关于无刷直流电机调速系统优化控制研究.pdf

《关于无刷直流电机调速系统优化控制研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第10期计算机仿真2015年10月文章编号：1006—9348(2015)10-0414—06关于无刷直流电机调速系统优化控制研究岳学磊，白鹏(空军工程大学理学院，陕西西安710043)摘要：在无刷直流电机调速系统优化控制问题的研究中，由于无刷直流电机是一种多变量、非线性的控制系统，应用传统的PID控制方法很难达到高精度控制。为解决上述问题，提出了一种将单神经元PID算法与Hebb学习规则相结合的控制策略，解决了传统的PID控制存在的鲁棒性不强的缺点，同时减d'T当电机转速进入稳态时产生的抖

2、振。Hebb学习规则的加入解决了干扰界限难以确定的问题，进一步削弱了系统的抖振。通过仿真对比得出，基于Hebb学习规则的单神经元PID控制算法应用在无刷直流电机上，能使电机调速系统具有调节时间短、超调小、鲁棒性强等优点，为直流电机调速优化提供了参考。关键词：无刷直流电机；仿真；学习规则中图分类号：TP391．9文献标识码：BApplicationofImprovedSingleNeuronPIDAlgorithmintoSpeedAdjustmentSystemYUEXue—lei．BaiPeng(

3、CollegeofScience，AirForceEngineeringUniversity，Xi’anShanxi710043，China)ABSTRACT：IntheresearchonoptimizationandcontrolofthespeedadjustmentsysteminthebrushlessDCmotor，itisdifficultfortraditionalPIDcontrolmethodtoachievehigh—precisioncontrolconsideringtha

4、tthebrushlessDCmotorisamulti—variable，non—linearcontrolsystem．AcontrolstrategyofcombiningthesingleneuronPIDalgo-rithmandHebblearningrulewasproposed，therefore，tosolvetheweakrobustnessshortcomingsexistinginthetra—ditionalPIDcontrol，andmeanwhiletoreduceth

5、ebuffetingarisingwhenthemotorspeedremainsinasteadystate．Whatismore，theHebbleamingrulewasusedtoovercomethedifficultyindetermininginterferenceboundariesandfurtherweakenthebuffetingofthesystem．Bycomparingthesimulationresults，itisconcludedthattheapplicatio

6、nofsingleneuronPIDcontrolalgorithminthebrushlessDCmotorbasedontheHebblearningruleCanadvantagethemo—torspeedadjustmentsystemwithshortadjustmenttime，smallovershootandstrongrobustness，etc．KEYWOlmS：BrushlessDCmotor(BLDCM)；Simulation；Learningrule1引言无刷直流电机(B

7、rushlessDCMotor，BLDCM)是随着电力电子技术、计算机技术、功率半导体技术和高性能的磁性材料制造技术的发展而迅速成熟起来的一种新型电机。BLD—CM采用电子换向器，取代了原来的机械电刷和机械换向器，因此BLDCM不仅具有直流电动机的运行效率高、无励磁损耗以及调速性能好等诸多优点，而且又具有交流电动机的结构简单、运行可靠、维护方便等一系列优点，使它一经出现就基金项目：陕西省科学技术研究发展计划项目(2011K06—115)收稿日期：2014—11—02修回13期：2015-01一14．

8、--——414．．．——迅速得到发展和普及。特别是在数控机床、机器人、伺服控制等领域得到了广泛的应用。随着BLDCM应用范围的不断扩大，人们对BLDCM控制系统的成本、控制算法的要求也越来越高。文献[3]中讨论了神经网络PID控制的特点，解决了全局鲁棒性的问题，并应用在无刷直流电机的调速系统上，但是对于干扰界限的问题并没有提及，这样设计出来的控制系统是不可靠的，没能削弱抖振。同时对调速系统的响应速度、超调量的问题没有很好地解决。针对这种情况本文提出了基于Hebb学习规