CN116317748A - 基于神经元比例积分-模糊积分算法的双闭环bldc控制器 - Google Patents

基于神经元比例积分-模糊积分算法的双闭环bldc控制器 Download PDF

Info

Publication number
CN116317748A
CN116317748A CN202310144668.2A CN202310144668A CN116317748A CN 116317748 A CN116317748 A CN 116317748A CN 202310144668 A CN202310144668 A CN 202310144668A CN 116317748 A CN116317748 A CN 116317748A
Authority
CN
China
Prior art keywords
loop
current
fuzzy
bldc
controller
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
CN202310144668.2A
Other languages
English (en)
Other versions
CN116317748B (zh
Inventor
古秋翔
徐飞飞
陈明艳
邱玺
陈晓雪
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.)
Chengdu Chuangkesheng Electronic Technology Co ltd
Original Assignee
Chengdu Chuangkesheng Electronic Technology Co ltd
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 Chengdu Chuangkesheng Electronic Technology Co ltd filed Critical Chengdu Chuangkesheng Electronic Technology Co ltd
Priority to CN202310144668.2A priority Critical patent/CN116317748B/zh
Publication of CN116317748A publication Critical patent/CN116317748A/zh
Application granted granted Critical
Publication of CN116317748B publication Critical patent/CN116317748B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • H02P21/001—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using fuzzy 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
    • H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • 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
    • H02P21/22—Current control, e.g. using a current control loop
    • 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
    • H02P25/00—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details
    • H02P25/02—Arrangements or methods for the control of AC motors characterised by the kind of AC motor or by structural details characterised by the kind of motor
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Feedback Control In General (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明公开一种基于神经元比例积分‑模糊积分算法的双闭环BLDC控制器，包括用于实现BLDC定速控制的转速环、电流环，其特征在于，所述转速环包括模糊控制器，所述电流环包括PI控制器，所述PI控制器包括神经元学习规则。本发明能够提升伺服驱动器的控制性能，简化PI控制器参数整定过程，加强对负载变化的适应度。

Description

基于神经元比例积分-模糊积分算法的双闭环BLDC控制器
技术领域
本发明涉及自动控制技术领域，尤其涉及一种基于神经元比例积分-模糊积分算法的双闭环BLDC控制器。
背景技术
BLDC（无刷直流电机）常用驱动方式有六步换相法、正弦脉冲宽度调制（Sinusoidal Pulse Width Modulation,SPWM）和空间矢量脉宽调制（Space VectorPulseWidth Modulation,SVPWM）。其中，SVPWM是一种根据空间电压矢量切换来控制BLDC电流大小和方向的驱动方法，这种驱动方式可以使BLDC运行电流呈现正弦波型，减小转矩脉动，同时还比其他驱动方式有着更高的电压利用率。在SVPWM驱动的基础上，磁场定向控制（Field-Orientated Control,FOC）完成了磁链解耦，简化了BLDC闭环控制过程，是驱动器伺服控制系统的重点研究对象。FOC工作原理如图1所示。
BLDC是通过驱动电流控制电机转矩，进而控制其旋转加速度的机电单元，伺服驱动器完成BLDC定速控制，现有技术使用的是转速环+电流环的双闭环控制策略，如下图2所示。
现有技术中，FOC控制器使用了两个PI控制器分别完成转速和电流闭环，整定过程较为复杂，并且在负载变化的情况下很难达到较好的控制效果。
发明内容
本发明旨在提供一种基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，能够提升伺服驱动器的控制性能，简化PI控制器参数整定过程，加强对负载变化的适应度。
为达到上述目的，本发明是采用以下技术方案实现的：
基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，包括用于实现BLDC定速控制的转速环、电流环，其特征在于，所述转速环包括模糊控制器，所述电流环包括PI控制器，所述PI控制器包括神经元学习规则。
进一步的，本发明还包括FOC，所述FOC的输出连接BLDC，所述PI控制器的输出、BLDC的反馈电流以及编码器的输出为FOC的输入。
优选的，所述神经元学习规则如下：
其中系数K为定常值,设神经元的两个输入量分别为
Figure SMS_1
和/>
Figure SMS_2
，电流环误差为/>
Figure SMS_3
，则神经元输入如下：
Figure SMS_4
（1）
其中系数K为定常值,,设
Figure SMS_5
和/>
Figure SMS_6
分别为PI控制器的比例和积分控制参数，根据增量式PI控制算法u(k)=u(k-1)+△u(k)，△u(k)是执行机构的增量，输出控制量u(k)为：
Figure SMS_7
（2）
其中系数K为定常值，参数
Figure SMS_8
和 />
Figure SMS_9
的在线更新采用有监督Hebb学习规则，并通过前馈支路引入速度环误差/>
Figure SMS_10
作为教师信号，本发明学习算法如下：
Figure SMS_11
（3）
优选的，所述模糊控制器的输入模糊化采用分档模糊集法，分档模糊集法将模糊集合论域上的精确量分成若干档，每一档对应一个模糊集合。输出去模糊化采用重心法。
进一步优选的，所述模糊控制器，模糊控制器的模糊控制规则如下表：
Figure SMS_12
表中：
Figure SMS_13
速度环误差，/>
Figure SMS_14
为转速误差的差分，P、Z、N分别为输入、输出论域划分的三档正、零、负。
进一步的，在模糊控制器上复合有积分器，所述积分器的输入为
Figure SMS_15
，输出与模糊控制器的输出叠加后作为PI控制器的输入。
进一步的，本发明还包括电路，所述电路包括MCU、电源电路、三相全桥驱动电路、电流及位置反馈电路，所述三相全桥驱动电路、电流及位置反馈电路连接MCU，所述电源电路用于提供电路的工作电源及BLDC的驱动电源，所述MCU固化有转速环、电流环。电流环完全在伺服驱动器内部进行，通过霍尔装置检测驱动器给电机的各相的输出电流，负反馈给电流的设定进行PI调节，从而达到输出电流尽量接近等于设定电流，电流环就是控制电机转矩的，所以在转矩模式下驱动器的运算最小，动态响应最快。转速环通过检测的伺服电机编码器的信号来进行负反馈PI调节，它的环内PI输出直接就是电流环的设定，所以速度环控制时就包合了速度环和电流环，换句话说任何形势都必须使用电流环，电流环是控制的根本，在速度和位置控制的同时系统实际也在进行电流（转矩）的控制以达到对速度和位置的相应控制。
进一步的，所述三相全桥驱动电路包括预驱动芯片，所述预驱动芯片连接三相全桥。
优选的，所述电源电路的输入为稳压直流电，所述稳压直流电用于电机驱动系统和控制系统供电，所述稳压直流电的直流母线之间连接吸收电容、钳位二极管以及浪涌吸收电路，所述浪涌吸收电路包括串联在直流母线上的电阻R11、与电阻R11并联的电阻R12，TVS管D5的一端连接电阻R11的一端并跨接在直流母线之间。
优选的，所述稳压直流电通过LDO线性降压芯片降压后为控制系统供电。
本发明用于伺服驱动器，能够提升伺服驱动器的控制性能，简化PI控制器参数整定过程，加强伺服驱动器对负载变化的适应度。
附图说明
图1为FOC工作原理图。
图2为现有技术的转速环+电流环的双闭环控制策略图。
图3为本发明的原理图。
图4为实施例2的原理框图。
图5为实施例2的主控制部分的电路原理图。
图6为电源电路的电路原理图。
图7为预驱动芯片部分的电路原理图。
图8为三相全桥部分的电路原理图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。
实施例1
如图3所示，本实施例公开一种基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，具体如下：
本实施例在现有的双PI控制器基础上提出了模糊积分-神经元比例积分双环控制器（Fuzzy Integration-Neural Proportional Integral,FI-NPI）。BLDC电流环在原有的PI控制器的基础上增加了神经元结构，实现PI参数在线调节。BLDC速度闭环由模糊积分控制器完成。模糊控制器不依赖于系统模型，具有很强的鲁棒性和稳定性，相比PI速度闭环方法有更短的响应时间和更小的超调量。由于模糊控制器控制精度不高，并且存在稳态误差，因此驱动器伺服控制系统结构在模糊控制器的基础上增加了积分器以提高控制精度，消除稳态误差。
电流环的神经元PI控制器可以通过输入、输出和误差参数完成PI参数的动态调节。设神经元的两个输入量分别为
Figure SMS_16
和/>
Figure SMS_17
，电流环误差为/>
Figure SMS_18
，则神经元输入分别满足：
Figure SMS_19
（1）
设
Figure SMS_20
和/>
Figure SMS_21
分别为PI控制器的比例和积分控制参数，根据增量式PI控制算法u(k)=u(k-1)+△u(k)，△u(k)是执行机构的增量，输出控制量u(k)为：：
Figure SMS_22
（2）
其中系数K为定常值,参数
Figure SMS_23
和/>
Figure SMS_24
的在线更新采用有监督Hebb学习规则，并通过前馈支路引入速度环误差 />
Figure SMS_25
作为教师信号，本发明学习算法如下：
Figure SMS_26
（3）
由上式中可以看出，当速度环误差
Figure SMS_28
、电流环误差/>
Figure SMS_31
以及电流环输出量u较大时，PI控制器参数/>
Figure SMS_34
和/>
Figure SMS_29
也会相应增大。随着误差和输出量的减小，PI控制器参数也相应减小。在输出误差或者控制量较大时，驱动器伺服控制系统会增大PI参数加速收敛；当误差减小时，控制器会相应地减小PI参数使超调量较小。为了避免神经元计算出的PI控制器参数
Figure SMS_30
和 />
Figure SMS_32
过大导致驱动器伺服控制系统震荡以及计算出负值导致驱动器伺服控制系统发散两种情况，在神经元学习规则中应对 />
Figure SMS_33
和 />
Figure SMS_27
有效取值范围进行限定。
速度环模糊控制器主要由输入模糊化，模糊推理和输出去模糊化几个部分构成。本实施例输入模糊化采用分档模糊集法，分档模糊集法将模糊集合论域上的精确量分成若干档，每一档对应一个模糊集合。输出去模糊化采用重心法。设BLDC速度环误差为
Figure SMS_35
，转速误差的差分为/>
Figure SMS_36
，将输入、输出论域划分为正（P）、零（Z）、负（N）三档，构建模糊控制规则表如下：
Figure SMS_37
模糊控制的输入和输出都是模糊量，所以模糊控制方法必然会存在稳态误差。为了提升BLDC速度闭环控制精度，在模糊控制的输出量上叠加了一个积分器输出，形成模糊积分控制器。这种控制结构在保证控制精度的同时，可以充分利用 模糊控制器鲁棒性强和收敛速度快的优点。
实施例2
在实施例1的基础上，本实施例公开一种采用基于神经元比例积分-模糊积分算法的双闭环BLDC控制器的伺服驱动器，具体如下：
如图4所示，电路系统由主控MCU、电源电路、三相全桥驱动电路、电流及位置反馈模块、CAN通信系统等几个模块构成。
实用于并联平台的驱动，主要目标是实现六组可以完成长度调节的机械臂和对机械臂进行控制的伺服驱动器。根据目标，机械臂需要完成长度调节任务，而BLDC只能完成旋转运动，因此在机械结构设计时需要将BLDC的旋转运动转换为直线运动。伺服驱动器除了完成BLDC的伺服驱动，还需要与并联平台控制中心的上位机通过CAN总线进行数据交互。
如图5所示，主控芯片除了需要考虑硬件资源和计算能力以外，还需要芯片在复杂工况下具有较强的抗干扰性能。综合考虑所有需求，驱动器硬件主控MCU芯片选用了NXP公司的S32K144汽车级主控芯片。该芯片支持5V电源供电，具有较强的抗干扰性能。芯片内核基于ARM Cortex-M4F内核，最高运行频率可达112MHz，并且拥有符合IEEE-754标准的FPU硬件浮点数计算单元，可以提供伺服驱动器完成电机转速闭环、电流闭环等控制算法所需的计算性能。该芯片外设资源拥有2个8路同步的PWM模块，可以实现2路BLDC的驱动，因此可以将驱动器伺服控制系统所需的6个BLDC伺服驱动器硬件电路设计在块硬件电路板上。
如图6所示，由于伺服驱动器的负载是 BLDC，在电机运行过程中会产生较大的电磁干扰，设计电源电路时需要对这一因素进行相应考虑，具体的：
电源输入为24V恒压直流电源，用于电机驱动系统和控制系统供电。U3是LDO线性降压芯片，用于将24V电源转换为控制系统所需的5V电压。由于BLDC在减速和刹车时会从电动机转为发电机，导致24V直流母线电压升高，进而破坏驱动器硬件电路。为了硬件电路系统的安全，使用了8个470uF电解电容器来吸收BLDC减速产生的能量，并在电源直流母线之间接入33V/8kW的双向瞬变电压抑制二极管（Transient Voltage Suppressors,TVS）D4进行电压钳位。当直流母线电压高于33V时，D4将被击穿导通，通过释放掉多余电能将直流母线电压钳位至33V。针对数字芯片电源电路设计了抗浪涌电阻R11和R12以及33V/900W的TVS管D5作为二次防护。图中的cPWR为电源电压采样点，MCU对该点进行实时采样，并通过分压电阻的分压比可以计算出电源实时电压值。当伺服驱动器检测到直流母线电压过高时关闭输出功能，实现对输出系统的保护。
如图7所示，BLDC驱动系统由预驱动芯片和三相全桥电路两部分构成。本实施例选用了TI公司DRV8305N预驱动芯片完成三相全桥的驱动。DRV8305N是TI公司推出的BLDC专用预驱动芯片，该芯片最大工作电压可达45V，并且可以提供1.25A的栅极驱动电流。芯片内置3个放大倍数可调的差分放大器，可以对电机运行采样得到电流进行放大，实现电流的高精度采样。芯片自带的保护功能也非常完善，拥有电源故障、温度过热等多种保护功能。MCU可以与预驱动芯片进行SPI总线通信，实现配置电机的工作参数和读取故障代码等功能。
如图8所示，通过预驱动芯片DRV8305N内部电荷泵电路升压后的PWM波可以直接驱动三相全桥MOS管。本实施例选用最大电流为40A的AOD464型N沟道MOS管组成三相全桥电路。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，包括用于实现BLDC定速控制的转速环、电流环，其特征在于，所述转速环包括模糊控制器，所述电流环包括PI控制器，所述PI控制器包括神经元学习规则。
2.根据权利要求1所述的基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，其特征在于，还包括FOC，所述FOC的输出连接BLDC，所述PI控制器的输出、BLDC的反馈电流以及编码器的输出为FOC的输入。
3.根据权利要求1或2所述的基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，其特征在于，所述神经元学习规则如下：
其中系数K为定常值，设神经元的两个输入量分别为
Figure QLYQS_1
和/>
Figure QLYQS_2
，电流环误差为/>
Figure QLYQS_3
，则神经元输入如下：
Figure QLYQS_4
（1）
其中系数K为定常值，设和
Figure QLYQS_5
分别为PI控制器的比例和积分控制参数，根据增量式PI控制算法u(k)=u(k-1)+△u(k)，△u(k)是执行机构的增量，输出控制量u(k)为：
Figure QLYQS_6
（2）
其中系数K为定常值，参数
Figure QLYQS_7
和/>
Figure QLYQS_8
的在线更新采用有监督Hebb学习规则，并通过前馈支路引入速度环误差/>
Figure QLYQS_9
作为教师信号，神经元学习算法如下：
Figure QLYQS_10
（3）。
4.根据权利要求3所述的基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，其特征在于，所述模糊控制器的输入模糊化采用分档模糊集法，分档模糊集法将模糊集合论域上的精确量分成若干档，每一档对应一个模糊集合；输出去模糊化采用重心法。
5.根据权利要求4所述的基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，其特征在于，所述模糊控制器的模糊控制规则如下表：
Figure QLYQS_11
表中：
Figure QLYQS_12
为速度环误差，/>
Figure QLYQS_13
为转速误差的差分，P、Z、N分别为输入、输出论域划分的三档正、零、负。
6.根据权利要求5所述的基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，其特征在于，在模糊控制器上复合有积分器，所述积分器的输入为
Figure QLYQS_14
，输出与模糊控制器的输出叠加后作为PI控制器的输入。
7.根据权利要求4-6任一项所述的基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，其特征在于，还包括电路，所述电路包括MCU、电源电路、三相全桥驱动电路、电流及位置反馈电路，所述三相全桥驱动电路、电流及位置反馈电路连接MCU，所述电源电路用于提供电路的工作电源及BLDC的驱动电源，所述MCU固化有转速环、电流环；电流环完全在伺服驱动器内部进行，通过霍尔装置检测驱动器给电机的各相的输出电流，负反馈给电流的设定进行PI调节，从而达到输出电流尽量接近等于设定电流，电流环就是控制电机转矩的，所以在转矩模式下驱动器的运算最小，动态响应最快；转速环通过检测的伺服电机编码器的信号来进行负反馈PI调节，它的环内PI输出直接就是电流环的设定，所以速度环控制时就包合了速度环和电流环，换句话说任何形势都必须使用电流环，电流环是控制的根本，在速度和位置控制的同时也在进行电流（转矩）的控制以达到对速度和位置的相应控制。
8.根据权利要求7所述的基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，其特征在于，所述三相全桥驱动电路包括预驱动芯片，所述预驱动芯片连接三相全桥。
9.根据权利要求8所述的基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，其特征在于，所述电源电路的输入为稳压直流电，所述稳压直流电用于电机驱动和供电，所述稳压直流电的直流母线之间连接吸收电容、钳位二极管以及浪涌吸收电路，所述浪涌吸收电路包括串联在直流母线上的电阻R11、与电阻R11并联的电阻R12，TVS管D5的一端连接电阻R11的一端并跨接在直流母线之间。
10.根据权利要求9所述的基于神经元比例积分-模糊积分算法的双闭环BLDC控制器，其特征在于，所述稳压直流电通过LDO线性降压芯片降压后为驱动器伺服控制系统供电。
CN202310144668.2A 2023-02-21 2023-02-21 基于神经元比例积分-模糊积分算法的双闭环bldc控制器 Active CN116317748B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310144668.2A CN116317748B (zh) 2023-02-21 2023-02-21 基于神经元比例积分-模糊积分算法的双闭环bldc控制器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310144668.2A CN116317748B (zh) 2023-02-21 2023-02-21 基于神经元比例积分-模糊积分算法的双闭环bldc控制器

Publications (2)

Publication Number Publication Date
CN116317748A true CN116317748A (zh) 2023-06-23
CN116317748B CN116317748B (zh) 2023-11-07

Family

ID=86786139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310144668.2A Active CN116317748B (zh) 2023-02-21 2023-02-21 基于神经元比例积分-模糊积分算法的双闭环bldc控制器

Country Status (1)

Country Link
CN (1) CN116317748B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116961117A (zh) * 2023-09-20 2023-10-27 国网湖北省电力有限公司 基于参数动态调节的变流器故障穿越快速控制方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6067536A (en) * 1996-05-30 2000-05-23 Matsushita Electric Industrial Co., Ltd. Neural network for voice and pattern recognition
KR20000051941A (ko) * 1999-01-28 2000-08-16 김형벽 실시간 학습형 제어기
CN204264403U (zh) * 2014-12-02 2015-04-15 淮阴工学院 一种电动自行车控制器
CN107688291A (zh) * 2017-08-23 2018-02-13 苏州大学 基于单神经元的压电陶瓷平台前馈与闭环复合控制方法、系统
CN109739080A (zh) * 2019-01-17 2019-05-10 浙江工业大学 基于神经网络二维伺服阀步进式电-机械转换器的控制方法
CN111800059A (zh) * 2020-08-17 2020-10-20 珠海格力电器股份有限公司 电机控制方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6067536A (en) * 1996-05-30 2000-05-23 Matsushita Electric Industrial Co., Ltd. Neural network for voice and pattern recognition
KR20000051941A (ko) * 1999-01-28 2000-08-16 김형벽 실시간 학습형 제어기
CN204264403U (zh) * 2014-12-02 2015-04-15 淮阴工学院 一种电动自行车控制器
CN107688291A (zh) * 2017-08-23 2018-02-13 苏州大学 基于单神经元的压电陶瓷平台前馈与闭环复合控制方法、系统
CN109739080A (zh) * 2019-01-17 2019-05-10 浙江工业大学 基于神经网络二维伺服阀步进式电-机械转换器的控制方法
CN111800059A (zh) * 2020-08-17 2020-10-20 珠海格力电器股份有限公司 电机控制方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
D. ZHAO ET AL.: "PMSM Field Orientation Control Based on Online Neuron PID", 2022 IEEE 11TH DATA DRIVEN CONTROL AND LEARNING SYSTEMS CONFERENCE (DDCLS), pages 618 - 624 *
孔峰, 姜阳: "基于数字信号处理器的神经元自适应PID控制", 广西工学院学报, no. 04, pages 15 - 18 *
李晓秀等: "无刷直流伺服系统积分自整定模糊控制器设计", 电机与控制应用, no. 2, pages 38 *
程声烽等: "四开关三相无刷直流电机智能控制研究", 微电机, vol. 47, no. 7, pages 63 - 66 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116961117A (zh) * 2023-09-20 2023-10-27 国网湖北省电力有限公司 基于参数动态调节的变流器故障穿越快速控制方法及装置

Also Published As

Publication number Publication date
CN116317748B (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
Hammoodi et al. Design and implementation speed control system of DC motor based on PID control and matlab simulink
CN100463355C (zh) 直接转矩无刷直流伺服控制系统及其工作方法
CN101499753B (zh) 基于永磁无刷直流电机的无刷伺服控制系统和驱动装置
Lu et al. A new load adaptive identification method based on an improved sliding mode observer for PMSM position servo system
CN116317748B (zh) 基于神经元比例积分-模糊积分算法的双闭环bldc控制器
CN102957374A (zh) 电动机控制装置以及电动动力转向装置
CN111756286A (zh) 一种高性能鲁棒永磁同步轮毂电机复合控制器
CN112701975B (zh) 一种双惯量伺服系统的自适应齿隙振荡抑制方法
CN111224594B (zh) 一种高效率低纹波电机驱动方法
CN108880339B (zh) 一种三直流电机反向串联控制系统及方法
Verma et al. Hybrid PI speed controllers for permanent magnet brushless DC motor
CN105871278A (zh) 一种基于直接特征控制的新型凸极永磁同步电机控制方法
CN114531087B (zh) 一种基于电流源逆变器的高速永磁同步电机优化控制方法
CN104124909A (zh) 单周电流实时调制pwm控制方法、装置及具有其的车辆
CN115208242A (zh) 一种双开关磁阻电机交叉耦合同步控制系统及方法
Fayad et al. Performance Enhancement of Speed and Position Control for DC Servo Motor Using Artificial Intelligence Technique
CN105119507B (zh) 一种pwm整流器功率前馈控制方法
CN109391200B (zh) 一种同步电机参数自辨识整定方法
CN113467229A (zh) 一种交流伺服驱动方法
CN111404425B (zh) 一种直流电机并联控制系统及电流跟随控制方法
Fan et al. Double PWM coordinated control based on model predictive algorithm and power compensation
Kumar et al. Adaptive fuzzy controller based self regulated reference stator flux estimator of direct torque control for three level inverter fed IPMSM
Al-kaf et al. A generalized integrated MPC-fuzzy-neural network approach for multilevel inverter fed PMSMs
Krasovsky et al. Design of speed regulator at direct torque control of switched reluctance motors
Derdiyok et al. A DSP-based indirect field oriented induction machine control by using chattering-free sliding mode

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