：
ω(k)＝ωstart-(ωstart-ωend)(Tmax-k)/Tmax (14)
其中，ωstart是初始权重，ωend是最后一次迭代权重，k为迭代次数，Tmax为最大迭代次数。
步骤5)判断是否满足终止条件，满足即结束得到全局最优解gbest，不满足则继续循环迭代，直至满足条件。
步骤6)如此分别优化四次得到量化因子(Ke、Kec)和比例因子(KP *、Ki *)。
本发明将所提方法与模糊MRAS和传统MRAS进行对比分析。通过仿真结果表明，采用PSO优化模糊MRAS在低速域的追踪性能有很大提升，同时依旧保证了高速域的追踪精度。在外加扰动情况下具有很强的鲁棒性。模糊控制理论和粒子群算法等智能算法的引入也降低了人为调参的难度，具有良好的工程意义。
以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (7)
1.一种基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法，根据MRAS无速度传感器系统工作原理，将电主轴本体当做参考模型，可调模型由旋转坐标系下的定子电流方程转换而来，通过可调模型的输出量和参考模型的输出量产生的误差，设计合适的自适应律来调节可调模型；其特征在于，所述自适应律采用PI控制器，通过模糊控制原理得到最佳的PI控制器参数，利用粒子群算法动态调节模糊PI控制器中的量化因子和比例因子。
2.根据权利要求1所述的基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法，其特征在于，利用粒子群算法动态调节模糊PI控制器中的量化因子和比例因子的具体步骤如下：
步骤1)初始化粒子群，对粒子群规模、维数、迭代次数以及粒子的速度Vi和位置Xi进行设置，同时设置模糊控制器中的量化因子和比例因子的范围；
步骤2)设置适应度函数；
步骤3)计算每个粒子个体最优值；
步骤4)利用速度迭代公式更新粒子的速度Vi，利用位置迭代公式更新粒子的位置Xi；
步骤5)判断是否满足终止条件，满足即结束得到全局最优解，不满足则继续循环迭代，直至满足条件。
3.根据权利要求2所述的基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法，其特征在于，步骤2)中选择ITAE准则作为适应度函数，公式如下：
式中：t为仿真时间，e(t)为系统误差。
4.根据权利要求3所述的基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法，其特征在于，步骤3)具体为：计算每个粒子个体最优值fpbest，如果当前值fi>个体最优值fpbest，则用fi取代fpbest，得到新的位置和速度，同理全局最优解也如此。
5.根据权利要求4所述的基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法，其特征在于，步骤4)具体中，将粒子的速度Vi设置在[Vmin,Vmax]之间，将粒子位置Xi设置在[0,Xmax]之间；
速度迭代公式为：Vid k+1＝ω(k)Vid k+c1r1(Pid k-Xid k)+c2r2(Pgd-Xid k)
位置迭代公式：Xid k+1＝Xid k+Xid k+1
式中，c1、c2是学习因子，r1、r2是0到1之间的随机数，Vid为速度迭代信息，Xid为位置迭代信息，Pid根据适应度评判产生的个体极值，Pgd根据适应度评判产生的全局极值，ω(k)代表粒子的惯性权重，其满足如下公式：
ω(k)＝ωstart-(ωstart-ωend)(Tmax-k)/Tmax
其中，ωstart是初始权重，ωend是最后一次迭代权重，k为此时迭代次数，Tmax为最大迭代次数。
6.一种基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制系统，其特征在于，包括：
主电路，包括三相逆变器和永磁同步电主轴；
控制电路，包括速度环PI控制器模块、电流环PI控制器模块、SVPWM发生器、坐标变换模块、PSO优化模糊MRAS观测器模块，PSO优化模糊MRAS观测器模块用以实现权利要求1-5中任一项所述基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制方法中的自适应律；
信号检测电路，用以检测电流、电压信号；
速度环PI控制器模块信号输出端接电流环PI控制器模块的信号输入端，电流环PI控制器模块的信号输出端接SVPWM发生器的信号输入端，SVPWM发生器的信号输出端接三相逆变器，PSO优化模糊MRAS观测器模块的信号输出端接速度环PI控制器模块、坐标变换模块的信号输入端，PSO优化模糊MRAS观测器模块的信号输入端接坐标变换模块的信号输出端，坐标变换模块的信号输入端还接主电路。
7.根据权利要求6所述的基于PSO优化模糊MRAS永磁同步电主轴无速度传感器控制系统，其特征在于，所述PSO优化模糊MRAS观测器模块用以检测转速，根据永磁同步电主轴的电流电压信号计算得到转子速度和位置，坐标变换模块用以实现派克变换、反派克变换、克拉克变换，克拉克变换分别将采集到的电压信号和电流信号处理后发送给PSO优化模糊MRAS观测器模块，同时还将电流信号处理后发送给派克变换，派克变换将处理后的电流信号发送给与设定信号、速度环PI控制器模块输出的电流信号比对后发送给电流环PI控制器模块，反派克变换将电流环PI控制器模块输出的电压信号处理后发送给SVPWM发生器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211613144.5A CN115840365A (zh) | 2022-12-15 | 2022-12-15 | 基于pso优化模糊mras永磁同步电主轴无速度传感器控制方法及控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211613144.5A CN115840365A (zh) | 2022-12-15 | 2022-12-15 | 基于pso优化模糊mras永磁同步电主轴无速度传感器控制方法及控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115840365A true CN115840365A (zh) | 2023-03-24 |
Family
ID=85578667
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211613144.5A Pending CN115840365A (zh) | 2022-12-15 | 2022-12-15 | 基于pso优化模糊mras永磁同步电主轴无速度传感器控制方法及控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115840365A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040162638A1 (en) * | 2002-08-21 | 2004-08-19 | Neal Solomon | System, method and apparatus for organizing groups of self-configurable mobile robotic agents in a multi-robotic system |
| CN102931906A (zh) * | 2012-10-26 | 2013-02-13 | 浙江大学 | 异步电机转子磁链观测与转速辨识的方法 |
| CN103560738A (zh) * | 2013-11-25 | 2014-02-05 | 哈尔滨工业大学 | 一种抑制位置脉动观测误差的永磁同步电机转子位置观测系统及其观测方法 |
| CN103997274A (zh) * | 2014-05-30 | 2014-08-20 | 清华大学 | 基于一维模糊控制的模型参考自适应系统参数自整定方法 |
| CN113346810A (zh) * | 2021-06-18 | 2021-09-03 | 湖南科技大学 | 速度和电流双闭环模糊控制的pmsm无传感器控制方法 |
| CN114157207A (zh) * | 2021-12-17 | 2022-03-08 | 合肥巨一动力系统有限公司 | 基于自适应测速的pi控制器及其控制方法、系统 |
-
2022
- 2022-12-15 CN CN202211613144.5A patent/CN115840365A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040162638A1 (en) * | 2002-08-21 | 2004-08-19 | Neal Solomon | System, method and apparatus for organizing groups of self-configurable mobile robotic agents in a multi-robotic system |
| CN102931906A (zh) * | 2012-10-26 | 2013-02-13 | 浙江大学 | 异步电机转子磁链观测与转速辨识的方法 |
| CN103560738A (zh) * | 2013-11-25 | 2014-02-05 | 哈尔滨工业大学 | 一种抑制位置脉动观测误差的永磁同步电机转子位置观测系统及其观测方法 |
| CN103997274A (zh) * | 2014-05-30 | 2014-08-20 | 清华大学 | 基于一维模糊控制的模型参考自适应系统参数自整定方法 |
| CN113346810A (zh) * | 2021-06-18 | 2021-09-03 | 湖南科技大学 | 速度和电流双闭环模糊控制的pmsm无传感器控制方法 |
| CN114157207A (zh) * | 2021-12-17 | 2022-03-08 | 合肥巨一动力系统有限公司 | 基于自适应测速的pi控制器及其控制方法、系统 |
Non-Patent Citations (4)
| Title |
|---|
| 于振中 ，等: "粒子群优化模糊PID的电动负载模拟器研究", 《电子测量技术》, vol. 42, no. 10, pages 16 - 21 * |
| 张洪帅，等: "基于模糊PI模型参考自适应的高速永磁同步电机转子位置检测", 《中国电机工程学报》, vol. 34, no. 12, pages 1889 - 1896 * |
| 李斯特: "基于模糊MRAS的PMSM无速度传感器控制系统的研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 05, pages 035 - 322 * |
| 王亮: "基于模糊参考自适应永磁风电机组变流器控制策略研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 01, pages 042 - 211 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102497156B (zh) | 永磁同步电机速度环的神经网络自校正控制方法 | |
| CN101938246B (zh) | 无速度传感器电机转速的模糊融合辨识方法 | |
| CN104378038B (zh) | 基于人工神经网络的永磁同步电机参数辨识方法 | |
| Emhemed et al. | Modelling and simulation for industrial DC motor using intelligent control | |
| CN109270833A (zh) | 一种基于无刷直流电机q学习的变论域模糊控制方法 | |
| CN105048896B (zh) | 一种无刷直流电机直接转矩自适应模糊控制方法 | |
| CN111290263B (zh) | 一种改进的基于rbfnn及bas的pid最优化控制算法 | |
| 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 | |
| CN108365787A (zh) | 一种基于内模控制的永磁同步电机调速系统及其设计方法 | |
| CN111608868A (zh) | 风力发电系统最大功率跟踪自适应鲁棒控制系统及方法 | |
| CN112564557B (zh) | 一种永磁同步电机的控制方法、装置、设备及存储介质 | |
| Yadav et al. | Comperative performance analysis of PMSM drive using MPSO and ACO techniques | |
| El Mahfoud et al. | Three Speed Controllers of Direct Torque Control for a Doubly Fed Induction Motor Drive-A Comparison. | |
| CN114995136A (zh) | 一种基于单轴伺服系统的惯量时变振动抑制算法 | |
| CN117318553B (zh) | 基于td3和维也纳整流器的低风速永磁直驱风电机组控制方法 | |
| Ghany et al. | Fuzzy type two self-tuning technique of single neuron PID controller for brushless DC motor based on a COVID-19 optimization | |
| 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 | |
| CN112054728B (zh) | 数控机床永磁同步电机驱动控制系统 | |
| CN115840365A (zh) | 基于pso优化模糊mras永磁同步电主轴无速度传感器控制方法及控制系统 | |
| CN117254725A (zh) | 一种基于粒子群模糊pid与深度补偿的永磁同步电机位置控制方法 | |
| CN112072961A (zh) | 一种基于anfis的无刷直流电机调速系统 | |
| CN116638544A (zh) | 一种基于超局部模型的关节模组协同控制方法 | |
| CN108155836B (zh) | 基于全局在线启发式动态规划永磁同步电机矢量控制方法 | |
| Ding | Comparative study on control effect of permanent magnet synchronous motor based on Fuzzy PID control and BP neural network PID control | |
| Xu et al. | Servo control system of permanent magnet synchronous motor based on feedforward 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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230324 |
|
| RJ01 | Rejection of invention patent application after publication |