基于改進遺傳算法的無刷直流電動機遞歸模糊神經網絡控制

    喬維德

(常州市廣播電視大學，江蘇常州213001)

    摘要：無刷直流電動機的動力學特性是一個高階、非線性、強耦合的系統，針對傳統PI控制的滯后性和動態響應性能較差等特點，提出一種基于動態遞歸模糊神經網絡PI控制的無刷直流電動機調速系統速度控制器的實施方案，利用改進遺傳算法(IGA)優化遞歸模糊神經網絡的隸屬度函數參數和網絡權值系數等，從而提高系統的動態響應性能。仿真結果表明，該方法響應快，具有較強的抗干擾性和魯棒性，動、靜態特勝均優于傳統PI控制。

    關鍵詞：無刷直流電動機；改進遺傳算法；遞歸模糊神經網絡；PI控制

    中圖分類號：TM33  文獻標識碼：A  文章編號：1004-7018(2008)05—0032—04

0引言

     傳統的無刷直流電動機(以下簡稱BLDCM)調速系統通常采用PI控制，但PI控制實質上仍是一種線性控制，對于BLDCM這種復雜非線性、參數時變及強耦合的控制對象來說，PI控制在負載、環境變化下，其控制效果明顯變差，動、靜態性能、控制精度及魯棒性等難以滿足需求。為了進一步提高BLDCM調速系統的快速性、穩定性和魯棒性，智能控制方法受到了人們普遍關注和青睞，目前已成為控制領域的一個研究熱點^[1]。人們嘗試將人工智能與Pl控制結合起來，采用了Pl控制、模糊PI控制、神經網絡PI控制等控制策略，取得了一定成效。模糊控制具有較強的魯棒性，但它本身消除系統穩態誤差的性能比較差，控制精度不高；神經網絡具有較強的容錯能力和自學習功能，但不具備處理不確定信息的功能，且學習過渡過程較慢。綜合兩者的優勢，本文將神經網絡和模糊控制及PI控制結合起來，提出一種新型的動態遞歸模糊神經網絡PI控制策略，應用于BLDCM調速系統，并利用改進遺傳算法(IGA)在線優化遞歸模糊神經網絡控制器參數。仿真結果表明了該方法的可行性和有效性，利用本文提出的控制方法，系統響應快、元超調，控制精度高，具有很好的魯棒性、穩定性和抗干擾能力。

1 BLDCM數學模型^[2,3]

    以兩相導通星形三相六狀態為例，直接利用電機本身的相變量建立BLDcM的數學模型。假設磁路不飽和，不考慮渦流和磁滯損耗，三相繞組完全對稱，則該三相繞組的電壓平衡方程可以表示為：

式中：u_a、u_b、u_c為定子相繞組電壓；i_a、i_b、i_c為定子相繞組電流；r_a、e_b、e_c為定子相繞組電動勢；L為每相繞組的自感；M為每兩相繞組間的互感；un為中性點電壓；r為定子繞組電阻；p為微分算子，

    對于三相對稱的星形繞組電動機，i_a+i_b+i_c=O，所以M_ia+M_ib+M_ic=O，故式(1)化簡為：

式中：T_e為電磁轉矩；T_L為負載轉矩；B為阻尼系數；ω為電機機械轉速；J為電機轉動慣量。

2 BLDcM控制系統結構

    本文設計的DLDCM控制系統結構如圖1所示。系統采用帶有速度環和電流環的雙閉環控制，

電流環采用傳統的Pl控制，基本能滿足系統要求；速度環由傳統的PI調節器替換為一種動態遞歸模糊神經網絡PI控制器，即將動態遞歸模糊神經網絡控制器和PI調節器復合構成速度調節器，便于系統在不同的運行條件下，自動在PI控制和動態遞歸模糊神經網絡控制器之間切換。PI控制器的參數根據常規整定法設計。當系統給定發生突變，出現狀態或結構干擾引起參數變化而致使系統發生振蕩或超調時，軟開關s便自動切換至遞歸模糊神經網絡

控制器。對系統發生的振蕩或超調的情況，該控制器能迅速作出準確判斷，并通過速度的調節，以減少系統超調并加快系統響應。當它檢測到系統發生振蕩(即∑| ei|≠∑ei)或超調(即e=o，但de/dt≠0)時，開關s自動從常規PI控制切換至遞歸模糊神經網絡控制器工作狀態。開關s的自動切換選擇由智能協調器在線協調與控制，由于不同控制器之間的切換容易產生控制量的