[发明专利]新颖的无刷直流电机模糊神经网络PI控制器

说明书

本发明设计了一种新颖的无刷直流电机模糊神经网络PI控制器，用于改进无刷直流电机的传统速度控制方法效果不理想问题。设计新颖的无刷直流电机模糊神经网络PI控制器（NFNN‑PI）由新型模糊神经网络和传统PI控制器两部分组成。新型模糊神经网络结合了模糊控制与神经网络的优点，利用有限的模糊规则信息进行逻辑推理，对无刷直流电机的非线性特点有很好的逼近效果，并采用一种自适应动量调谐方法对NFNN‑PI的网络权值、隶属度函数的中心和宽度进行调整，利用边缘稳定性来获得较高的跟踪性能和对外界负载扰动和参数变化的鲁棒性。最终，PI控制器对无刷直流电机进行闭环控制。

技术领域

本发明属于无刷直流电机调速技术领域，具体涉及一种新颖的无刷直流电机模糊神经网络PI控制器。

背景技术

无刷直流电机因其具有结构简单、高效区域大、低电压特性好等优点，已广泛应用于工业控制领域，但对于电机转速的精准度、稳定性、鲁棒性控制还有待提高。PID（比例（proportion）、积分（integral）、微分（differential））控制器作为最早实用化的控制器已有近百年历史，现在仍然是应用最广泛的工业控制器。PID控制器简单易懂，使用中不依赖于精确的系统模型，因而也在无刷直流电机控制系统中广泛应用。应用于无刷直流电机的PI控制器，通过调节Kp增益，提高了速度控制器的灵敏度，降低了速度超调。然而传统的PID控制器又过分的依赖于增益的选择，造成电机的控制性能下降，具有各种不确定性和非线性。近年来，随着现代智能控制理论的飞速发展，产生了很多新型的控制系统，模糊控制就是其中之一。学者们将模糊控制技术和PID控制技术相结合，克服了传统PID参数无法实时调整的缺点，实现了PID参数的实时最优整定。但是模糊PID控制的模糊规则大多来源于专家经验，缺少理论依据，且控制的超调现象明显，鲁棒性仍有待提高。针对永磁同步电机速度控制学者提出了利用4层神经网络调整模糊逻辑控制器隶属度函数和模糊规则的神经网络模糊控制器，降低了模糊逻辑控制对经验的依赖性，取得了较好的控制效果。为了进一步提高无刷直流电机的各项调速性能指标，本文提出了一种新颖的模糊神经网络PI控制器（NFNN-PI），以提高无刷直流电机的转速跟踪性能和对外界负载扰动和参数变化的鲁棒性。

发明内容

本发明设计的新颖的无刷直流电机模糊神经网络PI控制器（NFNN-PI）对无刷直流电机的稳态状态和瞬态状态进行调速控制，NFNN-PI控制器由新型模糊神经网络和传统PI控制器两部分组成。新型模糊神经网络结合了模糊控制与神经网络的优点，利用有限的模糊规则信息进行逻辑推理，对无刷直流电机的非线性特点有很好的逼近效果，并采用一种自适应动量调谐方法对NFNN-PI的网络权值、隶属度函数的中心和宽度进行调整，利用边缘稳定性来获得较高的跟踪性能和对外界负载扰动和参数变化的鲁棒性。最终，PI控制器对无刷直流电机进行闭环控制，确保在不同操作条件下(空载、负载干扰和速度变化)的期望控制响应。

本发明提出的一种新颖的无刷直流电机模糊神经网络PI控制器，具体包括如下控制步骤：

S1：设P是一个线性系统，确定系统的稳定裕度为b_P,C，其中C是P的稳定控制器。b_P,C被用来表示对非结构扰动的鲁棒性，值大于0.3的控制器通常表明具有良好的鲁棒性裕度;

S2:模糊逻辑设计，NFNN-PI控制器将电机的实际转速测量值W_m(t)和参考转速值W_r(t)的误差值e和误差变化率ec作为系统输入变量，系统输出变量为将PI控制器比例系数Kp和积分系数Ki。模糊控制根据系统的输入与输出变量关系建立一个模糊条件语句构成的模糊规则库。模糊规则库的建立既参考了专家的经验，也通过多次仿真进行了修改;

S3:新型模糊神经网络设计，其结构为5层前馈网络，具体包括输入层、隶属度函数生成层、推理层、归一化层和输出层。将无刷直流端机控制系统的转速误差e和误差变化率ec作为输入神经元，输出神经元为Kp和Ki，即为PI控制器的增益。文中将对归一化层与输出层之间的权值进行了修正，其他连接层权值均定义为1。