基于ANFIS系统的无刷直流电机控制仿真研究.pdf
《基于ANFIS系统的无刷直流电机控制仿真研究.pdf》由会员分享,可在线阅读,更多相关《基于ANFIS系统的无刷直流电机控制仿真研究.pdf(6页珍藏版)》请在咨信网上搜索。
1、基于ANFIS系统的无刷直流电机控制仿真研究Simulation Study of Brushless DC Motor Control Based on ANFIS System 刘洋1 张博1 唐家勇1 张立昌2(1.西安工程大学,陕西西安 710600;2.西安工程大学实训中心,陕西西安 710600)摘 要 无刷直流电机运用环境多变复杂,众多不确定因素都会影响无刷直流电机运行的稳定性和响应速度。传统的模糊控制参数调整困难、性能不稳定、计算开销大。针对无刷直流电机速度控制的优化,本文提出了一种采用评论家学习方案下循环全局反馈的ANFIS系统,其中包括三层级联神经网络和模糊控制算法的结合。
2、ANFIS系统通过采样无刷直流电机实际转速,对比参考转速,实现对PID参数的预测;同时ANFIS系统采用双曲正切作为传递函数来调整权值,缩放共轭梯度法作为优化器来减小训练误差,减法聚类方法来提高预测的适应性和准确性。关键词 无刷直流电机;ANFIS系统;模糊神经网络;PID控制中图分类号 TM33 文献标识码 B基于ANFIS系统的无刷直流电机控制仿真研究刘洋,等基金项目:西安市青年托举计划(No:959202313001)0 引言传统的有刷电机通过电刷与换相器的不断摩擦来实现运行,存在噪音大且必须经常维护的缺点。随着现代电力电子技术的快速发展,电子换向器的产生推动了无刷直流电机(Brushl
3、ess DC 6 总结通过本项目的实施,在线分析仪表COD平稳运行一年有余,妥善地解决了因预处理系统处理效果不佳导致分析仪管路堵塞、测量值超量程、检测数据不达标等问题。改造后的预处理系统通过多级预处理及自动反冲洗,保证了水样样品的代表性及仪表分析数据的可靠性,数据具有分析、利用价值。因此,针对不同工艺条件,应配备相应预处理系统,在提升工艺控制自动化的同时,最大程度提高样品采样、分析的及时性,提升样品质量,间接提升在线分析仪表长周期稳定运行的可靠性,降低操作人员工作负荷,助力企业提质、降本、增效。参考文献:1刘瑞华.在线分析仪表样品预处理系统的特点及重要性探析J.中国战略新兴产业,2018,23
4、(28):580.2李健玲,陈龙,杨学峰.在线分析仪表预处理系统J.石油化工自动化,2005(5):27.3吴淑侠.进水在线仪表COD、TP水样预处理系统优化研究J.计算机光盘软件与应用,2014,17(14):164-165+167.-5仪器仪表与分析监测 2024年第2期motor,BLDC)的发展。无刷直流电机通过霍尔元件感应永磁体磁极的位置,然后通过电机驱动器改变线圈中的电流方向,从而产生正确方向的磁力驱动电机。两种电机比较,后者因具有结构简单、运行稳定、噪音小、维护方便等优点而被大量运用于工业、军事、交通汽车、航天航空等领域。现代控制理论不断发展,内容越加丰富,各种控制方法不断涌现。
5、针对无刷直流电机速度控制系统,工业上大部分采用比例积分微分的传统控制方法。但是也有学者指出了无刷直流电机PI参数调节在参数变化、负载扰动和连续调速下的控制效果并不是很理想1-4。在这些扰动下无刷直流电机呈非线性的变化,也有学者尝试使用模糊控制,它不需要精准的数学模型便能达到控制效果5-7,但在有些行业电机转动是长时间的连续变速,这也让使用固定隶属函数的模糊控制产生了局限性。在计算机快速发展,智能算法不断涌现的年代,将智能算法结合电机控制理论受到了广大学者的关注8。如将神经网络结合传统PID控制,弥补传统 PID 依赖人工经验调参的缺陷,实现了在线调参9。受此启发,由于 FNN 模糊神经网络具有
6、预测、数据拟合等特性10-14,本文提出运用评论家学习方案下模糊神经网络优化传统模糊 PID控制理论的研究。希望通过神经网络与模糊 PID控制相结合的策略,提高无刷直流电机在转速控制中的鲁棒性,并在 Simulink 中验证这一算法的可行性。1 数学模型采用两极三相 Y 型连接的无刷直流电机,并在忽略磁滞效应、涡流现象和齿槽影响的理想状态下建立数学模型,无刷直流电机的电压平衡方程式为:VaVbVc=R000R000R+LMMMLMMMLddtiaibic+EaEbEc(1)由 于ia+ib+ic=0,可 推 出iaM+ibM+icM=0,则电压平衡方程可简化为式(2),等效电路如图1所示。Va
7、VbVc=R000R000R+L-M000L-M000L-Mddtiaibic+EaEbEc(2)图1 等效电路图电压平衡方程经 Clark-Park 变换可得两相静止坐标系下的dq轴电压平衡方程为:Vd=Rid+Lddiddt-cdVq=Riq+Lqdiqdt+cq(3)式中:Vd、Vq分别为 dq 轴电压,id、iq分别为 dq轴电流,Ld、Lq分别为 dq轴电感,c为电机电角速度,d、q分别为dq轴磁链。电机转矩表达式为:Te=32P diq-qid(4)运动方程表达式为:Te-TL=Jdmdt+Bm(5)式中:P为总功率,Te为电磁转矩,TL为负载转矩,m为电机转速,J为电机转动惯量,
8、B为电机阻尼系数。2 模糊神经网络PID结构控制器设计2.1 神经网络结构神经网络是一种受灵长类动物大脑结构启发的机器学习算法。它由大量相互连接的神经元组成,核心是一个由多个层次组成的网络结构,包括输入层、隐藏层和输出层。输入层接-6收原始数据;隐藏层通过一系列非线性变换处理输入数据,并提取出更高级别的特征表示;输出层根据这些特征进行分类、回归或其他预测。本文运用的是一种具有循环全局反馈的三层级联神经网络。该神经网络结构同样包括输入层、隐藏层和输出层,并采用循环反馈连接传递信息。在这种三层级联神经网络中,输入层接收原始数据,并将其传递给隐藏层;隐藏层通过一系列非线性变换和激活函数对输入数据进行
9、处理,提取出更高级别的特征表示。与传统的前馈神经网络不同,这里的隐藏层加入了循环反馈连接,使得隐藏层的输出能够通过时间传递回自身,形成一个循环流动的信息路径。三层级联神经网络具体结构如图 2 所示,输出方程式为:f3(net3s3)=f3(i=1s3j=1Rwijpj+i=1s3j=1s1wijf1(i=1s1j=1Rwijpj+i=1s1j=1s3wija2j(t-1)+b1s1)+i=1s3j=1s2wijf2(i=1s2j=1Rwijpj+i=1s2j=1s1wija2j+b2s2)+b3s3)(6)图2 三层级联神经网络2.2 模糊神经网络控制器本文将自适应神经网络(ANN)与模糊逻辑
10、相结合,形成了一种名为模糊神经网络推理系统(ANFIS)的模型。ANFIS 基于 Takagi-Sugeno模糊推理系统,将 ANN 的自学习能力与模糊系统的逻辑推理能力、鲁棒性和易于实施的规则库相结合。ANFIS 系统具有高效且易于实施的特点,在处理非线性和不确定性问题时表现出色。通过将输入数据传递到模糊推理系统的各个隶属函数中,利用神经网络算法学习每个隶属函数的参数。因此,ANFIS 能够根据输入数据进行推理和决策,并输出相应的结果。ANFIS系统基本结构主要包括:模糊化接口、模糊规则库、模糊推理引擎、解模糊化接口输出。在模糊化接口中,输入数据通过隶属函数进行模糊化,将其转换为模糊的隶属度
11、值。模糊规则库中包含了一系列的模糊规则,它们由领域专家根据问题的特定需求设定。整个控制器流程如图3所示。图3 模糊神经网络控制器输入量具体模糊化过程表达式为:N(k)=Kp(e(k)=Kp(ref(k)-y(k)(7)N(k)=Ki(e(k)=Ki(ref(k)-y(k)(8)V(k)=Kd(y(k)-z-1(Kd(y(k)(9)式 中:Kp、Ki、Kd分 别 为 PID 的 比 例 因 子,N(k)、N(k)、V(k)分别为模糊化过程中输入到模糊论集中的三个输入。2.2.1 模糊化过程采用高斯函数对三个输入变量进行模糊性描述,将输入具体值转化为模糊集合,以便进一步进行推理和决策,表达式为:m
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 ANFIS 系统 直流电机 控制 仿真 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。