燃料电池风机用无刷直流电机神经模糊控制系统设计

《燃料电池风机用无刷直流电机神经模糊控制系统设计》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要随着人类环保节能意识的日益加强，燃料电池发动机系统的应用越来越广泛，风机为整个系统的正常工作提供稳定足量的风量。而风量的大小是随无刷直流电机(BrushlessDCMotor)．转速的变化而变化。因此，如何在复杂的控制环境中实时准确地控制无刷直流电机的转速就成为保证系统稳定运行的关键问题之一。目前，模糊控制和神经网络控制是非常热门的研究领域。本文针对无刷直流电机(BLDCM)调速系统的特点，在分析了无刷直流电机的数学模型和现场的实际使用情况后，结合神经网络控制和模糊控制，设计了一套神经模糊控制器，将其应用到燃料电池发动机的风机系统中。仿真结果表明，该方法较传统的PID控制

2、有更优良的控制效果，可以满足整个系统的现场控制要求。本文的研究内容和成果为以下几点：(1)设计了燃料电池发动机的风机控制系统的硬件结构，包括功率驱动电路、电流采样电路、保护电路、转子位置检测电路和硬件抗干扰措施，以及配套的模块化程序与软件结构。(2)模糊控制避免了对控制对象建立精确的数学模型，因而对非线性特征的控制对象具有较好的控制效果。但模糊控制系统自身的学习能力较差，而神经网络控制就有很好的自学习能力。故本文取长补短，将两者相结合，构成神经模糊控制器对本系统中的高速无刷直流电机转速进行控制。(3)使用MATLAB／SIMULINK对设计的神经模糊控制器和传统PID控制器的

3、控制效果进行了仿真和比较分析。关键词：燃料电池发动机，风机，无刷直流电机，DSP，神经模糊控制器ABSTRACTAlongwithenvironment··protectionandenergyresource··savingbecomemoreandmoreimportant,applicationoffuelcellenginesystemexpand，fanblowerprovidestableandenoughwindforthewholesystem．thequantityofwindchangedbyrotatespeedofBLDCM．therefore，how

4、tocontrolrotatespeedtimelyandpreciselyincomplicatedcontrolenvironmentisoneofkeyproblems．Atpresent，fuzzycontrolandneuralcontrolarepoPresearchfield．aimattimingsystem’ScharacterofBLDCM，analysedmathmodelandactualapplicationofBLDCM，combinedfuzzycontrolandneuralcontrol，designedaNeural-fuzzycontro

5、ller．useditinthefanblowersystem，theresultofemluatorindicatedbettercontroleffectthantraditionalPIDcontrolachieved．tlliScanfulfmthelocalecontrolrequestofthewholesystem．theresearchprocess，contentandachievementasfollows：(1)Designedhardwarestructureoffanblowercontrolsystem，includingpowerdrivecir

6、cuit,currentsamplingcircuit,protectcircuit，rotorplaceinspectcircuitandhardwareanti-jammingmeasure．andmatchedmodularizeprogramandsoftwarestructure．(2)Fuzzycontrolavoidbuildingprecisemathmodel，ownedsatisfiedcontroleffecttonon-linearobject，butitsself-learningabilityisnotgood．atthesametime,neur

7、alnetworkcontrolownedsatisfiedself-learningability．sowelearnfromother'sstrongpointstooffsetone’Sweakness，combinedthemtocomposingneural-fuzzycontroller,usedittocontrolourhigh·speedBLDCM．O)UsedMATLAB／SIMuIJNKtoemluateandcompareneural-fuzzycontrollerandtrad