基于神经网络的直流无刷电机控制系统
合集下载
一种基于神经网络的电机控制算法
一种基于神经网络的电机控制算法摘要：本文提出了一种基于神经网络的电机控制算法。
该算法通过学习电机的动态响应特征，将电机控制问题转化为一个非线性函数逼近问题。
在设计神经网络结构时，我们采用了卷积神经网络（CNN）和循环神经网络（RNN）的结合，以处理输入数据的时空特征。
实验结果表明，该算法具有较高的控制精度和鲁棒性，能够适应于各种电机控制应用场景。
关键词：神经网络，电机控制，卷积神经网络，循环神经网络Abstract：This paper proposes a motor control algorithm based on neuralnetworks. By learning the dynamic response characteristics of the motor, the control problem of the motor is converted into a nonlinear functionapproximation problem. In the design of neural network structure, weuse the combination of Convolutional Neural Networks (CNN) and Recurrent Neural Networks (RNN) to handle the spatiotemporal features of input data. The experimental results show that this algorithm has high control accuracy and robustness, and can adapt to various motor control application scenarios.Keywords: neural networks, motor control, convolutional neuralnetworks, recurrent neural networks1.引言在自动化领域中，广泛应用的电机控制涉及电机的启停、转速调节、负载调节等问题，对于智能工厂、机器人等领域都有很重要的应用。
无刷直流电机的神经网络PID控制及其仿真
ＰＤ控 制 是 最 早 发 展 起 来 的 控 制 策 略 之 一 、 Ｉ 由
于它具有算 法 简单 、 鲁棒性好 、 可靠性 高 等优点 被广 泛用 于工业过 程 控 制 ； 它尤 其适 用 于可 建 立精确 数
学 模 型 的 确 定 性 控 制 系 统 ， 以 一 般 需 要 预 先 知 道 所
关键词 ：［ ＰＤ控制 ； 经卿缉 ； 神 无刷直赢电机 ∞真
中 图分 类 号 ： Ｍ ０ Ｔ ３１ ２ 文献 标 识 码 ： Ａ
摘
要 ： 简单 介 绍 神 经 网 络 ＰＤ的 基 础 之上 ． ＭＡ Ｌ Ｂ对 无 刷 百 流 电机 艘 了 神 经 网 缉 ＰＤ控 制 的仿 真 ， 果 使一些控制带统的参 数达到了有效 、 Ｉ 鲁捧和最 优化
Ｔｈｅ ｎｅ ｒ ｌｎ ｔ ｒ Ｉ ｃ ｎ ｒ ｌ ｒ ａ ｄ ｕ ａ ｅ ｗｏ ｋ Ｐ Ｄ ｏ ｔ ｏ ｌ ｎ ｅ ｓｍ ｕ ａ ｉ ｎ ｔ ｒ ｓ ｌ ｓ Ｃ ｏ ｏ ｉ ｌ ｔｏ ｏ ｂ ｕ ｈ ｅ ｓ Ｄ ｍ ｔｔ
输
一
ｃ 为三 相绕组 感 生电动势 ； 为无刷 直 流电机极 对 Ｐ 数 ： 为无 剧 直流 电机 角速 度 ． ，
辅
出 层
Ｉ
２ 神 经 网络 ＰＤ Ｉ
２ １ 传统 ＰＤ控 制 ． Ｉ
众所周 知 ， 按偏 差 的 比例 、 分和微 分线性 组合 积
进 行 控 制 的 方 式 就 是 ＰＤ 控 制 ． 规 ＰＤ 控 制 系 统 Ｉ 常 Ｉ 原 理 框 图 如 图 １ 示 ． 据 不 同被 控 对 象 适 当 地 整 所 根
Ｍ ｒ ｈ． ０ ２ ｃ ２０
Ｖ ｉｌ． Ｎｏ １
文 章 编 号 ：０ ４ ７ ２ ２０ ） １ ０ ５ １０ —９ ６ （ ０ ２ ０ — ０ ５—０ ４
基于BP神经网络PID自适应控制的无刷直流电动机
ｔ ｅｍｏ ｎ ｕ ｔ ｒ ． Ｔｈ ｎ ｔ ｅａｇ ｒｔ ｍ ｓｕ ｅ ｏａ ｊ ｓ ｈ ａ ａ ｔ ｒ ｆＢＬＤＣＭ Ｉ ｃ ｎ ｈ ｍｅ ｔ ｍ ｅ ｍｓ ｅ ｈ ｌｏ ｉｈ ｉ ｓ ｄ ｔ ｄ ｔｔ ｅｐ ｒ ｍｅｅ ｓｏ ｕ Ｐ Ｄ ｏ —
ｔ ｏ ｌ ｒ Ｓ ｈ ｔｔ ｅ ｗｈ ｌ ｙ ｔ ｍ ｒ ｉ ｅ ｐ ｉ ａ． ｒ ｌ Ｏ ｔ ａ ｈ ｏ ｅ ｓ ｓ ｅ ａ ｒｖ ｓ ｏ ｔｍ １ ｅ ＫＥＹ Ｗ ＯＲＤＳ： Ｎｅ ｒ ｌ ｅ ｗｏ ｋ Ｂ ｕ ｈ ｅ ｓ ＤＣ ｍｏ ｏ ； Ｐ Ｄ ｏ ｔ ｏ ｌｒ Ｖａ ｉ ｂ ｅ ｓ ｅ ｉｅ Ｍ ｏ ｕ ａ ｔ ｒ ； ｒ ｓ ｌ ｓ ｔ ｒ ｎ Ｉ ｃ ｎ ｒｌ ； ｅ ｒａ ｌ ｔ ｐ ｓｚ ； —
ＱＩ ｅ ｇ Ｎ Ｐ ｎ ，Ｌ ｎ ，Ｚ ＩＨｏ ｇ ＨＡＮＧ Ｄ ａ — ｎ ｉｎｊ ｕ
（ ｏ ｔ ｗｅ ｔ ｒ பைடு நூலகம் ｌｔ ｃ ｎｃ ｌＵｎ ｖ ｒ ｉｙ Ｘｉ ｎ ７ ０ ７ ， Ｃｈ ｎ ） Ｎ ｒｈ ｓｅ ｎ Ｐｏｙ ｅ ｈ ｉａ ｉ ｅ ｓｔ ， ’ １０ ２ ａ ｉａ
秦 鹏 ，李 宏 ， 张殿 军
（ 北 工 业 大 学 航 海 学 院 ，西 安 ７ ０ ７ ） 西 １ ０ ２
摘 要 ：提 出 了利 用 变步长 法 和 引入 动量项 来 改进 Ｂ Ｐ神经 网络 学 习算 法 ，有 效减 小 了学 习过 程
的振 荡趋势 ，改善 了收敛 性 ，避 免 了学 习过 程 陷入 某些 局部 最 小值 ，并 将其 用 于在 线调整 无刷 直
ＰＤ控制取得 较 好 的控 制效 果 ，就 必须 通 过 调整 好 Ｉ
比例 （ ） Ｐ 、积分 （ 、微分 （ ） Ｉ ） Ｄ 三种 控制作 用 ，形 成各
基于PWM的直流无刷电机控制系统
基于PWM的直流无刷电机控制系统一、本文概述随着科技的快速发展和电机控制技术的不断进步，直流无刷电机（BLDC，Brushless Direct Current Motor）在各个领域的应用越来越广泛。
它们具有高效、低噪音、长寿命等优点，尤其在航空、汽车、家用电器、电动工具以及机器人等领域得到了广泛应用。
而基于脉冲宽度调制（PWM，Pulse Width Modulation）的直流无刷电机控制系统，以其灵活的控制方式、精确的速度调节和优秀的动态响应特性，成为现代电机控制领域的重要研究方向。
本文将对基于PWM的直流无刷电机控制系统进行深入研究。
我们将简要介绍PWM技术的基本原理及其在电机控制中的应用。
接着，我们将重点探讨基于PWM的直流无刷电机控制系统的构成、工作原理以及主要控制策略。
文章还将分析该控制系统的性能特点，包括调速范围、动态响应、稳定性等。
我们将展望基于PWM的直流无刷电机控制系统的未来发展趋势和应用前景。
通过本文的研究，我们期望能够为读者提供一个全面、深入的了解基于PWM的直流无刷电机控制系统的机会，同时为相关领域的工程师和研究者提供有益的参考和启示。
二、直流无刷电机的基本原理直流无刷电机（Brushless Direct Current Motor，简称BLDCM）是一种通过电子换向器替代传统机械换向器的直流电机。
其基本原理主要基于电磁感应和电子换向技术。
电磁感应：直流无刷电机内部通常包含定子（stator）和转子（rotor）两部分。
定子通常由多个电磁铁组成，而转子则带有永磁体。
当定子上的电磁铁通电时，会产生磁场，与转子上的永磁体相互作用，从而驱动转子旋转。
这就是电磁感应的基本原理。
电子换向：与传统的直流电机使用机械换向器不同，直流无刷电机使用电子换向器。
电子换向器通常由微处理器和功率电子开关（如MOSFET或IGBT）组成。
微处理器根据电机的运行状态和位置传感器（如霍尔传感器）的反馈信号，控制功率电子开关的通断，从而实现电磁铁的电流方向的改变。
基于BP神经网络PID控制的无刷直流电动机调速系统设计
［ ３ 】罗骞 ， 夏靖 波， 智英 建等 ． 统计 Ｉ Ｐ网络 质量 的模 糊 评 估 方法 ［ Ｊ ］ ． 计算机科学 ，
２ ０ １ ０ ． ３ ７（ ０ ８ ） ： ７ ７ — ７ ９ ．
价值观、审美观 、背景和情感等主观 因素 的影 响较大 ，评分结果较为片面 。实际上 ，无 论采 用何种网络评估方法都必须映射到对应 的主观
利用神经 网络强 大的逼近能力
，
可 以通 过 学 习
＜ ＜上 接 ２ ５页
标 （ Ｋ ＱＩ ），最 后 对 ＫＱ Ｉ 和 ＫＰ Ｉ 的 关 键 指标 进行提炼 ，得到从用户角度反 映网络 整体性能
的 Ｏ０ Ｅ核 心 指 标 ， 建 立 一 个 全 面 的 网 络 综 合
网 络 综 合 评 估 方 法 得 到 的评 分 受 到 测 试 人 员 的
电子技术 ・ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
基于 Ｂ Ｐ神经 网络 Ｐ Ｉ Ｄ控制的无刷直流 电动机调速系统设计
文／ 王 寿 福
上世 纪八 十年 代 以后 ，随着 可控 硅、表
２调速 系统 组成 及原理
本文 主要 通过双 闭环 调速 系统 对所 提方
用户满意度 。
评估体系 。为 了更好 的描述各性 能因素之间的
关 系 ，Ｑｏ Ｅ按 照 一 定 的 加 权 计 算 方 法 得 出 ， 全
［ ４ ］赵 华琼 ，唐 学 文 ．基 于模 糊 层 次 分析 法
的 网络业 务性 能评 估模 型 ［ Ｊ ］ ． 计 算机应
用 ２ ０ １ ３ 、 ３ ３ （ １ １ ） ： ３ ０ ３ ５ — ３ ０ ３ ８ ．
司 网络 部 ， ２ ０ ０ ９ ： １ ２ － １ ５ ．
基于改进型BP神经网络的无刷直流电机调速系统的应用研究
２ ９
的要 求 ， 如 果 采 取 神 经 网 络 的 Ｐ Ｄ 控 制 ， 不 需 要 建 立 对 象 的数 学 模 型 ， 且 能 够 很 好 地 克 服 系 统 中 参 而 Ｉ 则 并 数 的 变 化 和 非 线 性 等 不 确 定 因 素 ， 有 较 强 的 鲁 棒 性 ， 文 将 神 经 网 络 和 传 统 的 Ｐ Ｄ控 制 结 合 起 来 ， 对 具 本 Ｉ 并
图 １无 刷 直流 电 机调 速 系统 框 图
图 １中 的 给 定 速 度 值 为 控 制 要 求 设 定 的稳 定 运 行 速 度 ，系 统 在 由 速 度 检 测 部 份 检 测 出 电 机 速 度 的 反 馈 值 后 ， 其 与 给 定 的 转 速 比 较 ， 后 经 过 传 统 的 增 量 式 限 幅 Ｐ Ｄ 调 节 ，将 输 出值 作 为 电 流 环 给 定 值 ， 将 然 Ｉ 该
可 以有效克服标准 Ｂ Ｐ算法 一般所存在 收敛速度慢 、 存在局部极小值等 问题 ， 而可以实现对无刷直流 电动机 的高 从
精度 的速度控制 。最后 ， 立 了仿真系统 ， 结果表 明该 算法效果 良好。 建 其 关键词 ： 无刷直流 电机 ；Ｐ神经 网络 ； Ｂ 粒子群 算法 ； ｔ ｂ仿 真； Ｍａａ ｌ 调速 系统
第３ Ｏ卷
第 ６期
大 庆 师 范 学 院 学 报
Ｊ ＯＵＲ ＮＡＬ ＯＦ Ｄ 源自 ＡＯＩ ＮＧ ＮＯＲ ＭＡＬ Ｕ ＶＥ Ｉ Ｙ ＮＩ ＲＳＴ
Ｖｏ ． ０ Ｎｏ ６ Ｉ３ ． Ｎｏ ｅ ｅ ２ ０ ｖ ｍｂ ｒ．０１
２１ ０ ０年 １ 月 １
基 于 改进 型 Ｂ Ｐ神 经 网 络 的 无 刷 直 流 电 机 调 速 系 统 的 应 用 研 究
付 丽 辉
的要 求 ， 如 果 采 取 神 经 网 络 的 Ｐ Ｄ 控 制 ， 不 需 要 建 立 对 象 的数 学 模 型 ， 且 能 够 很 好 地 克 服 系 统 中 参 而 Ｉ 则 并 数 的 变 化 和 非 线 性 等 不 确 定 因 素 ， 有 较 强 的 鲁 棒 性 ， 文 将 神 经 网 络 和 传 统 的 Ｐ Ｄ控 制 结 合 起 来 ， 对 具 本 Ｉ 并
图 １无 刷 直流 电 机调 速 系统 框 图
图 １中 的 给 定 速 度 值 为 控 制 要 求 设 定 的稳 定 运 行 速 度 ，系 统 在 由 速 度 检 测 部 份 检 测 出 电 机 速 度 的 反 馈 值 后 ， 其 与 给 定 的 转 速 比 较 ， 后 经 过 传 统 的 增 量 式 限 幅 Ｐ Ｄ 调 节 ，将 输 出值 作 为 电 流 环 给 定 值 ， 将 然 Ｉ 该
可 以有效克服标准 Ｂ Ｐ算法 一般所存在 收敛速度慢 、 存在局部极小值等 问题 ， 而可以实现对无刷直流 电动机 的高 从
精度 的速度控制 。最后 ， 立 了仿真系统 ， 结果表 明该 算法效果 良好。 建 其 关键词 ： 无刷直流 电机 ；Ｐ神经 网络 ； Ｂ 粒子群 算法 ； ｔ ｂ仿 真； Ｍａａ ｌ 调速 系统
第３ Ｏ卷
第 ６期
大 庆 师 范 学 院 学 报
Ｊ ＯＵＲ ＮＡＬ ＯＦ Ｄ 源自 ＡＯＩ ＮＧ ＮＯＲ ＭＡＬ Ｕ ＶＥ Ｉ Ｙ ＮＩ ＲＳＴ
Ｖｏ ． ０ Ｎｏ ６ Ｉ３ ． Ｎｏ ｅ ｅ ２ ０ ｖ ｍｂ ｒ．０１
２１ ０ ０年 １ 月 １
基 于 改进 型 Ｂ Ｐ神 经 网 络 的 无 刷 直 流 电 机 调 速 系 统 的 应 用 研 究
付 丽 辉
基于DSP无刷直流电机的BP神经网络调速系统
基 于 ＤＳ Ｐ无 刷 直 流 电 机 的 Ｂ Ｐ神 经 网 络 调 速 系 统
王 晓 雷 ， 炳 鑫 ， 必 瑞 毋 吴
（ 中原 工 学 院 ， 州 郑 ４００ ） ５ ０ ７
摘 要 ： 针 对 无 刷 直 流 电 机 速 度 调 节 系 统 中 存 在 的控 制 不 精 确 性 ， 以及 单 一使 用 传 统 Ｐ Ｄ算 法 不 能 满 足 大 范 围调 速 和 Ｉ 抑 制 超 调等 方 面 的 问题 ， 出 以 ＴＭＳ ２ Ｉ ２ ０ 提 ３ ０ ４ ７数 字 信 号 处 理 器 （ Ｓ 为 硬 件 控 制 核 心 ， 时 在 算 法 实 现 上 ， 用 非 线 Ｆ Ｄ Ｐ） 同 采 性预测模 型 Ｂ Ｐ神 经 网 络 Ｐ Ｄ 的控 制 算 法 ， 件 和 算 法 相 结 合 ， 决 了系 统 中 Ｐ Ｍ 信 号 的 生 成 、 Ｉ 硬 解 Ｗ 电机 速 度 和 电 流 反 馈 等 问 题 ， 真结 果 表 明 ： 仿 系统 的 响 应 速 度 快 、 定 性 能 好 ， 高 了 无 刷 直 流 电机 的 可 控 性 ． 稳 提
接 口￣ ６． 直 流 电 机 调 速 系 统 的 控 制 算 法 ， 用 经 典 ５ ３该 － 采 Ｐ 和 非 线 性 预 测 模 型 Ｂ 神 经 网 络 Ｐ Ｄ 控 制 算 法 相 Ｉ Ｐ Ｉ
ｄｉ ｔ ，
一
壶［ 一Ｒ ＋ｐ（２ ２ ＋ ３ Ｘ ＋ ｗ一
＋声 ］ ） （） １
关 键 词 ： ＴＭＳ ２ Ｉ ２ ０ ； Ｓ Ｂ ３ ０ ４ ７ Ｄ Ｐ； Ｐ神 经 网络 ； Ｉ 算 法 Ｆ ＰＤ
中 图 分 类 号 ： ＴＰ ７ ２２ 文献 标识 码 ： Ａ
电机 调 速 系 统 是 电 机 控 制 过 程 中的 一 个 重 要 环 节， 关系 到整个 操 作 系统 的正 常运行 ． 统 无刷 直流 电 传 机调 速系 统通 常采 用 电子器 件 和经典 Ｐ 控制 相 结合 ． Ｉ
基于模糊神经网络的无刷直流电动机能量回馈控制
ｏｒ ｆ ， ａ ｎ ｄ ｔ ｈ ｅ ｏ ｕ ｔ ｐ ｕ ｔ ｏ ｆ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｌ ｅ ｒ ｗ ａ ｓ ｔ ｈ ｅ ａ ｄ ｊ ｕ ｓ ｔ ｍ ｅ ｎ ｔ ｏ ｆ ｔ ｈ ｅ ｐ ｕ ｌ ｓ ｅ ｗ ｉ ｄ ｔ ｈ ｏ ｆ ｒ ｅ ｇ ｉ ｓ ｔ ｅ ｒ ｓ Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｉ ｍｐ ｒ ｏ ｖ ｅ ｔ ｈ ｅ ｃ ｏ ｔｒ ｎ ｏ ｌ ｐ ｒ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ， ａ ｎ ｅ ｕ ｒ ｌ ａ ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｏ ｆ ｆ ｉ ｖ ｅ ｌ ａ ｙ ｅ ｒ ｓ ｗ ｉ ｔ ｈ Ｂ Ｐ ｌ ｅ ａ ｒ ｎ ｉ ｎ ｇ ｌ ａ ｇ ｏ ｒ ｉ ｔ ｈ ｍ Ｗ ｓ ａ ｏｕ ｆ ｎ ｄ ， ｔ ｈ ｅ ｃ ｏ ｔ ｎ ｒ ｏ ｌ ｓ ｙ ￣ ｅ ｍ ｈ ａ ｄ ｔ ｈ ｅ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ａ ｂ ｉ ｌ ｉ ｔ ｙ ｂ ｙ ａ ｄ ｊ ｕ ｓ ｔ ｉ ｎ ｇ
＜ 驱动
ｅ ｄ—
微 持电棚 ２ ０ １ ４ 年 第 ４ ２ 卷 第 １ 期 费蓝 冰， 等 基 于模糊神
一
基 于模 糊 神 经制
费蓝冰 ， 崔 方 ，魏 玉平
（ １江苏大学 ， 江苏镇江 ２ １ ２ ０ １ ３ ； ２江苏科技大学 ， 江苏镇江 ２ １ ２ ０ ０ ３ ） 摘 要： 为 了提高无 刷直流电动机能量回馈 系统的能量回馈效率， 针 对无刷直流 电动 机能量 回馈模 型非线性、 时效性 的特点 ， 设计 了一个基于模糊 神经网络控制的无刷直流电动机能量回馈控制系统 。根 据影响能量 回馈 效率
Ｆ Ｅｌ Ｌａ ｎ—ｂ ｉ ｎ ｇ ， ＣＵ１ Ｆｎ ｎ ， ｗ Ｅｌ Ｙ ｕ－ ｐｉ ｎ ｇ ２
（ １ Ｊ ｉ ａ ｎ ｇ ｓ ｕ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ， Ｚ ｈ ｅ ｎ ｊ ｉ ａ ｎ ｇ ２ １ ２ ０ ０ ３， Ｃ ｈ ｉ ｎ ａ ； ２ Ｊ ｉ ａ ｎ ｇ ｓ ｕ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｎ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ？ ￣ ． Ｚ ｈ ｅ ｎ ｊ ｉ ａ ｎ ｇ ２ １ ２ ０ ０ ３． Ｃｈ ｉ ｎ ａ）
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
E ( k) = 1 ( rin ( k) - you t ( k) ) 2
( 16 )
2
按照梯度下降法修正网络的权值 ,即按 E ( k) 对加权系
数的负梯度方向搜索调整 , 并附加一使搜索快速收敛 到全局最小点的惯性系数 α。按此方法对网络输出层
的权值修改公式推导如下 :
Δw jl ( k)
=
-
制领域的应用已成为发展的必然趋势 。但 B P网络并不
是一种十分完善的网络 , 它也存在学习收敛速度太慢 ,
54
不能保证收敛到全局最小等缺点 。因此 , 对 B P网络的 改进是很有必要的 , 特别是在实时性需要很高的控制 系统中 。一种可行的改进方法是在隐含层上增加一个 关联节点 ,关联节点中储存的是上一步中隐含层的输 出信号 。这样隐层节点不仅接收来自输入层的输出信 号 ,还接收自身的一步延时输出信号 , 有助于提高网络 的收敛速度 。改进后的 B P网络结构如图 1所示 。
0 引言
由于直流 无 刷 电 动 机 既 具 有 交 流 电 动 机 结 构 简 单 、运行可靠 、维护方便 、寿命长的特点 ,又具有普通直 流电动机良好的机械特性和调速性 ,目前 ,在许多高要 求的电力驱动系统中得到越来越广泛的应用 。但是无 刷电机本身的动力学特性问题较为复杂 ,在采用传统 的 P I控制中 ,特别是在跟踪时变信号时 ,难以做到无 静差控制 。若采用单纯的神经网络控制 ,也存在算法 较为复杂 ,学习过程较长 ,参数收敛速度缓慢等问题 。 本文提出了一种基于 B P神经网络的 P I调节器 (N P I)的设计方法 ,将神经网络和传统的 P I控制相结合 , 通过对系统性能的学习来实现具有最佳组合的 P I控 制 。本文针对直流无刷电动机作了 N - P I控制系统仿 真 ,并与普通 P I控制作了比较 ,可以看出 N - P I表现
ib + eb
(1)
Lca Lcb Lc ic
ec
对于星形连接 ,由于 ia + ib + ic = 0,所以电感矩阵可以
收稿日期 : 2005 - 11 - 30 作者简介 :左旭坤 (1978—) ,男 ,安徽六安人 ,合肥工业大学电气与自动化工程学院硕士研究生 ,研究方向为检测技术与自动化装置等 , ( E - mail)
(5)
采用基于 B P网络的 P I控制就是希望利用 B P神经
网络具有逼近任意非线性函数的能力 , 以及结构和算
法简单的优点 ,通过网络的学习找到某一最优控制律
下的
P I控制参数
kp ,
。 k [ 2 ] i
2. 1 B P网络的结构
B P网络是前向神经网络的核心 , 具有结构算法简
单 ,便于在实时控制的条件下实现等优点 , 所以它在控
子磁通幅值 ,ω为电机的机械转速 。就其本身而言 , 直
流无刷电动机是一个高阶 、强耦合 、多变量的非线性动
力学系统 。
2 基于 BP网络的 P I控制
众所周知 , 按偏差的比例和积分线性组合进行的
控制是 P I控制 。增量式 P I算法为 :
u ( k) = u ( k + 1) + kp ( e ( k) - e ( k - 1) + ki ( k)
图 1 网络拓扑结构
2. 2 N - P I控制器结构 N - P I控制器由两部分组成 ,传统的 P I控制器直
接对控制对象闭环控制 ,其中两个控制参数 kp , ki 为在 线整定 ;另一方面 , 把系统的给定值和输出值的偏差作 为神经网络的性能指标函数 , 用此函数调整神经网络 的权值 ,通过网络自身的学习 , 使网络输出层的输出状 态对应于某种最优控制规律下的 P I控制参数 [3 ] 。其结 构如图 2所示 。
(7)
i =1
w ij 为隐含层的权值 , O r ( k) 是关联节点的输出值 。输出
为
O j ( k) = f ( Ij ( k) )
(8)
式中 f ( x) 为隐含层的传输函数 ,取正负对称的 Sigmo ld
函数 ,即
f ( x) = ( ex - e- x ) / ( ex + e- x )
在 0°～ 360°范围内 ,λ(δ) 的波形近似于方波 。
经过变形后 ,可以得到经典的状态方程模型 :
d ia dt
d ib = dt
d ic dt
Ra L -M
0
0
0
Rb L -M
0
0
0 Rc L -M
ia ib + ic
1
0
L -M
0 uda - ea - un
0
1
L -M
0
udb - eb - un ( 2)
0
0
1
udc - ec - un
L -M
电磁转矩方程为 :
Te
= ea ia
+ eb ib ω
+ ec ic
(3)
动力学方程为 :
dω = P ( Te - T l - Dω)
(4)
dt J
以上各式中 , P为极对数 , D 为粘滞系数 , J 为转动
惯量 , L 每相电感值 , R 为每相电阻值 。im , vm , em 分别为 各相的电流 、电压和反电势值 (m = a、b、c) ,λ(δ) 为转
η
5E ( k) 5w jl ( k)
+αΔw jl ( k - 1)
( 17 )
式中 η为学习速率 。其中 ,
5E ( k) 5w jl ( k)
=
zxk_land@163. com。
53
·控制与检测 ·
组合机床与自动化加工技术
改写为 :
L -M 0 0 L -M
0 0 。其中 M = Lab = Lac = Lba =
0
0 L -M
Lbc = Lca = Lcb , L = La = Lb = Lc , e( a, b, c) = λ(δ)ω, λ(δ) 是磁通的幅值函数 , 它是关于转角位置的函数 。
出的动态和静态性能 。
1 直流无刷电动机数学模型
直流无刷电动机是由逆变器 、位置传感器和永磁
伺服电机组成 ,直流无刷电动机在运行时可用如下状 态方程描述 [1 ] :
Va
Ra 0 0 iaVb = 0 NhomakorabeaRb 0 ib +
Vc
0 0 Rc ic
La L ab L ac ia
ea
d d t Lba Lb Lbc
BLDCM Con trol System Ba sed on Artif ic ia l Neura l Network M ethod ZUO Xu2kun, L I Gou2li, J IANG W ei2dong
( School of Electric Engineering & Autom ation, Hefei University of Technology, Hefei 230009, China) Abstract: In this paper, a neural network2P I controller is p roposed for controlling the speed of BLDCM in high2 performance drives environment. In such environment, if P I controller is only used, there must be over2regula2 ting and instantaneous oscillation. In this paper, a multip le N 2P I system is used, and online update the P I pa2 rameters w ith self2study and adap tive functions of a neural network. A model reference adap tive and neural net2 work control strategy is p roposed in this paper, an on2line indentification technique is used to compensate the variation of the param eters and modify the calculation of the neural network’s weight. The result of this control m ethod is satisfied in M atlab / Simulink. So this method help to reduce the over2regulating and elim inate oscilla2 tion. Key words: brushless DC motor; artificial neural network; speed control; Sim ulation
2006年第 6期
·控制与检测 ·
文章编号 : 1001 - 2265 (2006) 06 - 0053 - 04
基于神经网络的直流无刷电机控制系统
左旭坤 ,李国丽 ,姜卫东
(合肥工业大学电气与自动化工程学院 ,合肥 230009)
摘要 :提出了一种直流无刷电动机的 N - P I转速调节器的设计方法 。在直流无刷电动机的高性能速度 跟踪中 ,若仅采用传统的 P I调节器 ,则难以克服系统超调和短时振荡问题 。采用复合 N - P I的控制方 法 ,利用神经网络的自学习自适应功能在线调整 P I控制参数 。文中提出了一种模型参考自适应与神经 网络相结合的控制策略 ,利用在线辨识技术 ,对参数变化实时补偿 ,及时修正神经网络权值的计算 。最 后 ,在 M atlab / Sim ulink下进行了仿真 ,结果表明 ,运用这种设计方法很好地抑制了超调和振荡 。 关键词 :直流无刷电机 ;神经网络 ;转速控制 ;仿真 中图分类号 : TM383 文献标识码 : A