淺談電機智能控制技術

楊紅

（臥龍電氣集團遼寧榮信電氣傳動有限公司，遼寧鞍山，114000）

引言

隨著科學技術的發(fā)展，研究對象和系統(tǒng)變得越來越復雜?；跀?shù)學模型描述和分析的傳統(tǒng)控制理論難以解決一些復雜問題。智能控制主要針對控制對象及其環(huán)境，目標，任務，不確定性和復雜性提出。本文簡要介紹了幾種智能控制方法的原理，在廣泛參考國內(nèi)外無刷直流電機控制技術（BIDCM）的基礎上，對常用的模糊控制，神經(jīng)網(wǎng)絡和遺傳算法BIDCM控制方法，策略和具體應用進行了總結。

1 模糊控制

1.1 基本原理

模糊控制的思想是利用計算機實現(xiàn)人的控制體驗。采用模糊數(shù)學方法，用模糊語言描述的一些模糊規(guī)則建立過程變量與控制方法之間的模糊關系。同時，根據(jù)當時的實際情況，基于模糊規(guī)則，采用模糊控制方法獲取當時的控制量。模糊控制核心的部分是模糊控制器。模糊控制器主要由計算控制變量，模糊量化處理，模糊控制規(guī)則，模糊推理（模糊決策）和非模糊處理組成。

1.2 在無刷直流電機控制中的應用

傳統(tǒng)的BIDCM控制系統(tǒng)采用PID系統(tǒng)，結構簡單、可靠、穩(wěn)定。然而，很難克服負載，模型參數(shù)和非線性因素等各種變化的影響，因而不能滿足高性能和高精度應用的要求。

直接在BIDCM速度控制中使用模糊控制器，可以充分發(fā)揮模糊控制器適應非線性時變系統(tǒng)和滯后系統(tǒng)的優(yōu)點，實現(xiàn)良好的控制效果和較強的魯棒性，不需要建立控制目的。精確的數(shù)學模型，設計更加方便。傳統(tǒng)的二維模糊控制器將誤差和誤差變化作為輸入量。因此，該控制器具有模糊比例-微分效應，但缺乏模糊積分控制功能，系統(tǒng)穩(wěn)定性差。PI控制不僅可以獲得更高的穩(wěn)態(tài)精度，而且具有更快的動態(tài)響應。因此將PI控制系統(tǒng)引入到模糊控制中來形成模糊PI復合控制，以提高模糊控制器的穩(wěn)態(tài)性能。模糊PI控制如圖1所示。

圖1 模糊—PI控制器結構圖

基于System Gneratore建立了BIIWM控制系統(tǒng)仿真模型，并進行了雙閉環(huán)控制系統(tǒng)仿真測試;外環(huán)為速度控制，內(nèi)環(huán)為電流控制，電流環(huán)為滯環(huán)電流調節(jié)器，速度環(huán)為模糊 PI智能控制器。模糊控制器的模糊推理系統(tǒng)采用Mandani型，去模糊采用加權平均法，并采用重疊對稱分布的隸屬函數(shù)設計控制規(guī)則表。仿真結果表明，該控制方法響應速度快、無超調、魯棒性強、抗干擾能力強。

2 神經(jīng)網(wǎng)絡

2.1 基本原理

神經(jīng)網(wǎng)絡是許多簡單連接的神經(jīng)元的網(wǎng)絡。它通過模擬人腦細胞的分布式工作特性和自組織功能，實現(xiàn)了并行處理，自學習和非線性映射。

一個簡單的神經(jīng)網(wǎng)絡機制可以表示為如圖2所示。小圓圈表示一個神經(jīng)元。神經(jīng)網(wǎng)絡系統(tǒng)中可能有許多神經(jīng)元。每個神經(jīng)元的具體操作是接收來自其他相鄰神經(jīng)元的輸入信息，然后生成輸出并將其發(fā)送給其他神經(jīng)元。神經(jīng)元通常分為輸入層神經(jīng)元，隱藏層神經(jīng)元（中間層神經(jīng)元）和輸出層神經(jīng)元。輸入層神經(jīng)元接收來自外部環(huán)境的信息，輸出層神經(jīng)元將整個神經(jīng)網(wǎng)絡系統(tǒng)的效果作為外部環(huán)境。隱藏層神經(jīng)元從網(wǎng)絡接收輸入信息并對其進行處理，然后輸出信息。其他神經(jīng)元。每個神經(jīng)元通過相應的加權因子相互連接以形成網(wǎng)絡拓撲。

圖2 簡單的神經(jīng)網(wǎng)絡結構

2.2 在無刷直流電機控制中的應用

神經(jīng)網(wǎng)絡最普遍的訓練方法是BP(backerror propagation）算法。該算法基于梯度發(fā)現(xiàn)技術，該技術使平均方差估計函數(shù)最小化。最小化過程是權重的調整。BP網(wǎng)絡是前向神經(jīng)網(wǎng)絡的核心。它具有結構算法簡單，易于在實時控制條件下實現(xiàn)的優(yōu)點。因此，其在控制領域的應用已成為必然趨勢。

模糊控制的收斂性較差，調整結束時很難消除系統(tǒng)的穩(wěn)態(tài)偏差。在誤差較小時，提出了三層BP神經(jīng)網(wǎng)絡來完成無刷直流電機的控制，并給出了三層神經(jīng)網(wǎng)絡的數(shù)字化描述。。實驗表明，該方法訓練的數(shù)據(jù)容易收斂，提高了系統(tǒng)的穩(wěn)態(tài)精度，彌補了模糊控制的不足，并且不能及時降低系統(tǒng)的要求。由于基本樣條函數(shù)使用多項式計算，與僅將神經(jīng)網(wǎng)絡指數(shù)函數(shù)用作隸屬函數(shù)的模糊系統(tǒng)相比，它節(jié)省了時間。因此，基本樣條函數(shù)模糊神經(jīng)網(wǎng)絡具有實現(xiàn)簡單，速度快的特點。

3 遺傳算法

3.1 基本原理

遺傳算法是一個迭代過程，在每次迭代中保留一組候選解，根據(jù)解的優(yōu)點和一些指標復制解中的一些解，然后使用一些遺傳算子對其進行操作以生成新一代的候選解決方案。重復直到達到一定的收斂標準。

遺傳算法的核心內(nèi)容包括：（1）如何從現(xiàn)有的解決方案（父代）中選擇一些后代來產(chǎn)生后代，并確保這些復制解決方案具有良好的特性以產(chǎn)生優(yōu)秀的后代。（2）使用什么樣的遺傳算子計算選擇的解，所使用的遺傳算子必須具有良好的計算特性，以保持母解中的優(yōu)良特征，同時丟失重要信息或良好的功能恢復。

3.2 在無刷直流電機控制中的應用

在自適應遺傳因子構建的基礎上，將自適應遺傳算法應用于無刷直流電動機的優(yōu)化。針對無刷直流電機的非線性組合優(yōu)化問題，構造了一種新的自適應遺傳因子。二維Shubert函數(shù)用于驗證構建的遺傳因子。同時，使用基本的遺傳算法，自適應遺傳算法和改進。對自適應遺傳算法的三種算子進行了求解，證明了構造的自適應算子比其他兩種算子具有更好的性能。

針對模糊控制器設計和參數(shù)在線調整的不足，采用遺傳算法對模糊控制進行優(yōu)化，生成最優(yōu)模糊控制規(guī)則。最后，將模糊控制器應用于數(shù)字信號處理器（DSP）實現(xiàn)模糊控制器。參數(shù)的在線調整克服了傳統(tǒng)模糊控制器在線調整的弱點，大大提高了控制器的性能。

4 結束語

本文介紹了通用無刷直流電機控制系統(tǒng)中的智能控制方法。其中，模糊控制是應用最廣泛的。不同的控制方法適用于不同的場合，各有其優(yōu)點和缺點。隨著科學技術的不斷發(fā)展和研究工作的深入，各種智能控制理論不斷得到完善?？梢灶A見的是，智能控制在無刷直流電機控制系統(tǒng)中的應用將越來越廣泛。

[1]周德檢, 吳斌.智能控制[M].重慶: 重慶大學出版社, 2005.

[2]陳婭冰, 周治平, 紀志成.無刷直流電機模糊 PI智能控制[J].江南大學學報(自然科學版), 2005, 4(1): 14-17.

[3]紀志成, 沈艷霞, 姜建國.一種新型無刷直流電機調速系統(tǒng)的模糊PI智能控制[J].電機與控制學報, 2003, 7(3): 248-254.

[4]戚鵬, 景占榮, 羊彥, 等.基于模糊 PID 控制的永磁無刷直流電動機調速系統(tǒng)研究[J].微電機, 2006, 39(7): 32-34.

[5]汪海燕, 李娟娟, 張敬華.自適應模糊 PID控制的無刷直流電機及仿真[J].微電機, 2003, 36(4): 15-17.

[6]王群京, 姜衛(wèi)東, 倪有源, 等.無刷直流電機的自適應 Fuzzy-PI控制器的仿真[J].電氣傳動, 2004, (3): 19-22.