基于模糊自整定的bldcm控制系统研究

《基于模糊自整定的bldcm控制系统研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于模糊自整定的BLDCM控制系统研究刘海珊陈宇晨岳燕上海工程技术大学摘要：简述了模糊控制的基本原理及基于模糊自整定的无刷直流电机控制系统的设计。针对传统PID控制存在的不足，借助高端数字信号处理器TMS320F2812，将模糊自整定控制与BLDCM控制系统有效的结合在一起，控制系统的性能得到了较大改善，性能指标明显优于传统PID控制，进而增强了无刷直流电机运行的稳定性。关键词：模糊自整定控制TMS320F2812无刷直流电机StudyofBLDCMControlSystemBasedonFuzzySelf-tuningControlLiuHaishanChenYuch

2、enYueYanAbstract:Inthispaper,givenapresentationoftheprincipleofthefuzzycontrolandthedesignofBLDCMcontrolsystembasedfuzzyself-tuningcontrol.TohandletheshortagesofconventionalPIDcontrol,recurtotheTMS320F2812,digitalsignalprocessing,andcombinethefuzzyself-tuningcontrolwithBLDCMcontrolsystem

3、.TheresultsshowtheperformancesofcontrolsystemareimprovedcomparingtotheconventionalPIDcontrol,theperformanceindexisbetterthanthatinconventionalPIDcontrolsystem,sothestabilityofBLDCMoperationisstrengthened.Keywords:fuzzyself-tuningcontrolTMS320F2812BLDCM51引言随着各种高性能微处理器不断推出，加速了无刷直流电机(Brushl

4、essDCMotor，BLDCM)控制系统的发展。数字控制技术不但使BLDCM控制系统获得高精度、高可靠性，还为新型控制理论(如矢量控制、直接转矩控制、磁场加速控制、参数自适应控制等)的应用提供了物质基础。特别是适用于实时控制的高速数字信号处理器(DSP)在伺服系统中的应用，简化了系统结构，提高了系统性能。在实际生产现场，由于各种因素，如控制系统的传递函数与实际有偏差，使电机本身的参数和拖动负载的参数(如转动惯量)并不如模型那样一成不变，在某些应用场合会随工况而变化；同时，电机本身是一个非线性的被控对象，许多拖动负载含有弹性或间隙等非线性因素。因此被控制对象的参数变化与

5、非线性特性，使得传统的PID控制器的参数往往难以达到最优状态，而且参数的一成不变难以跟随现场的动态变化。为了进一步提高控制器的智能水平，提高控制系统的动态品质，将人工智能技术、神经元网络技术和模糊控制技术等相结合，可设计出智能模糊控制器[1]。与常规的PID控制相比，由于模糊控制不需要精确的数学模型，根据日常生产中的经验规则动态地输出，因此本文提出了利用模糊控制的动态调节作用，对传统的双闭环直流电机调速系统进行分析，对于解决直流电动机双闭环调速系统的控制策略并提高系统运行的稳定性有重要的借鉴意义。2模糊控制的基本原理5目前模糊理论的地位已经和六七十年代有了根本性的不同：

6、模糊逻辑的数学基础已经比较好地建立起来；最基本的理论已经到位；模糊逻辑在基础学科，特别是在数学、物理和化学的影响日益显著；基于模糊理论的应用向家用消费品、工业系统、生物工程、决策分析和认识技术等各个方向发展。模糊控制是将模糊理论实用化的一个领域，它是运用模糊理论将模糊输入的内容进行模型化处理，并由计算机执行，是一种以模糊集合论、模糊语言变量及模糊逻辑推理为基础的计算机智能控制，其核心部分为模糊控制器[2]（FLC）。模糊控制器控制系统的性能优劣，主要取决于模糊控制器的结构、所采用的模糊规则、合成推理算法，以及模糊决策的方法等因素。模糊控制原理方框图如图1所示。图1模糊控

7、制原理图图1中Yref表示输入指令值、Y表示输出值、e表示偏差值、ec表示偏差变化值和U表示模糊控制器输出值的最大值。在模糊控制器的设计和模糊控制理论的实际应用中，通常以Ｅ和EC为输入变量，经过离散化、模糊化后查询模糊控制表，得到模糊输出控制量Ｕ。根据控制对象的要求，即实现对无刷直流电机的双闭环控制，要提高模糊控制器的精度和跟踪性能，各控制量的语言变量必须取更多的语言值，分档越细，性能越好。因此本文中模糊控制器采用NB(负大)，NM(负中)，NS(负小)，ZO(零)，PS(正小)，PM(正中)，PB(正大)5个模糊语言逻辑变量来模糊化输入