试析优化智能控制器在BLDCM控制系统中的研究现状
开篇：润墨网以专业的文秘视角，为您筛选了一篇试析优化智能控制器在BLDCM控制系统中的研究现状范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要： 随着人工智能技术的不断发展，专家系统、模糊理论、人工神经元网络等智能控制的最新成果开始进入电机控制领域，给进一步提高无刷直流电机的控制性能提供了一条全新的途径。本文结合国内外无刷直流电机控制系统的研究现状，将现代计算机应用中最前沿的最优化与智能控制与传统的PID控制器结合在一起进行研究，针对有非线性复杂特性的控制对象或控制过程，传统控制理论中的PID控制器的难以实现满意的效果。研究利用最优化算法优化智能PID控制如：（fuzzy-PID、BP-PID、自适应PID控制、专家PID、基于遗传算法整定的PID控制器），完善智能控制方法在bldcm控制系统中的应用。
Abstract： With the continuous development of artificial intelligence technology， the expert system， fuzzy theory， artificial neural network and many other latest intelligent control achievements start to enter the field of motor control， and they provide a brand-new way for the further improvement of the brushless direct current motor controlling. This paper combines the research status of the controlling system of both domestic and foreign brushless direct current motor， explores optimization， which is the most cutting-edge modern computer applications， the intelligent control and traditional PID controller in combination. It is difficult for traditional PID controller to achieve satisfactory results when aiming at the controlled objects or processes with complicated nonlinear features. The research makes use of the optimization algorithm to optimize intelligent PID control， such as fuzzy-PID， BP-PID， adaptive-PID control， expert-PID and PID controller based on genetic algorithm setting）， to perfect the application of the intelligent control method in BLDCM controlling system.
关键词： BLDCM；最优化；智能控制
Key words： BLDCM；optimization；intelligent control
中图分类号：F276.44 文献标识码：A 文章编号：1006-4311（2013）12-0036-02
0 引言
无刷直流电机（BLDCM）控制系统是集电机技术、电力电子技术、控制理论和计算机技术等现代科学技术于一身的机电一体化系统。在传统直流电机优越的调速性能保持上，无刷直流电机在一定程度上克服了由机械换向和电刷引起的一系列问题，在现代社会的各个领域均有较好的应用[1]。随着新型稀土永磁材料的进一步开发与利用，出现新一轮的无刷直流电机的研究热潮，随着研究热潮的不断深入，无刷直流电机的使用范围不断扩大、应用前景将更加广阔。在工业控制系统方面，为了更好地解决无刷直流电机中存在的若干问题，无刷直流电机的研究工作主要体现在以下几方面：
1 转矩脉动
当前，无刷直流电机存在转速低、精度高、调速范围大等一系列复杂问题，转矩脉动直接影响着无刷直流电机速度控制性能。因此，无刷直流电机的转矩脉动成为当前情况下亟待解决的问题。对于无刷直流电机的脉动性能在一些视听设备等比较精密的仪器设备中要求比较高，因此在提高无刷直流电机性能方面抑制或消除转矩波动至关重要。目前针对无刷直流电机转矩脉动产生的原因分析，研究人员正在努力寻找抑制或消除转矩脉动的各种方法和途径。
分析无刷直流电机转矩脉动产生的主要原因有：①由齿槽效应和涡流效应引起的转矩波动，同其他电机一样，无刷直流电机也同样不能完全将齿槽效应和涡流效应避免。②无刷直流电机通常使用电子换相控制，电机绕组电感使电机相电流不可能为理想的方形电流。这就给系统带来换相转矩脉动。③由转矩谐波引起的脉动。
为了提高无刷直流电机的性能，对无刷直流电机转矩脉动研究不断深入，针对转矩脉动产生的不同原因，提出了抑制或削弱转矩脉动的不同观点和建议，这些解决措施因为研究条件的局限性只是在原有结构上或者控制方案上进行了一些修补和强化，没有从根本上解决转矩脉动问题，因此对无刷直流电机转矩脉动的研究还有待于进一步深入。
根据定子电流谐波的最优权重的设计方法，美国的J.Y.Hung博士等人通过利用电流调节器等装置，有效降低了由电磁转矩及齿槽引起的转矩脉动。此外，还有英国的Y.S.Cen、Z.O.Zhu和David.Hower博士试制成功的无齿槽的无刷直流电机，其主要作用也是通过减少转矩脉动，提高电机效率[2]。
2 无位置传感器
在电机控制中如果无位置传感器，如果想获得电机转子的位置。在实际工作过程中必须对与电机转子位置进行检测和计算，研究人员提出采用智能控制理论，顺利实现了对电机转子进行的检测和计算。这种控制方法通过智能方式来建立被测电压、电流和转子位置的相互关系。人工智能控制不要求控制电机有精确的数学模型，解决了电机运行过程中的非线性和参数的不确定性，而且实现对无刷直流电机控制的精度高、运行稳。对无位置传感器台湾的HG Chen、C.M.Lian博士通过智能换向调节装置实现了有效控制，其主要原理是：检测电机端电压，通过开关信号发生器对换向位置进行粗略估计，然后给出最佳转矩产生特性通过智能自调系统对换向瞬间进行微调[3]。但是，由于人工智能控制应用于无刷直流电机控制系统中的研究尚在起步阶段，大部分研究只进行到仿真阶段。
3 速度调节
BLDCM本身具有平稳的调速性能，同时还克服了有刷直流电机机械换向带来的一系列缺点，在各个领域已经得到广泛应用[4]。针对BLDCM本身具有时变性、非线性、强耦合等特征，无刷直流电机调速控制成为一个重要的研究方向。
在自动控制领域，最常用的并且行之有效的控制方法就是PID控制，但是随着工作环境改变，控制对象变得的越来越复杂，从而对控制技术要求变得越来越高。在实际工作过程中对电机控制的精度和性能的要求不断提高，同时由于无刷直流电机控制系统本身具有的复杂非线性的特性，采用常规PID控制策略对无刷直流电机进行控制难以达到满意的效果。近年来通过对无刷直流电机的转速调节研究中，现代的自适应控制、模糊控制、神经网络控制等控制方法也应用于在这一领域，这些方法经过研究人员研究实验得出结论现代控制理论中的智能控制比较适合电机控制，可以很好的提高系统的性能。本项目正是出这一角度出发，结合国内外无刷直流电机控制系统的研究现状，将现代计算机应用中最前沿的最优化与智能控制与传统的PID控制器结合在一起解决实际问题。
模糊PID控制策略就是将模糊控制引入传统的PID控制器，组合成Fuzzy一PID复合控制器，并通过模糊控制规则寻找符合智能控制器控制方法，再利用最优化算法对复合模糊PID控制器控制参数进行优化，实现对无刷直流电机的速度控制，并且使无刷直流电机控制参数达到指定要求。
专家-PID复合控制器（ExpertControl），同样也是将专家控制原理（即基于受控对象和控制规律的各种知识，并以智能的方式）与传统PID控制结合在一起，利用专家经验来设计PID参数便构成了专家PID控制。同样利用专家经验控制传统PID控制器参数事项对无刷直流电机的的速度控制，使各项控制参数达到指定要求。
遗传-PID复合控制器（GeneticAlgorithms），是通过遗传算法把“优胜劣汰，适者生存”的生物进化原理，引入待优化参数进而形成的编码串群体中，按照一定的适配值函数和一系列遗传操作对各个个体进行选择，从而使适配值高的个体被保存下来，组成新的群体。新的群体中包含了上一代的大量信息，并且引入了新的、优于上一代的个体。通过周而复始的不断循环，不断提高群体中各个个体的适应度，直至最后满足一定的极限条件。这样就达到了优化遗传的目的）与传统的PID控制器结合起来。通过遗传算法来找到适合无刷直流电机控制系统要求的PID控制器参数，实现对无刷直流带等级速度的控制，使系统的控制参数达到制定要求[5]。
复合智能PID控制器。复合智能控制器是将多种智能控制发发结合起来，取长补短，解决现代工业生产过程中单一的一种控制理论无法解决的控制难题。
模糊神经网络控制器，是将神经网络和模糊控制两种控制方法结合在一起，针对模糊控制系统中模糊规则不好指定的弊端，神经网络具有很强的非线性拟合能力，可映射任意复杂的非线性关系，而且学习规则简单，便于计算机实现。具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，利用神经网络更好的摸索和制定模糊神经网络控制器对工业系统的控制。
遗传神经网络控制器，同样的道理遗传算法以生物进化为原型，具有很好的收敛性，在计算精度要求时，计算时间少，鲁棒性高等都是它的优点。在现在的工作中，遗传算法（1972年提出）已经不能很好的解决大规模计算量问题，它很容易陷入“早熟”。常用混合遗传算法，合作型协同进化算法等来替代，即本项目中提到的遗传神经网络控制器。
相对于复合智能控制器而言，通过把复合智能控制与传统的PID控制器进行结合组成模糊神经网络PID控制器和遗传神经网络PID控制器，通过智能控制器更好地解决PID控制器控制参数问题，快速有效的寻找到工业控制系统中PID控制器Kp、Ki、Kd参数的最优解，使控制系统达到设计技术要求。
针对复杂的工业控制系统优化智能控制器参数是目前控制理论发展的最新方向，通过追随当前状态的最优参数值在参数空间搜索通过一系列迭代找到最优解。本项目研究的粒子群优化算法优化复合智能控制器参数是通过模拟生物群体的行为来解决寻找控制器参数最优点的问题，这种方法已经成为智能控制领域新的研究热点，粒子群优化算法（Particle Swarm optimization，PSO）又翻译为粒子群算法、微粒群算法、或微粒群优化算法。该算法是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能（Swarm intelligence，SI） 的一种。它可以被纳入多主体优化系统（Multiagent Optimization System，MAOS）。粒子群优化算法是由Eberhart博士和kennedy博士发明。研究证明，优化智能控制应用在无刷直流电机控制系统中使无刷直流电机性能得到了显著提高，也是当前无刷直流电机控制系统研究的一个热点方向，主要体现在将与其他智能控制方法和优化算法相结合，通过PSO用于电机参数的在线辨识，并对无刷直流电机转速进行自适应调整，在电机控制系统中起优化智能PID控制器控制参数。如PSO优化PID控制参数（Proportion Integration、differential）与神经网路，模糊控制，遗传算法换等相融合中，为其提供非参数化的对象模型、优化参数、推理模型及故障诊断等。利用粒子群优化算法的并行处理、自学习、逼近任意非线性函数的特性，可以找到最优的KP、KI、KD参数。随着研究的不断深入，智能控制在无刷直流电机控制系统中应用将会越来越广泛。[6]
参考文献：
[1]夏长亮.无刷直流电机控制系统[M].北京：科学出版社，2009.
[2]Kenndy J， Eberhart R C， Shi Y H. Swarm intelligence[M].San Francisco： Morgan Kaufmann，2001.
[3]王凌.智能优化算法及其应用[M].北京：清华大学出版社，施普林格出版社，2001.
[4]张海亮.无刷直流电机控制器及控制算法研究[C].杭州电子科技大学，2011.
[5]谭建成.永磁无刷直流电机控制技术[M].北京：机械工业出版社，2011.
[6]王向臣，杨向宇.智能控制在无刷直流电机控制中的应用[J].微电机，2008.